5.4亿年前，生物第一次“看见”光，进化随之加速；而如今，一句提示词就能生成以假乱真的动态世界。近日，斯坦福大学计算机科学教授、“AI教母”李飞飞做客 Huberman Lab 播客，与神经科学家 Andrew Huberman 围绕“智能的真正含义”展开深度对谈。作为 ImageNet 的缔造者、斯坦福以人为本人工智能研究院联合主任、空间智能公司 World Labs 创始人，李飞飞从5.4亿年前动物感知第一缕光线的进化起点讲起，串联起计算机视觉、深度学习、视频生成、创造力边界、AI 医疗、治理与教育等话题，并系统阐述了空间智能是 AI 下一篇章的判断。
她指出，AI 与人类的学习方式几乎相反。AI 读遍了整个互联网，才学会从一截露出的猫尾巴推断出那是猫；一个小孩只见过几只猫，就掌握了同样的能力。这种“小数据”学习至今没有科学解释，AI 越强大，越暴露我们对智能的理解有多浅。
她也给出了关于创造力的判断，AlphaGo 的第37手是创造力，但只是“特殊形式的创造力”，未来的创造力将更多是人与 AI 的混合体——人类与 AI 协同攻克尚未有解法的难题。但那些从未被记录、从未上传到互联网的个人化内在体验，是 AI 永远无法触及的领域。
关于 AI 情感，她直接泼了一盆冷水：机器没有紧迫感、没有动机，也不会难过。所谓“AI 的紧迫感”只是目标函数差异的拟人化误读，AI 应被定位为增强人类能动性的工具，而非取代者。
在她看来，AI 最令人兴奋的应用是科学发现与医疗协作，最该被保护的是人的能动性；最不该被遗忘的，则是被硅谷冷落的老师和家长。整场对话从视觉的进化起点一路讲到 AI 的治理与教育，主线始终只有一个：技术往哪走，取决于人类是否保有能动性、是否共同设计未来。
01 视觉是智能的起点：五点四亿年前的第一缕光
李飞飞认为，视觉是智能的基石，这体现在两个平行层面：一是进化史中视觉对动物智能的作用，二是计算机视觉与 AI 的关系。
从进化角度看，五点四亿年前，三叶虫等简单海洋生物感知到了第一缕光线。第一批感光细胞创造了一种进化驱动力：感知外部世界会改变生物对自我的认知，也改变它与外部世界的关系，能看见食物，生存状态就被彻底改写。化石研究显示，动物首次看见光线约一千万年后，便发生了寒武纪大爆发，物种进化速度被极大加快。
直到今天，视觉在高级智能中依然扮演核心角色。据估计，人类大脑皮层约有一半活动与视觉相关；儿童在发育过程中也是先具备视觉能力，而后才发展出语言能力。
02 算法、数据与算力：现代AI的历史性融合
在 AI 层面，视觉的贡献体现在两个关键方面。其一是算法：20世纪50年代，Hubel 和 Wiesel 等神经科学家记录哺乳动物大脑中的视觉细胞，发现神经元呈层级结构、逐层传递信息——这种神经架构正是神经网络算法的灵感来源。今天的神经网络已运行数千亿甚至数万亿参数，远超当年记录到的复杂程度，但起源都可追溯到半个多世纪前。
其二是大数据，这也是李飞飞自己的研究主线。2006年她在普林斯顿大学任教，发现当时计算机视觉算法普遍受困于“输入给它们学习的数据太少”。她转向认知神经科学文献：人类儿童六岁时就能认识数以万计的物体类别，且几乎全天浸泡在视觉信息中。这让她判断，数据匮乏是阻碍 AI 前进的关键瓶颈，于是主导创建了 ImageNet——AI 领域第一个互联网规模的数据集，包含1500万张图像。
李飞飞总结，现代 AI 的爆发源于三大要素的融合：经过数十年成熟的神经网络算法、ImageNet 这样的大数据，以及 GPU 带来的并行算力。2012年前后，三者历史性汇聚，成为定义现代 AI 的转折点。
03 ImageNet挑战赛：机器用三年跨越人机分界线
2010年，李飞飞实验室发起 ImageNet 挑战赛，规则很简单：提供一个包含一千个物体类别、超百万张图像的测试集，算法识别出图片中的主要物体即可得分。人类在该任务上的基准错误率约为4％，要知道盲猜的准确率只有千分之一。人类并非无所不能：大脑的记忆力有限，要记住一千种物体类别的特征模式绝非易事，何况不同品种的狗长得十分相似。
