本期播客《EP23 何为理解 · Thoughts》主要内容是对 Geoffrey Hinton 相关理论的阐述，旨在说明人工智能（AI）与人类心智之间不存在根本性的隔阂。

节目主持人为重轻。

相关资料包括：

• Geoffrey Hinton
• 演讲What Is Understanding? (IASEAI 2025)
• AI 觉察到自己正在被测试Anthropic's Claude 3 causes stir by seeming to realize when it was being tested
• AI 威胁工作人员以避免被关停AI system resorts to blackmail if told it will be removed
• 乔姆斯基Noam Chomsky
• 普遍语法Universal Grammar
• 刺激贫乏理论Poverty of the Stimulus
• 通过反向传播误差学习表征Learning Representations by Back-Propagating Errors
• 注意力机制Attention (machine learning)
• 学习概念的分布式表征Learning Distributed Representations of Concepts
• ChatGPT 在做什么，它又为何奏效？What Is ChatGPT Doing … and Why Does It Work?
• John Dean 记忆案例John Dean's Memory: A Case Study
• N-Gram 语言模型Word n-gram Language Model
• 印刷英语的预测与熵Prediction and Entropy of Printed English
• 知识蒸馏Knowledge Distillation

节目封面图片由重轻拍摄。

播客“诗梳风”由汉洋和重轻共同主持，联系邮箱为 [email protected]。

时间戳内容梗概： 00:00:07 节目开始介绍 Hinton 演讲《何为理解》的背景信息。 00:01:41 明确本期节目的目标是详细复述该演讲内容。 00:03:24 探讨了关于 AI 风险的讨论，指出需要证明 AI 的能力和动机。 00:09:20 讨论了判定 AI 是否"真正理解"所需的证据标准。 00:11:55 区分了 AI 领域的两大主要理论流派：逻辑派和连接派。 00:13:39 阐述了连接派的观点，认为智能的核心在于学习能力。 00:17:03 介绍了乔姆斯基提出的"刺激贫乏"理论。 00:19:59 引用了 Hinton 对乔姆斯基理论的批评，认为其缺乏对含义模型的构建。 00:23:09 通过猫狗性别识别的例子，说明了底层特征向量的重要性。 00:26:39 回溯到 1985 年的家谱模型，将其比作现代大语言模型的早期形态。 00:31:06 使用乐高积木的比喻来解释"理解"的概念。 00:35:33 引入了"机器放不进行李箱"的案例进行说明。 00:41:30 强调大语言模型的功能并非仅仅是自动补全。 00:44:29 提出应将 AI 的"幻觉"现象更准确地称为"虚构"。 00:50:14 总结认为理解即为建模，并指出学习过程需要借鉴不同的信息来源。