机器学习之父Jordan：Hinton 等「思想领袖们」正在伤害年轻一代

一句话看懂：机器学习奠基人 Michael I. Jordan 在接受访谈时，公开批评包括 Hinton 在内的 AI 思想领袖传播的极端叙事，认为这种炒作扭曲了研究路径、误导了年轻研究者，并呼吁以经济学与统计学框架替代当前以“个体认知”为核心的 AI 思路。

事件核心：发生了什么

2026 年 6 月，加州大学伯克利分校教授、教出吴恩达和 Yoshua Bengio 的 Michael I. Jordan 在播客节目 MLST（Machine Learning Street Talk）中，围绕其论文《AI 的集体主义经济学视角》发表激烈观点。他明确表示：“AGI 只是个公关词”，并批评 Hinton 等“旧友们”转型为末日预言家，认为这些言论正系统性地伤害年轻一代研究者。该访谈获得强化学习奠基人 Richard Sutton 的推荐，在学术圈引发广泛讨论。

为什么重要

Jordan 的批评直指当前 AI 话语体系的缺陷：将智能窄化为个体认知、用科幻代替系统设计、以隐喻掩盖工程问题。他提出替代框架——一个由计算机科学（算法与抽象）、统计学（推断与不确定性量化）、经济学（激励机制与博弈均衡）构成的三角模型，认为只有加入经济学与社会科学，才能讨论“完整的智能”。这一观点挑战了硅谷主流的“多智能体”叙事和大模型路径依赖，也为 AI 从产品炒作走向基础设施设计提供了理论依据。尤其值得注意的是，Jordan 指出基础模型在统计检验中的系统性偏误——AlphaFold 预测的两亿蛋白质结构虽提升了统计功效，但其置信区间可能偏离真实值，这一盲点对科学研究者依赖 AI 工具时构成警示。

对用户/开发者/创作者的影响

对 AI 开发者而言，Jordan 的框架提示：不应只关注模型“理解”或“生成”，而需引入不确定性量化（如置信区间评估）和激励机制设计（如数据市场中的公平分配）。对内容创作者与媒体从业者，他的批评意味着：在使用“智能”“理解”等词汇时应保持克制，避免强化错误的公众预期。对依赖大模型进行科学研究的团队，Jordan 发现的统计偏误提醒：基础模型在数据稀缺领域的预测结果需经严格验证，不能自动作为实验依据。