挑战赛最初几年，机器表现不如人类。真正的转折点在2012年：得益于神经网络、ImageNet 与 GPU 的融合，系统错误率较以往算法大幅下降。但即便突破了这一拐点，机器在千类物体识别上真正击败人类，又花了三年时间，从2012年到2015年。
突破的闸门由此打开：语音识别、自然语言处理等 AI 子领域相继迎来飞跃。2017年 Transformer 论文发表后，取得重大进展的舞台从计算机视觉转向自然语言处理，同样的神经网络路径、海量文本数据与更强算力，最终在2022年迎来 ChatGPT 时刻。
04 猫尾巴测试：AI与人类学习的根本分野
Huberman 用一个“猫尾巴”问题切入：一个儿童只凭“书堆后露出一截像猫尾巴的东西”就能推断那是猫，因为过往经验让他知道狐狸不会出现在室内。这种上下文概率推理，AI 是何时做到的？
李飞飞指出，一代又一代机器学习研究者都试图攻克这个难题。上一代算法依赖人工内置常识规则：先识别家具确认场景在室内、把猜测范围缩小到十种动物之内等。业界尝试过无数类似思路，直到当前 AI 时代才变得可靠——Gemini、GPT 等模型在海量数据中习得极其丰富的知识模式，看到全新照片时会激活相应的学习权重，使判断趋向于正确答案。
但她特别强调，这正是 AI 与人类大脑分道扬镳的地方：儿童不可能下载互联网上所有猫咪图片，最多见过几只猫，却能通过完全不同的学习路径做出准确判断。这种差异目前尚未被完全解开，也是理解智能本质的关键谜题。
05 从视频到Sora：AI如何学会让猫跑起来
从静态识别到动态理解，是智能的下一层级。李飞飞说，这个转折点出现在视频被纳入训练数据时：约2023年，ChatGPT 爆发后不久，多个研究团队开始引入视频数据；2024年初 Sora 发布，输入“一只猫跑向一只老鼠”这样的文字，系统就能生成几秒符合物理常识的视频片段。
背后的机制并没有想象中颠覆：归根结底还是数据。工程上通过将视频 Token 化，让模型以全新方式处理视频数据。她反问：算法懂猫腿的肌肉结构吗？答案是不懂。但它拥有海量视频——尤其是互联网上多如牛毛的猫咪视频，学到了猫运动时应呈现的视觉特征。人类其实也是如此：多数人并不了解猫的肌肉如何运作，只是看惯了猫走路，才对猫的运动方式有合理认知。这正是“大脑是预测机”的直观注脚。
06 第37手与灰色杯子：创造力是混合型的
谈到创造力，李飞飞以 AlphaGo 第37手为例：在与李世石的历史性五番棋对决中，AlphaGo 下出了人类围棋大师从未设想的一步。但她强调，首先要看清 AI 在其中做了什么：围棋是高度数学化的游戏，目标与规则极其清晰，当 AI 拥有更强的算力与记忆，就能做到人类大脑通常做不到的事。这是“特殊形式的创造力”。
她曾与一位菲尔兹奖得主数学家交流：数学界存在大量难题，人类大脑受记忆局限，可能忘记已有解法；AI 可以帮助解决这类问题。但有些问题需要尚未被发明的解法，这会把创造力推向完全不同的高度。她的推测是“混合型”：人类与 AI 协同，共同攻克解法尚未问世的难题。
而她眼中 AI 真正无法触及的，是高度个人化的内在体验。她举例：一只灰色杯子可能承载着只属于两个人童年的共同回忆，这段信息从未被上传到互联网，无论 AI 多强大都无法触及。正是这些未被记录的内在体验，让人类保持着无可替代的独特性。
07 互联网是最大的人类行为数据库，但思想不会自动上传
AI 的能力边界取决于数据。李飞飞强调，互联网绝非随机事物的集合，而是以多模态形式汇集的人类行为最大资料库：全球网民几十年来敲击键盘的输入行为是一种传感机制，记录下从闲聊到科学文献的语言；数码相机的普及让海量图像上传；视频叠加了声音与动态；音乐与演讲也被数字化。AI 的强大正源于这些铺垫。
但反过来说，毕加索构思肖像画时那种极其深刻的思想，从未被真正捕捉过——神经科学家甚至不知道它产生于大脑哪个区域，或许它弥散在整个网络中。这类高度个性化、未被记录的思想不存在于互联网上，AI 自然无从见识。这也解释了为什么 AI 能够以极具创意的方式重组已有知识，却始终无法抵达那些“从未被上传”的人类体验。
08 直觉、动机与情感：机器没有，也不该假装有
