毕竟，「AI能否理解」，这个问题既模糊，又在社区内存在极大的争议和分歧。Hinton坚决反驳了一种流行的观点，即LLM仅仅是统计技巧，并不能真正理解自然语言的含义。他表示，这是完全错误的。类似于「词袋」（bag of words）或者N元组（N-gram）这种曾经的语言模型，内部保存了一个很大的有概率分数的单词组合表，的确是依靠统计概率工作。说到这里，身为英国人的Hinton非常自然地用国菜开始举例。比如单词表里会显示，「鱼」和「薯条」经常出现在一起。因此模型看到「鱼」这个单词，自然就会预测下一个单词是「薯条」，丝毫不考虑上下文。这就是为什么，曾经的统计语言模型在自动补全功能上的表现很差。但当今LLM的工作原理已经完全不同了。现在，模型预测下一个单词的方法是理解你到目前为止所说的话。比如，想要回答人类的问题，LLM必须首先理解问题的含义，否则根本无法预测答案的第一个单词。从这个角度理解，单词预测任务（next token prediction）相当于是倒逼LLM发展出理解能力。Hinton的言语中透露出，他也相信Scaling Law的存在。随着模型逐渐扩展，加上更多Transformer这样的技术突破，AI终将变得比人类更智能，只不过是时间早晚的问题。主持人反问他，变得更聪明的技术一定会带来风险吗？Hinton的回应一针见血——「你能举出多少例子，说明更聪明的在被不太聪明的控制？」「拜登当选之后就不再有了吧？」他提到，好友Yann LeCun的观点就与自己不同，认为AI非常安全。但Hinton的论据是，AI已经达到了构建智能体（agnet）的程度，能够自主创建目标。这些目标会驱动智能体攫取更多控制权，会希望避免毁灭、建立自我保护，某种程度上这是一种自身利益，也许就是进化的开始。那么人类呢？Hinton预言，如果AI开始进化、最强的一方获胜，人类就会被遗忘，被碾压进尘土（原话：left in the dust）。AI将从孩子变成我们的父母，接管一切。这听起来的确是科幻小说的场景，但对Hinton是认真的，「我不再认为这听起来很科幻，而是现实存在的威胁。」
