2024年10月，诺贝尔物理学奖颁给了一位从未系统学习过物理的学者。而他亲手奠基的技术，如今却让他隐隐担忧：它或许终将反噬人类。 整整三十年，学界不断告诉他：“你错了。”而在那些漫长的岁月里，他始终笃信：走偏的其实是其他人。

他就是“AI教父”杰弗里·辛顿。

1947年，辛顿出生于伦敦。他的高祖父是乔治·布尔，那位用逻辑代数奠定现代计算机基石的数学家。辛顿在剑桥攻读心理学，后于爱丁堡大学斩获人工智能博士学位。踏入该领域之初，他便笃信：机器不应靠人类编写的死板规则来运行，而应像大脑一样，通过学习自行成长。

他所钻研的“人工神经网络”早在20世纪40年代便已问世，但到辛顿入行时，这条路线已近乎无人问津。1969年，一篇影响深远的批评论文让主流学界对该方向彻底失去信心。资金撤退，学者转行。辛顿读完那篇论文后，却只觉其论证尚有疏漏。他选择留下，继续深耕。

1986年，他合作发表论文，正式提出反向传播算法（Backpropagation）。该算法让神经网络得以在海量样本中层层微调内部连接，从错误中自主学习。它在数学上无懈可击，但在当时却如石沉大海，几乎无人理睬。

彼时算力孱弱，数据稀缺。经过在两次“AI寒冬”，经费枯竭、大势已去，辛顿依然扎根多伦多大学，默默坚守。他的同路人寥寥，一群潜心钻研的学生与追随者，既承接了他的学术火种，也沾染了他那份近乎执拗的坚韧。

直到2000年代末，三个关键改变：GPU的普及让模型训练呈指数级提速，互联网孕育出史无前例的海量数据，新技术也相继破解了深层网络的架构瓶颈。2012年，世界终于看到了这股积累爆发的力量。

那一年，辛顿的学生亚历克斯·克里热夫斯基率队参加ImageNet全球图像识别竞赛。当时顶尖模型的错误率徘徊在26%左右，而基于辛顿理论打造的系统，一举将错误率压至15.3%。这绝非寻常的技术迭代，而是一场彻底的范式颠覆。短短数月，全球顶尖实验室纷纷转向深度学习；短短五年，这项技术已悄然进入数十亿人的日常。语音助手、图像识别、机器翻译、内容推荐，无处不在。

2013年，谷歌以约4400万美元收购了辛顿创办的初创公司。他随后加入“谷歌大脑（Google Brain）”团队，继续拓荒。 然而，2023年5月，他递交了辞呈。

他说，自己需要畅所欲言的自由。紧随其后的公开言论之所以掷地有声，正因为它们出自一位最懂这项技术底层的奠基者之口。他发出警告：AI生成的虚假信息将使人类共识瓦解；自主武器系统悬起新的安全威胁；大规模岗位替代冲击社会结构；而最令人忧心的是AI系统或许会衍生出与人类存续根本相悖的自主目标。

十八个月后，诺贝尔委员会将物理学奖授予了他，以表彰他在多伦多那些“无人问津”的岁月里，默默完成的奠基性工作。

三十年里，他在世人眼中“固执己见”；随后的二十年，他又眼睁睁看着自己当年的预言，以远超预期的速度逐一应验。他亲手浇铸了如今渗透现代文明每个角落的技术基座，却在功成名就之时，转身离开全球最顶尖的AI实验室，向所有愿意倾听的人敲响警钟：这条路，究竟会通往何方？ 故事将如何落幕，无人知晓。 辛顿本人，亦不知晓。