当 Huberman 追问 AI 能否拥有直觉与动机时，李飞飞做了清晰的拆解。所谓“基于了解的直觉预测”，在 AI 那里首先是上下文：你输入“我是斯坦福教授”，AI 的回答会与“我是喜欢赛车的14岁少年”截然不同，这是算法提取上下文的数学规律。而更深层的直觉——那种说不清道不明、甚至无法用语言或手势表达的感觉是“无法获取的数据”，目前没有任何传感器能收集并输入给 AI。问题的核心并非玄学，而是数据可获取性：一旦信息可获取、数据足够多，理论上就能训练机器。
至于动机与紧迫感，她指出这些在数学上就是目标函数。ChatGPT 的深度思考模式与快速回答模式，本质是不同优化目标：一个受限于时间或 Token，另一个激活模型不同部分。人类把这种差异拟人化为“紧迫感”，但算法层面其实枯燥而机械。
更关键的是情感。她明确表示：今天的机器不具备动机、恐惧或爱。当机器说“得知你生病我很难过”，它只是根据数据库模式选择恰当回复；而朋友说出这句话，是因为真心期盼你健康。机器对这些一无所知，这是必须向公众讲清楚的本质区别。她还观察到，人们之所以容易把聊天机器人拟人化，与人类对语言的依赖有关；而当交流从丰富的表达走向短信式的匮乏语境，语言本身也在被改变。
09 AI增强而非取代：能动性是最重要的词
贯穿整场对谈的，是“能动性”。李飞飞认为，AI 应被视作帮助人类发挥能动性的工具，而不是剥夺能动性的存在；引领 AI 发展的人，不应宣扬技术会剥夺人类能动性。
对普通人而言，了解技术本身就是一种能动性。她建议：你不一定需要学编程，但应该了解技术到底是什么，学习如何用它赋能自己的工作、学习与表达。掌握知识会降低面对新事物的恐惧，保住人的尊严与选择权。即使不谈读取脑电波的智能设备这类设想，仅仅让 AI 学习你的写作模式，就能帮助你成为更出色的表达者，这是当下就能释放的赋能潜力。
她也分享了作为学习者的体会：面对全新领域，她以消费者心态使用 AI；在熟悉的领域，则以创作者姿态驾驭它。AI 甚至倒逼她改掉偷懒习惯，提问之前先自己查资料，不再轻易占用别人的时间。她希望基础教育阶段教授提示技巧，并给出一个有趣的判断：如果苏格拉底还活着，他会是人类历史上最优秀的提示工程师，因为他的方法本质上就是通过提问探求真理。
10 科学发现与医疗：AI最令人兴奋的应用
李飞飞认为，AI 在医疗健康领域最令人兴奋的机遇是科学发现。传统科研依赖聪明人传承知识、以肉身速度推进，人类大脑是唯一核心；而 AI 可以存储海量信息、综合知识、进行人类无法企及的跨学科研究。她以自己为例：她从事视觉与神经科学研究，但对嗅觉领域几乎一无所知，而 AI 能打破这种大脑处理极限。150年前电力改变一切，今天 AI 之于科学发现，正处于类似的时刻。
对话中，Huberman 分享了一次亲身经历：AI 帮他区分了眩晕与低血压：一种处方药把他血压降得过低，他通过 AI 自查确认病因，两小时即痊愈。李飞飞指出，这类病例在数据库中已被报告无数次，AI 早已掌握模式，现在就能用来帮助无法立刻就医的人。
李飞飞也分享了父亲在斯坦福接受达芬奇机器人肝脏手术的经历：腹腔镜技术让失血量比传统手术减少十倍，这是一次深度人机协作。她与主刀医生探讨“能否用全世界所有肝脏手术数据训练一台自主手术 AI”，答案是未知，肝脏血管密布、个体差异极大，全球数据可能都不够丰富。这说明 AI 依赖模式学习，数据不充分时必须谨慎，人机协作往往优于训练不足的机器。而“虚拟人工肝脏”等设想，则代表着极具潜力的开放科学机遇。
11 AI治理：不能由少数人替大众决定未来
李飞飞提到，这正是她2018年离开谷歌、回到斯坦福创立以人为本人工智能研究院的原因。当时 ChatGPT 尚未出现，但她清楚技术只会加速，社会影响必须被直面。她类比：生物学家不会偷偷把改造病毒注射进果蝇，因为职业规范与伦理培训在约束；大学里的人体实验必须经过机构审查委员会；法律与监管也有成熟框架。AI 必须经历同样的规范化过程。
