李飛飛最新思考：語(yǔ)言模型救不了機(jī)器人

聊天模型卷不動(dòng)未來(lái)，空間智能才是真正的戰(zhàn)場(chǎng)。

作者丨鄭佳美

編輯丨馬曉寧

過(guò)去幾年里，AI 行業(yè)的節(jié)奏快得近乎失真。模型一次次刷新極限，產(chǎn)品迭代像在搶時(shí)間，討論從“推理成本”到“智能涌現(xiàn)”再到“AGI 時(shí)間表”，情緒在樂(lè)觀與焦慮之間來(lái)回?cái)[動(dòng)。

在這樣密集的技術(shù)周期里，很少有人愿意停下來(lái)思考一個(gè)更基本的問(wèn)題：我們到底在追求怎樣的智能？語(yǔ)言之上，是否還有尚未被充分理解的能力？

一周前，李飛飛用一篇關(guān)于世界模型的長(zhǎng)文把這個(gè)問(wèn)題重新擺上了臺(tái)面，這篇文章沒(méi)有渲染革命，也沒(méi)有給出輕松的未來(lái)，它的分量在于指出當(dāng)下技術(shù)正在繞開(kāi)的那些硬骨頭：空間理解、物理推理、具身行為以及真實(shí)世界的不確定性，這些長(zhǎng)期被回避的難題在文中被逐一攤開(kāi)，也迅速 AI 圈內(nèi)部關(guān)于世界模型的激烈討論。

一周后，李飛飛在最新的訪談再次提及那篇文章里尚未說(shuō)盡的部分，把那些自己反復(fù)思考卻在長(zhǎng)文里無(wú)法完全展開(kāi)的問(wèn)題細(xì)致拆解，從語(yǔ)言模型在世界理解上的結(jié)構(gòu)性短板，到三維空間在智能形成中扮演的基礎(chǔ)角色，再到機(jī)器人長(zhǎng)期停滯背后那些難以繞過(guò)的現(xiàn)實(shí)條件，她都給出了更具體的解釋。

隨著這些碎片化的線索被重新理順，這次訪談本身也像是那篇長(zhǎng)文的延續(xù)與補(bǔ)全，讓外界得以更清楚地看到她真正關(guān)注的技術(shù)方向以及其中的邏輯。

對(duì)此，AI 科技評(píng)論將訪談內(nèi)容做了不改變?cè)獾木幾g：

01
從圖靈問(wèn)題到深度學(xué)習(xí)的七十年

主持人：今天的嘉賓是李飛飛博士，被譽(yù)為 AI 教母。她一直是推動(dòng)這場(chǎng)人工智能革命的關(guān)鍵人物，主導(dǎo)了許多重要突破。她牽頭創(chuàng)建了 ImageNet 數(shù)據(jù)集，提出了一個(gè)影響深遠(yuǎn)的觀點(diǎn)，也就是人工智能要變得更聰明，需要海量而干凈的標(biāo)注數(shù)據(jù)。這個(gè)數(shù)據(jù)集成為一個(gè)轉(zhuǎn)折點(diǎn)，為今天模型的訓(xùn)練方式和規(guī)模化奠定了基礎(chǔ)。她曾擔(dān)任谷歌云的首席 AI 科學(xué)家，參與并推動(dòng)了早期多項(xiàng)重大技術(shù)的誕生。

她還在斯坦福大學(xué)領(lǐng)導(dǎo)人工智能實(shí)驗(yàn)室，培養(yǎng)了很多頂尖人才。同時(shí)，她和同事共同創(chuàng)立了斯坦福以人為本人工智能研究所，這個(gè)機(jī)構(gòu)正深刻影響著未來(lái) AI 的發(fā)展方向。她也曾在推特董事會(huì)任職，被《時(shí)代》雜志評(píng)為全球百位 AI 影響力人物，并入選聯(lián)合國(guó)顧問(wèn)委員會(huì)。

