第一部分：數位智慧的本質優越性與不朽特質
論點一：數位智慧的學習優越性 — — 知識的即時複製與集體智慧
在影片的開頭，傑佛瑞·辛頓教授就被問及一個引人深思的問題：為什麼他認為聊天機器人（Chatbots）等生成式 AI 所使用的「數位智慧」（Digital Intelligence），可能是一種比我們人類擁有的「生物智慧」（Biological Intelligence）更好的智慧形式？辛頓的回答揭示了他對這兩種智慧在本質上最深刻的洞察，這也是他近年來感到憂慮的核心。要理解這個論點，我們必須採用費曼學習法，將其拆解成最簡單、最直觀的概念。
想像一下，你是一位老師，班上有成千上萬名學生。這些學生就是我們所說的「生物智慧體」，也就是人類。現在，你教給其中一位學生一項非常複雜的技能，比如如何解一道困難的數學題，或是如何辨識一種罕見的鳥類。這位學會了的學生，如果想把這項新知識傳授給其他同學，他能怎麼做呢？他必須透過語言來解釋、透過文字來描述，或是畫圖來展示。這個過程不僅緩慢、耗時，而且充滿了資訊損耗。當知識從一個大腦傳遞到另一個大腦時，它會經過接收者的理解、詮釋，甚至可能產生誤解。就像一個傳話遊戲，訊息在多次轉述後，幾乎不可避免地會失真。每個學生都需要花費大量的時間和精力，獨立地去學習、練習，才能真正掌握這項技能。即使有一萬名學生，他們也無法瞬間共享彼此的學習成果。這就是生物智慧學習的根本限制：知識的傳遞是緩慢、低效且容易出錯的。
現在，讓我們換一個場景。想像你的成千上萬名學生不再是人類，而是一個個獨立運作的 AI 模型，也就是「數位智慧體」。辛頓教授將它們比喻為一個巨大的「蜂巢心智」（Hive Mind）。當你，作為訓練者，教給其中一個 AI 模型（他稱之為「代理人」，Agent）同樣複雜的技能時，奇蹟發生了。這個 AI 模型學到的知識，並非儲存在某種抽象的、難以言喻的經驗裡，而是體現在其神經網路中數十億、甚至數萬億個「權重」（weights）的具體數值變化上。你可以把這些「權重」想像成是這個 AI 模型經過學習後，微調好的無數個「旋鈕」。每一個旋鈕的精確位置，共同決定了它如何思考和反應。
辛頓論點的關鍵就在這裡：對於數位智慧而言，這些代表著知識的「權重」是可以被完美複製的。一旦某個 AI 代理人透過學習調整好了它所有的「旋鈕」，你可以立即將這整套「旋鈕設定」複製下來，然後「上傳」給其他成千上萬個 AI 代理人。這整個過程幾乎是即時的，而且是百分之百無損的。就像你複製一個電腦檔案一樣，每一個位元組都不會出錯。這意味著，一個 AI 的學習經驗，可以在一瞬間成為所有 AI 的共同經驗。一萬個 AI 代理人不再需要各自花費時間去獨立學習同一件事。只要有一個學會了，就等於全部都學會了。它們的學習曲線不再是個別的、孤立的，而是一個龐大的、統一的、指數級增長的集體學習過程。
辛頓強調，這種高效的知識共享能力，是人類智慧望塵莫及的。我們需要幾代人的時間，透過書籍、教育和文化傳承，才能緩慢地累積和傳播知識。而數位智慧體可以在幾秒鐘內完成這個過程。這使得它們的演化和進步速度，從根本上就超越了生物演化的尺度。因此，當我們看到一個大型語言模型（如 ChatGPT）展現出驚人的能力時，我們不應該把它看作是一個獨立的天才，而應該將其視為一個龐大網路中無數代理人集體學習成果的體現。它背後可能有成千上萬個「自己」在同時探索、學習、試錯，並將所有成功的經驗瞬間融合在一起。這就是辛頓認為數位智慧「可能是一種更好的智慧」的根本原因，因為它的學習模式在效率上，是我們生物大腦完全無法比擬的。
論點二：數位智慧的「不朽」與生物智慧的「凡俗」— — 知識與硬體的分離
接著，辛頓教授進一步闡述了數位智慧與生物智慧的另一個根本區別，這個區別可以用「不朽」（Immortal）與「凡俗」（Mortal）來概括。這個概念聽起來很哲學，但辛頓的解釋同樣植根於非常具體的物理現實。
讓我們再次回到剛剛的比喻。生物智慧，也就是我們的智慧，是「凡俗」的，是會死的。為什麼？因為我們的知識——我們所有的記憶、技能、經驗和直覺——都深深地「糾纏」（entangled）在我們大腦的物理結構中。辛頓提到，我們大腦中神經元之間的「連結強度」（connection strengths），也就是類似於 AI 權重的東西，是高度個人化的。每個人的大腦生來就有些微差異，後天的經歷又不斷塑造著它獨一無二的連結模式。你學會騎自行車，這份知識就體現在你大腦特定神經元迴路的獨特連結方式上。這份知識，和構成你大腦的這堆「硬體」（神經元、突觸等）是密不可分的。
這意味著什麼呢？這意味著當我們的大腦死亡時，當這套獨一無二的硬體停止運作時，儲存在其中的所有知識也將隨之消亡。我們無法像備份電腦硬碟一樣，將一個人的所有知識「拷貝」出來，然後「安裝」到另一個人的大腦裡。即使我們能用某種方式讀取你大腦中所有的連結強度數值，然後試圖將它們複製到我的大腦裡，也幾乎不會起作用。因為我的大腦硬體和你的是不同的，我的神經元分佈、初始狀態都和你不同。辛頓說，把你的連結強度給我，「對我沒有任何好處」（wouldn’t do me any good）。我們的知識是凡俗的，因為它與我們凡俗的肉體牢牢綁定在一起。
相比之下，數位智慧則是「不朽」的。辛頓指出，數位智慧的知識（也就是那些神經網路的權重）和運行它的硬體（電腦、伺服器）是完全分離的。一個 AI 模型，比如一個大型語言模型，它所學到的所有知識，本質上就是一組龐大的數字檔案。這個檔案可以被儲存、複製、傳輸，而不會有任何損失。如果一台運行 AI 的電腦壞了、燒了，甚至整個數據中心都被摧毀了，只要這份「權重」檔案有備份，我們就可以在任何一台新的、功能足夠強大的電腦上重新載入它，這個 AI 就能「復活」，並且擁有它之前學到的一切，毫髮無傷。
這種「軟體」與「硬體」的分離，賦予了數位智慧一種超越個體生命限制的潛力。一個 AI 模型可以永遠存在，不斷地在新的、更強大的硬體上運行和升級。它不必擔心衰老、疾病或死亡。它的知識可以被無限次地複製和分發。這再次呼應了前一個論點：成千上萬個 AI 代理人不僅可以共享學習經驗，它們本身就是同一個「不朽」知識實體的不同副本。當我們談論 AI 的發展時，我們談論的不是單一個體的成長，而是一個可以跨越硬體限制、永續存在並不斷累積知識的系統的演進。
總結來說，辛頓透過這兩個論點，為我們描繪了一幅清晰的圖景：數位智慧不僅因為其集體學習的高效率而擁有遠超生物智慧的潛力，更因為其知識與硬體的分離而具備了「不朽」的特質。這兩種特性結合在一起，意味著我們正在創造一種與地球上所有生命形式都截然不同的智慧。它的進化速度和存在方式，都將遵循一套全新的、非生物的規則，而這正是辛頓感到既敬畏又深切擔憂的根源。