AI 正在毁掉下一个 Hinton

当 AI 教父 Hinton 警告超级智能 AI 即将到来，甚至威胁人类生存时，他所引发的恐慌正在以一种意想不到的方式反噬科学界。曾经，Hinton 本人是在学术边缘坚持探索的认知科学研究者；而如今，在 AI 技术爆炸式发展的背景下，下一代潜在的“Hinton”可能正在被 AI 制造的学术泡沫和筛选机制扼杀在摇篮里。

学术边缘性的消亡

回顾历史，Hinton 在 1986 年发表反向传播算法关键论文时，神经网络在学术界仍是边缘话题。他当时是一个年轻的认知科学研究者，做的方向没什么人看好，资源匮乏，甚至可以说是孤军奋战。这种边缘性在当下被视为一种缺陷。现代 AI 驱动的科研筛选机制极度依赖已有的热门数据和趋势，它们鼓励“热门”的追随，而非冷门的深耕。

如果 Hinton 的研究发生在今天，他的项目申请可能会因为缺乏“先例”或不符合当前主流的概率分布模型而被 AI 辅助的评审系统直接过滤。AI 系统“预测下一个单词”的逻辑，本质上是基于过往数据的最大公约数，这天然地排斥了那些看似离经叛道、极具创造力的边缘思想。

执行力被 AI 取代的“新手”困境

参考资料指出，正在被替代的是纯粹的认知型任务：写代码、跑模型、做数据分析。这些恰恰是研究生、博士后和初級研究人員的日常工作。过去，一个年轻学者正是在这些繁琐的“脏活累活”中，通过不断的试错和实践，培养出对数据的直觉和对模型的深刻理解。

现在，AI 做得更快更好。当基础工作被 AI 整包接管，年轻学者实际上变成了“提词器”操作员。他们失去了在底层代码和数据中摸爬滚打的机会，也就失去了从微小的异常中发现新大陆的可能性。这种“动手能力”的退化，可能导致整个科研生态出现断层——未来的创新者将不再具备从零构建复杂系统的底层能力。

规模效应下的认知利维坦

我们正在构建规模极其庞大的 AI 系统。这些系统虽然只是在预测文本中的下一个单词，但它们给出的概率分布正在主导科学发现的方向。当巨额资本（如微软等巨头的 4200 亿美元支出）全部砸向规模扩张时，科研的评价标准变成了“谁的模型更大”、“谁的数据更多”，而不是“谁的想法更好”。

这种环境下，科学家被异化为 AI 巨兽的喂养者和维护者。那些需要极度独立思考、不依赖海量数据、甚至反直觉的创新火花，很容易在庞大的统计概率中被淹没为噪点。

当创造者开始恐惧

Hinton 的发声并非偶然，而是科技内部良知派的集体呼声。当创造者开始恐惧自己的创造物，社会就该警觉了。AI 本应是工具，但现在它正在重塑科研的结构。

如果 AI 继续沿着目前的路径发展，它不仅会取代人类的工作，更可能在源头上扼杀人类的创造力。下一代 Hinton 可能就在我们身边，但他手中的边缘课题正因 AI 定义的“主流”而被边缘化。这不仅是人才的浪费，更是人类在面对未来未知挑战时，失去了一次或许本该有的“逃生通道”。