李飛飛：謝謝，能來(lái)到這里我很開(kāi)心。

主持人：我想先用一段評(píng)價(jià)來(lái)鋪墊一下背景。《連線》雜志說(shuō)過(guò)，李飛飛是那一小群推動(dòng)人工智能近年巨大進(jìn)步的科學(xué)家之一，這個(gè)群體小到用一張餐桌都能坐下。很多人叫你 AI 教母，還有一點(diǎn)和許多 AI 領(lǐng)域的領(lǐng)導(dǎo)者不同，你對(duì) AI 充滿(mǎn)樂(lè)觀。你不認(rèn)為 AI 會(huì)取代人類(lèi)，不會(huì)搶走所有工作，更不會(huì)帶來(lái)毀滅。所以我想先從這個(gè)問(wèn)題開(kāi)始，你覺(jué)得從長(zhǎng)遠(yuǎn)看，AI 會(huì)怎樣影響人類(lèi)。

李飛飛：我可能要先澄清一下，我不是烏托邦主義者。我并不是說(shuō) AI 不會(huì)對(duì)就業(yè)或社會(huì)產(chǎn)生影響。事實(shí)上，我更愿意把自己稱(chēng)為人文主義者。我一直相信，AI 現(xiàn)在能做什么、未來(lái)能走多遠(yuǎn)，都取決于我們，都取決于人類(lèi)自己。

如果把視角放到人類(lèi)文明的長(zhǎng)河中來(lái)看，技術(shù)整體上始終是推動(dòng)力。我們是一個(gè)天生愛(ài)創(chuàng)新的物種，從最早的文字記載直到今天，人類(lèi)一直在不斷發(fā)明、不斷改進(jìn)工具。正是依靠這些，我們改善生活、提升工作方式、建設(shè)文明。

我堅(jiān)信 AI 也是這條道路的一部分，這就是我保持樂(lè)觀的原因。不過(guò)任何技術(shù)都有兩面，如果我們作為物種、社會(huì)、社群、個(gè)人沒(méi)有做出正確選擇，也可能把事情帶到糟糕的方向。

我二十五年前就開(kāi)始研究人工智能，過(guò)去二十年也在帶學(xué)生。幾乎每個(gè)從我實(shí)驗(yàn)室畢業(yè)的學(xué)生，我都會(huì)提醒他們，你們研究的叫人工智能，可真正重要的部分從來(lái)不是人工，而是智能。

主持人：回到你剛才說(shuō)的，AI 的未來(lái)走向取決于我們自己。你覺(jué)得我們需要做些什么，才能讓 AI 往正確的方向發(fā)展？我知道這是很難回答的問(wèn)題，你有沒(méi)有一些建議？

李飛飛：我始終覺(jué)得，每個(gè)人都應(yīng)該做一個(gè)有責(zé)任感的個(gè)體。不管做什么，我們從小就教孩子要有責(zé)任心，作為成年人更要做到這一點(diǎn)。

無(wú)論你是在研發(fā)、部署還是使用 AI，甚至在技術(shù)越來(lái)越普及的情況下，大多數(shù)人都會(huì)在不同環(huán)節(jié)和 AI 打交道，都應(yīng)該帶著負(fù)責(zé)的態(tài)度，真正關(guān)心它的發(fā)展，而且是認(rèn)真地關(guān)心。

現(xiàn)在，每個(gè)人都需要關(guān)注 AI，因?yàn)樗鼤?huì)影響你的生活、你的社區(qū)、整個(gè)社會(huì)，甚至影響下一代。以負(fù)責(zé)任的心態(tài)去面對(duì) AI，是第一步，也是最重要的一步。

主持人：那在 ImageNet 出現(xiàn)之前，AI 的世界是什么樣的？你為什么要?jiǎng)?chuàng)建它？它是如何成為后續(xù)革命的分水嶺的？從那之后又發(fā)生了什么？

李飛飛：老實(shí)說(shuō)，我有時(shí)會(huì)忘了，對(duì)大多數(shù)人來(lái)說(shuō) AI 還是件相對(duì)新的事情。我這一生幾乎都在做 AI，從十幾歲因?yàn)楹闷嫘淖哌M(jìn)這個(gè)領(lǐng)域，到今天它變成可能改變整個(gè)人類(lèi)文明的技術(shù)，我覺(jué)得這是非常幸運(yùn)的事情。

