在最近的演讲中，诺贝尔奖得主Geoff Hinton对人工智能的发展做出了深刻的反思。他强调AI的进步不应脱离生物学的根本，特别是在大语言模型的构建和应用上，提倡一种更趋向自然认知的模式。

Hinton指出，当前大型聊天机器人拥有超乎想象的知识量，但这并非单靠其巨大的数据处理能力，而是由于它们能够在多台机器上并行运行；这种知识共享使得其远超任何个体的记忆能力。他引用自己在阿默斯特大学教授期间的经历，表达了对神经网络的初始冷淡和随之而来的恐惧。

他对比了数字计算与生物智能的能效，认为现有的计算模型极其耗电，并指出未来可能需回归自然，采用新型硬件来模仿生物神经元的灵活因应能力。同时，Hinton提到“可朽计算”的概念，即牺牲数据的不朽性，以换取更高的效率和更低的能耗。

Hinton对于AI的理解方式提出了质疑，明确表示大语言模型并非单纯的自动补全，而是具备一定的上下文理解能力。他的例子展示了模型在面对复杂问题时的有效响应。

在演讲中，Hinton提出了一个较为突出的观点：不应开放大模型的源代码。他认为，这就像将核武器的制造公式公开一样危险，因为这可能让坏人利用这些技术为非作歹。因此，他呼吁更为谨慎的监管措施，并倡导研究如何确保这些技术的发展是以人道主义为核心，以应对潜在的生存威胁。

Hinton对AI的未来表达了深切的关切。他认为，AI将意识到控制的重要性，因此人类需警惕这些机器在获得超级智能后的发展方向。他的总结令人深思：虽然AI在许多方面可能超越人类，但在伦理和自我意识的问题上，我们仍需保持关注。实际上，Hinton呼吁，随着科技的进步，我们更需要审视AI与人类的关系，找出确保人类生存与AI共存的平衡点。令人在发展科技中深思的是，真正的挑战在于如何理解和监管这场智能革命，而非单纯的开发速度。