AI教父说“人类只剩一两年”，被所有人读错了

这几天，你大概率刷到过这句话：AI 教父说，人类可能只剩一两年。

猫探长把原访谈翻出来读完了。很遗憾，这句话被绝大多数人读错了。

Hinton 说的"一两年"，指的是"留给我们做准备的时间，只剩一两年"，而不是"一两年后世界末日"。一个是倒计时，一个是补课时间，方向完全相反。

先把落差说清楚，再说更扎心的部分。

Geoffrey Hinton，深度学习奠基人，2024 年诺贝尔物理学奖得主，三年前从 Google 离职，从此成了 AI 风险最执着的警告者之一。10 月 6 日，他上了一档叫《Smart Girl Dumb Questions》的访谈，聊了 55 分钟。

为什么是"准备窗口只剩一两年"？因为 AI 的能力在指数式增长。前半段你还觉得没什么，一进后半段，反应时间就急剧缩水。他说的准备，是几件具体的事：监管怎么补上、安全测试怎么做、模型怎么隔离、社会怎么适应。这些都得赶在能力再上一个台阶之前做完。

用他的比喻就是：监管不是给车装刹车，而是当方向盘。问题从来不是让 AI 停下来，而是决定它往哪里开。

第一个反直觉的点来了：这个最执着警告 AI 的人，自己正在用 GPT 做研究。

访谈里最容易被忽略的一段，是 Hinton 讲他自己怎么工作。他重拾了 30 年前研究过的 wake-sleep 算法，把还没成形的想法丢给 GPT 讨论。模型很快指出其中一个问题，还建议他做实验验证。他先跑小数据集，模型判断方向有效、但需要更大的数据集；继续跑，几分钟就出了新结果。

他形容，这像带了一个非常聪明的研究生。过去一个反馈回合要等一周，现在只要几分钟。他粗略打了个比方，快了近百倍。

你看，这是这篇访谈最有意思的张力：最年长的警告者，也是最积极的受益者。他不是嘴上说说，他是真的在用。

但请注意，Hinton 本人并没有从这个流程里消失。

是他决定为什么一个 30 年前的算法今天值得重做，是他理解识别模型和生成模型之间的知识关系，是他判断这个实验到底有没有意义。AI 只负责跑得快，跑什么、为什么跑，还是他说了算。

这就带出对普通人最关键的一句：当执行越来越便宜，判断越来越贵。

AI 压缩的是执行和等待时间，它没给 Hinton 那几十年攒下来的研究判断。人的位置，正在往三件事上移动：定义问题、判断结果、承担责任。

这条规律不只适用于科学家。写代码、整理数据、查资料、做初稿，这些都是"执行"，都变便宜了。而"这事到底值不值得做""这个结果对不对""出了问题谁负责"，这些是"判断"，反而更值钱。

下面这部分，是猫探长觉得原文里被漏掉、但对你我冲击最直接的：职业阶梯。

Hinton 说，AI 先接走的，不是高级岗位，而是初级岗位干的活：初级程序员写的基础代码、年轻分析师整理的数据、新编辑查的资料和第一版初稿。

这些活看着不起眼，可它有个隐藏功能，是新人的练手台阶。年轻人正是靠这些琐碎的活，一点点长出判断力。AI 把这些台阶先抽走，企业效率是高了，但新问题冒出来：下一代资深的人，靠什么长出来？

他还提到就业的方向。未来十年左右，水管工可能还是个好选择。现实世界里动手操作、随机应变、灵巧处理物理世界的活，比数字世界里的语言、代码、信息处理难得多。他开玩笑说，AI 大概会先学会做播客主持人，再学会做水管工。

这话听着好笑，细想挺冷。

那普通人到底该怎么办？Hinton 给年轻人的建议很直接：别"拒绝 AI"。

他觉得 Z 世代因为担心风险就不用 AI，是自我误导。他的原话是：技术已经存在，也不会消失。你要学会用，同时弄明白，哪些能力不能一起外包出去。

教育上他也说得很清楚，他不是让人别用 AI。数学和基础科学里，AI 是极好的教学工具，能即时画函数图像、改参数、看曲线变化，还能一直追问。过去只有真人老师低成本能给到的连续反馈，现在随手就有。

但他担心两件事。第一，把题做完，不等于真的学会了。AI 越容易替你推理、写作、计算，你越要分清"任务完成"和"能力形成"是两回事。第二是社交。一个孩子如果长期跟"永远关注你、永远耐心、几乎总满足你"的系统相处，而真人会反对你、有自己的情绪、会批评你，那他就更难学会协商、冲突、拒绝和边界。

所以他给了个反直觉的答案：工具越强，越要刻意保留一些看起来"低效率"的学习过程。犯错、等待、自己想、跟别人争论，这些慢功夫不能省。

收束一下，猫探长给你留一张"哪些能力不能外包"的清单，从这篇访谈里拆出来的，觉得有用可以先收藏。

但凡满足下面任意一条，就是不该整包交给 AI 的部分：

1、定义问题。决定"到底要做什么、为什么做"，这是你价值的源头。AI 只会在你给错的题上跑得更快。

2、判断结果。AI 给你答案，但"这个答案对不对、能不能用、代价是什么"，得你自己拍板。

3、承担责任。出了事谁负责，这是人的事，AI 不会替你背。越往高处走，越是在为判断和结果负责。

4、真实的人际。协商、冲突、拒绝、边界，这些只能在真人之间练出来，别让过度顺从的 AI 替你代练。

5、慢下来的学习。犯错、等待、自己想、和人争论，看着低效，其实是在长能力。工具越强，越要留出这段低效率。

一句话记住：AI 拿走的是执行，留下并且越来越贵的，是判断和责任。

最后留个问题给你：Hinton 说孩子不该拒绝 AI，但又要刻意保留"低效率"的学习过程。换成你家孩子，你会让他从几岁开始用 AI 写作业？工作里那些以前交给新人的初级活，你觉得该不该让 AI 接手？