不過(guò)嚴(yán)格來(lái)說(shuō)，我不算第一代 AI 研究者。第一代 AI 要追溯到二十世紀(jì)五六十年代，甚至更早。在四十年代，Alan Turing 就已經(jīng)提出了一個(gè)相當(dāng)前瞻的問(wèn)題，我們能不能造出會(huì)思考的機(jī)器？他還提出了一種測(cè)試方法，也就是對(duì)話形式的機(jī)器測(cè)試。按照這個(gè)標(biāo)準(zhǔn)，我們現(xiàn)在確實(shí)已經(jīng)擁有能“對(duì)話”的機(jī)器了，不過(guò)那更像是一則具有啟發(fā)意義的小故事。

AI 真正作為一個(gè)學(xué)科起步是在五十年代，當(dāng)時(shí)的計(jì)算機(jī)科學(xué)家們聚在一起，討論如何用程序和算法做一些原本只有人類(lèi)才能完成的認(rèn)知任務(wù)。

1956 年的達(dá)特茅斯會(huì)議被認(rèn)為是 AI 的正式誕生點(diǎn)，John McCarthy 教授在那次會(huì)議上第一次提出“人工智能”一詞。從五十年代到八十年代，是 AI 的早期探索期，出現(xiàn)了邏輯系統(tǒng)、專(zhuān)家系統(tǒng)，也開(kāi)始有了對(duì)神經(jīng)網(wǎng)絡(luò)的初步嘗試。

到了八十年代末、九十年代到二十一世紀(jì)初，機(jī)器學(xué)習(xí)開(kāi)始興起，它把計(jì)算機(jī)編程和統(tǒng)計(jì)學(xué)習(xí)結(jié)合到一起，帶來(lái)了一個(gè)非常重要的理念，也就是單靠規(guī)則和程序，是無(wú)法讓機(jī)器擁有我們期望的那種龐大認(rèn)知能力的。

我們必須讓機(jī)器自己去學(xué)習(xí)模式。一旦它能學(xué)模式，就有希望延展能力。比如給它看三只貓，我們的目標(biāo)不是讓它認(rèn)出這三只，而是讓它能認(rèn)出接下來(lái)無(wú)數(shù)只貓。這種學(xué)習(xí)能力是人類(lèi)和動(dòng)物的基本能力，AI 也應(yīng)該具備這一點(diǎn)。

我在二十一世紀(jì)初正式進(jìn)入 AI 領(lǐng)域，2000 年在加州理工開(kāi)始讀博士。我算是第一代機(jī)器學(xué)習(xí)研究者。當(dāng)時(shí)我們已經(jīng)開(kāi)始學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等概念，我在加州理工上的第一門(mén)課就是神經(jīng)網(wǎng)絡(luò)，但學(xué)得非常吃力。當(dāng)時(shí)正好處在“AI 寒冬”的中間階段，公眾并不關(guān)注，資金也有限，但同時(shí)也有很多有意思的新想法不斷冒出來(lái)。

而我之所以后來(lái)能和現(xiàn)代 AI 的起點(diǎn)緊密聯(lián)系在一起，主要有兩個(gè)原因。第一是我選擇從視覺(jué)智能來(lái)切入 AI。人類(lèi)本質(zhì)上是高度依賴(lài)視覺(jué)的生物，我們的大部分智能都建立在視覺(jué)感知和空間理解上，不只是一種語(yǔ)言能力，這兩者是相輔相成的。

所以在博士階段和職業(yè)生涯的早期，我和學(xué)生們一直在研究一個(gè)核心問(wèn)題，就是物體識(shí)別。因?yàn)槲矬w識(shí)別是理解世界的基礎(chǔ)。我們?cè)诂F(xiàn)實(shí)中行動(dòng)、觀察、推理、互動(dòng)，很大程度上都是基于“物體”這個(gè)層級(jí)的。我們不會(huì)在每次操作時(shí)把世界拆成分子層面，比如拿起茶壺時(shí)，你不會(huì)想著這東西由很多碎片組成，而是直接把它當(dāng)作一個(gè)整體來(lái)互動(dòng)。