她给出的框架是多层次的：建立计算机科学领域的职业规范；把伦理与社会学教育纳入课程；与政府合作，在不同社会文化传统下审视监管边界，例如让 FDA 介入生物医学交叉领域。她特别提醒，不能让某个或几个业界人士对全社会发号施令——市场力量有别于社会规范，文化传承不同于教育与伦理，这需要多方利益相关者共同解决。技术上可行的事不等于应该做，正如任何汽车制造商都能让刹车在每周五失灵，但没有任何社会会容忍这种行为。
12 教育与下一代：孩子值得信任，老师和家长不该被遗忘
面对“AI 将如何影响年轻人”的问题，李飞飞给出了两种她最担心的极端：其一，被动刷屏、末日焦虑式的使用剥夺了年轻一代学习的能动性与动机，长期将导致一代代大脑发育不健全的人；其二，以保护为名禁止学生接触工具，同样是错误的。她回忆自己读医学预科时被有机化学难住，如果有今天的 AI 伴侣，她可以随时请教卡住的地方。正确的路径是：保持孩子的动机与能动性，同时提供接触和正确使用工具的途径。若能如此，这一代及未来的孩子会比我们聪明得多。
她对孩子本身充满信心：他们充满好奇心，既从技术中获得乐趣，也开始真正把它当作工具使用。她真正担忧的是老师和家长，这是被社会遗忘、甚至被说教指责的群体。2022年11月 ChatGPT 发布当天，她做的第一件事就是给儿子所在小学的校长发邮件，请求为师生做一场客座讲座；当时硅谷没有任何投资者或科技巨头思考过“社区的老师们该怎么办”。
她提醒，无论是末日论还是乌托邦主义，对老师都毫无益处；教育者需要的是全貌、方法与支持。帮助老师和家长，才能真正帮助孩子。
13 具身AI与World Labs：空间智能是下一篇章
从“看见”到“行动”，是李飞飞眼中 AI 的下一个前沿。她强调，AI 的下一步将超越语言——人类发育本来就先于语言，生命演化五亿年才出现语言交流。对话中也提到，神经科学已经出现类似的具身化尝试：将大脑活动转化为语音，让闭锁综合征患者重新开口，并通过高度还原本人的数字形象与世界交流。具身 AI 正在向机器人领域延伸：照顾年迈父母、扑灭野火、帮独居老人买杂货取药、缓解护理人力短缺，都是机器人可以介入的场景。她坦言自己作为独生女，需要照顾两位年迈体弱且不会英语的父母，深切渴望这种帮助。不过她也提醒，机器人是高度依赖硬件的技术，普及需要漫长周期，她愿意把时间线拉长到三十年。
这也是 World Labs 的由来。2024年初，她与几位计算机视觉背景的合伙人共同创立这家公司，目标是解锁空间与物理智能：在语言智能的基础上，构建基础模型，生成对创作者、机器人训练、建筑设计、交互式环境极其有用的 3D 和 4D 世界。World Labs 要做的不仅是采集真实世界图像，更是把人们脑海中的想象具象化，输入一句话、一张图片或草图，就能转化为具体的世界与环境。在她看来，把采集物理世界与捕捉想象世界结合起来，正是新的前沿阵地。她希望技术赋能而非取代创作者，让他们的工作更出色、创造力飞得更高；她也相信，产业会转型，人也会技能重塑，变革的阵痛期既是淘汰，也是机遇。
14 谁会成为AI领域的Steve Jobs
Huberman 提出一个观点：技术专家呈现技术的方式往往带有冰冷的壁垒感，大众不了解他们，也就不喜欢他们；AI 领域需要一个真正懂人性的人，一个“AI 领域的 Steve Jobs”。李飞飞回应，这样的人已经有很多：将 AI 用于药物研发、医疗保健、抗衰老与心理健康的创业者，用心做产品的设计师与产品经理，都在推动以人为本的 AI。斯坦福 HAI 的通讯、网站与研讨会也在持续传播这类工作。
她指出当前公共话语权过度集中在夸耀技术的人身上，舆论场只剩下两种极端：末日论与乌托邦主义，而两者都是虚伪的。真正需要被广泛传播的，是那些“人的故事”——AI 帮人治愈爱犬的癌症，帮孩子找到医生束手无策的罕见病因，这些故事远比博眼球的负面新闻更值得被听见。
整场对谈中，李飞飞反复回到同一个立场：技术会不会往好的方向走，不取决于 AI 本身有多强大，而取决于人类是否保有能动性，是否共同参与设计未来。作为教育工作者、建设者与技术专家，她选择乐观，也选择行动——这也是她创办 World Labs、推动 HAI、坚持与公众对话的原因。
| 文章来源：数字开物
• END •
【专栏】精品再读
热门跟贴