在2025年11月3日， Hinton继续了它的深度学习完成一切的观点。
当时是与MIT Technolog Review的人聊的。
总结一下：
现在的AI的Gaps里，需要一些概念性的突破，同时还需要一种规模上的增长。
现在的神经网络有一点弱点，那就是即使有大量的参数，也不太擅长处理少量数据的情况。而人脑就是比机器好很多。
人脑的工作机理就是一种巨大规模的矢量神经网络活动。
那么真的是这样吗？
深度学习经历了近十年的发展，从2025年ImageNet的比赛开始走入大家的视野，已经有了足够多的技术探索。但是还没有达到大家期望的人工智能的入门标准，相反，大家为了更乐观的表示未来，我们在不断的发明新词汇来表达现在与未来的联系，在告诉我们自己，这个联系是有的，它是一直存在的。只不过我们需要突破。
这个东西就是：人工智能的分类
弱人工智能，强人工智能，超人工智能。
现在我们得到的是弱人工智能。它只能在某一些方面达到或者超过人类的水平。但是它是不是像我们过去的各种工具一样呢？
我们已经没有办法靠自己的体力跑得比自行车、摩托车、汽车快。
我们已经没有办法靠自己的体力买得比滑翔伞、飞艇、直升机、客机飞得高。
那么我们为什么不认为这些东西是我们肉体的延伸呢？
现在我们没有办法比计算机记忆得久，没有办法比计算机计算快，这时我们把计算机同样归类到工具。
现在我们发明的这种深度学习以及其它的一些机器学习及一些其它的人工智能的方法，是在某些智力领域超过了我们，为什么就认为它是智能，而不是一种智力工具呢？
在没有真正到达一个突破前，谁也不清楚它是什么不是吗？
现在我们在寻找突破中，在深度学习这个领域中的投入，可以毫不客气的说，是现今人类社会投入最多，期望最大的领域。同时也确实取得了一定的突破，DeepLearning，然后各种网络，最近的一次应该是transformers， 还有大规模网络GPT-3。但是依然没有办法说清楚，这样的结果是如何出现的，究竟是一个统计学的结果，还是真的是智能的雏形。
也许真的是规模还不够大吧。毕竟人脑是100万亿个连接，最大的GPT-3只有1750亿，还差着1000倍呢。
有没有可能，连接主义的模型也不够大，不够多呢？是不是连接主义也能通过规模达到这样一个准确性或者说性能呢？
不知道有没有人试一下。
无论如何，我们都是路上，只要走下去，就有可能发现终点不是吗？