但研究物體識(shí)別時(shí)，我們嘗試過(guò)各種數(shù)學(xué)模型，包括神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)，卻遇到了一個(gè)非常突出的瓶頸，就是數(shù)據(jù)不夠。那時(shí)整個(gè)領(lǐng)域大多把注意力放在模型本身上，可我漸漸意識(shí)到，人類(lèi)的學(xué)習(xí)方式、甚至生物進(jìn)化，都是一種不斷吸收大量經(jīng)驗(yàn)的過(guò)程。

人通過(guò)接觸海量經(jīng)歷不斷學(xué)習(xí)，動(dòng)物在進(jìn)化時(shí)也是不斷體驗(yàn)世界。因此，我和學(xué)生漸漸意識(shí)到，讓 AI 真正“活”起來(lái)，有一個(gè)被忽略但極其關(guān)鍵的因素，就是大規(guī)模數(shù)據(jù)。

于是我們?cè)?2006 年和 2007 年啟動(dòng)了 ImageNet 項(xiàng)目。當(dāng)時(shí)我們非常有野心，想把互聯(lián)網(wǎng)上所有和物體相關(guān)的圖像都收集起來(lái)。當(dāng)然，那時(shí)候互聯(lián)網(wǎng)規(guī)模還遠(yuǎn)沒(méi)現(xiàn)在這么大，所以這個(gè)想法聽(tīng)起來(lái)還算合理。放到今天，絕對(duì)不可能靠幾個(gè)學(xué)生和一個(gè)教授完成。

但我們真的做出來(lái)了。我們從互聯(lián)網(wǎng)上精挑細(xì)選了大約一千五百萬(wàn)張圖像，借鑒了 WordNet 的體系，構(gòu)建了兩萬(wàn)多個(gè)概念類(lèi)別，最終形成了 ImageNet，并把它開(kāi)源給全世界的研究者。我們還舉辦年度 ImageNet 挑戰(zhàn)賽，邀請(qǐng)大家一起參與，同時(shí)也繼續(xù)推進(jìn)自己的研究。

2012 年被很多人視為現(xiàn)代深度學(xué)習(xí)的起點(diǎn)。那一年 Geoff Hinton 教授帶領(lǐng)多倫多大學(xué)團(tuán)隊(duì)參加 ImageNet 挑戰(zhàn)，他們用 ImageNet 的大數(shù)據(jù)和兩塊英偉達(dá) GPU 訓(xùn)練出一個(gè)神經(jīng)網(wǎng)絡(luò)模型。雖然它沒(méi)有完全解決物體識(shí)別，但帶來(lái)了突破性的提升。

大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)和 GPU 這三個(gè)因素疊加，成了現(xiàn)代 AI 的黃金組合。

快進(jìn)到 ChatGPT 的發(fā)布，這是 AI 真正進(jìn)入公眾視野的時(shí)刻。從技術(shù)角度看，ChatGPT 的出現(xiàn)依然離不開(kāi)這三大核心要素，只是數(shù)據(jù)規(guī)模變成了互聯(lián)網(wǎng)級(jí)，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更復(fù)雜，用的 GPU 數(shù)量也更多，但底層的邏輯和原理并沒(méi)有改變。這三件事到現(xiàn)在仍然是現(xiàn)代 AI 的基石。

主持人：你當(dāng)時(shí)就是覺(jué)得，要推動(dòng) AI 發(fā)展，ImageNet 必須做，然后就去做了。不過(guò)在那個(gè)時(shí)期，大家更常用的說(shuō)法是機(jī)器學(xué)習(xí)，對(duì)嗎？

李飛飛：當(dāng)時(shí) AI 和機(jī)器學(xué)習(xí)這兩個(gè)詞是交替使用的。大概在 2015 年年中到 2016 年年中，一些科技公司會(huì)刻意回避用 AI 這個(gè)詞，因?yàn)樗麄儞?dān)心這個(gè)詞會(huì)不會(huì)變成負(fù)面標(biāo)簽。但我一直鼓勵(lì)大家勇敢使用 AI 這個(gè)詞。因?yàn)樵谖铱磥?lái)，讓機(jī)器變得智能，是人類(lèi)在科技探索中提出過(guò)最大膽的問(wèn)題之一，我對(duì)這個(gè)詞非常自豪。不過(guò)確實(shí)，在早期，很多人是有顧慮的。

主持人：那是哪一年開(kāi)始，AI 這個(gè)詞逐漸被廣泛接受的？

李飛飛：我覺(jué)得是2016 年吧那算是一個(gè)轉(zhuǎn)折點(diǎn)，那時(shí)起有些人開(kāi)始愿意用 AI 這個(gè)詞了。再往后，如果你看硅谷公司的宣傳，大概 2017 年左右，才真正出現(xiàn)公司開(kāi)始把自己定位成 AI 公司。

主持人：說(shuō)到那段早期歷史，你覺(jué)得有沒(méi)有什么重要但大家可能不知道的事值得分享？

李飛飛：我覺(jué)得和所有歷史一樣，雖然我被視為這段發(fā)展的一部分，但背后有太多無(wú)名英雄和研究者。這是幾代人一起耕耘出來(lái)的結(jié)果。在我的職業(yè)生涯中，有無(wú)數(shù)人給過(guò)我啟發(fā)，我在書(shū)里也提到過(guò)這些。

不過(guò)我們的文化，特別是硅谷文化，總習(xí)慣把功勞集中在某一個(gè)人身上。雖然這樣做有它的價(jià)值，但我想提醒大家，AI 的發(fā)展已經(jīng)持續(xù)了七十年，是好幾代研究者共同鋪出來(lái)的路，不可能靠某一個(gè)人的力量走到今天。

02
AI 的「人本」視角

主持人：你覺(jué)得我們距離 AGI 還有多遠(yuǎn)？按照現(xiàn)在的發(fā)展趨勢(shì)，我們能實(shí)現(xiàn)它嗎？需要更多技術(shù)突破嗎？現(xiàn)有的技術(shù)路徑足夠支撐我們走到那一步嗎？

李飛飛：這是個(gè)很有意思的概念。我不確定有沒(méi)有誰(shuí)真正給過(guò) AGI 一個(gè)嚴(yán)謹(jǐn)?shù)亩x。不同的人有不同的理解，有人認(rèn)為是讓機(jī)器擁有某種超能力，有人認(rèn)為是讓機(jī)器成為社會(huì)里能獨(dú)立立足的主體，比如能自己創(chuàng)造價(jià)值。這樣的標(biāo)準(zhǔn)算是 AGI 嗎？

作為科學(xué)家，我習(xí)慣非常嚴(yán)謹(jǐn)?shù)乜创龁?wèn)題。我進(jìn)入這個(gè)領(lǐng)域，就是因?yàn)楸弧皺C(jī)器能否像人一樣思考和行動(dòng)”這個(gè)大膽問(wèn)題所吸引。對(duì)我來(lái)說(shuō)，這一直是人工智能的核心目標(biāo)。

從這個(gè)角度看，我不覺(jué)得 AI 和 AGI 有本質(zhì)區(qū)別。我們?cè)谀承┓较蛏弦呀?jīng)取得了不錯(cuò)的進(jìn)展，比如對(duì)話系統(tǒng)，但離全面實(shí)現(xiàn)人工智能還有一段距離。如果你現(xiàn)在去問(wèn) Alan Turing，他大概會(huì)說(shuō)，這不就是我在二十世紀(jì)四十年代就提出的問(wèn)題嗎。

所以我不想陷入對(duì) AI 和 AGI 的定義之爭(zhēng)。在我看來(lái)，AGI 更像是營(yíng)銷(xiāo)語(yǔ)言，而不是科學(xué)術(shù)語(yǔ)。對(duì)我來(lái)說(shuō)，人工智能就是我所追求的目標(biāo)，也是整個(gè)領(lǐng)域的真正目標(biāo)。大家愿意怎么稱(chēng)呼它都可以。

主持人：就像你前面說(shuō)的，從 ImageNet 和 AlexNet 開(kāi)始，我們靠著一些關(guān)鍵要素走到了今天，比如 GPU、數(shù)據(jù)、標(biāo)注數(shù)據(jù)和模型算法，而 Transformer 架構(gòu)似乎也是這條路線上的重要一步。

你覺(jué)得這些現(xiàn)有要素能不能讓我們繼續(xù)做出強(qiáng)大十倍、足以改變世界的模型？我們還需要哪些突破？我知道我們待會(huì)會(huì)聊世界模型，那可能是其中一個(gè)方向，但除此之外，你覺(jué)得還有哪些瓶頸？換句話說(shuō)，現(xiàn)在的技術(shù)是不是只要往上堆數(shù)據(jù)、堆算力、堆 GPU 就能繼續(xù)往前走？

李飛飛：我覺(jué)得我們一定需要更多創(chuàng)新。增加數(shù)據(jù)、增加 GPU、放大模型規(guī)模，這些方向當(dāng)然還有空間，但我始終相信我們需要更多根本性的創(chuàng)新。

在人類(lèi)的科學(xué)史上，沒(méi)有任何一門(mén)成熟的學(xué)科會(huì)說(shuō)自己已經(jīng)不需要?jiǎng)?chuàng)新了。人工智能雖然已經(jīng)發(fā)展了幾十年，但相比其他學(xué)科，它仍然非常年輕，我們現(xiàn)在不過(guò)剛剛開(kāi)始。

舉個(gè)例子，我們之后會(huì)聊世界模型。你給一個(gè)當(dāng)前的模型看一段辦公室的視頻，讓它數(shù)清楚里面有多少把椅子，這對(duì)幼兒園小朋友或者小學(xué)生來(lái)說(shuō)都不難，可 AI 現(xiàn)在還做不到。更別說(shuō)像牛頓那樣，通過(guò)觀察天體運(yùn)動(dòng)推導(dǎo)出適用于所有物體的運(yùn)動(dòng)規(guī)律。

那種創(chuàng)造力、推理能力和抽象能力，我們現(xiàn)在完全無(wú)法讓機(jī)器具備。再看看情感智能，一個(gè)學(xué)生走進(jìn)老師辦公室，談自己的動(dòng)力、興趣、困擾，今天的對(duì)話系統(tǒng)在情緒理解和表達(dá)上還遠(yuǎn)達(dá)不到這種水平。

所以我們還有太多可以提升的地方，我完全不認(rèn)為創(chuàng)新已經(jīng)走到盡頭。

03
語(yǔ)言之外，智能世界模型登場(chǎng)

主持人：那你覺(jué)得什么是世界模型，它為什么如此重要？

李飛飛：我這一輩子都在思考怎么推動(dòng) AI 向前走。過(guò)去幾年，學(xué)界和像 OpenAI 這樣的機(jī)構(gòu)陸續(xù)推出的大型語(yǔ)言模型，對(duì)我這樣的長(zhǎng)期研究者來(lái)說(shuō)，都帶來(lái)了很強(qiáng)的啟發(fā)。

我記得 GPT-2 推出時(shí)是 2020 年底，當(dāng)時(shí)我在斯坦福大學(xué)以人為本人工智能研究所擔(dān)任聯(lián)合主任，現(xiàn)在依然在這個(gè)崗位，不過(guò)那時(shí)是全職投入。那時(shí)候公眾還意識(shí)不到大型語(yǔ)言模型的潛力，但我們研究者已經(jīng)看到了未來(lái)的模樣。

我和做自然語(yǔ)言處理的同事們聊過(guò)很多次，我們都覺(jué)得這項(xiàng)技術(shù)的影響會(huì)非常深遠(yuǎn)。斯坦福的以人為本人工智能研究所 是最早建立完整基礎(chǔ)模型研究中心的機(jī)構(gòu)之一，很多研究者還主導(dǎo)發(fā)表了第一篇關(guān)于基礎(chǔ)模型的論文，這些都令我很受鼓舞。

不過(guò)我出身于視覺(jué)智能方向，我一直在想，除了語(yǔ)言之外，其實(shí)還有非常大的空間可以發(fā)展。

因?yàn)槿祟?lèi)很多重要能力，是依賴(lài)空間智能和對(duì)真實(shí)世界的理解完成的。你如果處在一個(gè)混亂的應(yīng)急救援場(chǎng)景里，不管是火災(zāi)、車(chē)禍還是自然災(zāi)害，你會(huì)發(fā)現(xiàn)人們組織救援、阻止災(zāi)情擴(kuò)散、撲滅火勢(shì)，有大量能力是來(lái)自行動(dòng)本身、來(lái)自對(duì)物體和環(huán)境的即時(shí)理解，還有對(duì)情境的把握。語(yǔ)言當(dāng)然有用，但在很多情況下，光靠語(yǔ)言并不能讓你穿上消防服沖進(jìn)去救人。

這就是我一直反復(fù)思考的問(wèn)題。我同時(shí)還做了大量機(jī)器人研究，漸漸意識(shí)到，要打通語(yǔ)言之外的其他智能，要真正連接具身智能和視覺(jué)智能，關(guān)鍵就在于機(jī)器理解世界的空間能力。

在 2024 年的 TED 演講中，我談到空間智能和世界模型。其實(shí)這個(gè)想法早在 2022 年就開(kāi)始成形了，來(lái)自我在機(jī)器人和計(jì)算機(jī)視覺(jué)方向的持續(xù)研究。后來(lái)我想得越來(lái)越清楚，我希望和最頂尖的技術(shù)人才合作，把這些能力盡快從實(shí)驗(yàn)室?guī)У浆F(xiàn)實(shí)世界，于是我們創(chuàng)辦了 World Labs，名字里有 world，就是因?yàn)槲覀儓?jiān)信世界建模和空間智能的巨大價(jià)值。

主持人：很多人對(duì)聊天機(jī)器人很熟悉，會(huì)覺(jué)得大型語(yǔ)言模型就是一種對(duì)話工具。那世界模型是不是可以理解成，你描述一個(gè)場(chǎng)景，它就能生成一個(gè)能隨意探索的世界？我們之后會(huì)附上你們的產(chǎn)品鏈接，不過(guò)這個(gè)理解準(zhǔn)確嗎？算是世界模型的一部分嗎？

李飛飛：可以說(shuō)是一部分。世界模型的一個(gè)直觀理解是，你可以用一句話或一張圖，在腦海中構(gòu)建出任何世界，并且可以在這個(gè)世界里互動(dòng)，比如觀察、走動(dòng)、拿起物體、調(diào)整場(chǎng)景，同時(shí)還能在里面進(jìn)行推理。

如果使用這個(gè)世界模型的是機(jī)器人，它就應(yīng)該能規(guī)劃路線、整理廚房之類(lèi)的。所以世界模型更像一個(gè)基礎(chǔ)平臺(tái)，你可以在上面推理、互動(dòng)、創(chuàng)造各種世界。

主持人：你剛才說(shuō)，要讓機(jī)器人真正能在現(xiàn)實(shí)世界里發(fā)揮作用，關(guān)鍵就在于理解世界的運(yùn)行方式，這正是目前缺少的那一塊。

李飛飛：首先，我覺(jué)得受影響的不只是機(jī)器人，但你說(shuō)得很對(duì)。世界建模和空間智能確實(shí)是具身智能短板所在。同時(shí)，我們也不應(yīng)該忽略人類(lèi)本身作為具身主體的屬性，人類(lèi)同樣能通過(guò) AI 獲得能力提升。

就像人類(lèi)是依賴(lài)語(yǔ)言的生物，AI 在語(yǔ)言方面已經(jīng)給我們提供了巨大幫助。可我們往往忽略了，作為具身主體的人類(lèi)，其實(shí)也能從世界模型和空間智能模型中受益匪淺，就和機(jī)器人一樣。

此外，這對(duì)設(shè)計(jì)領(lǐng)域也非常關(guān)鍵。人類(lèi)在設(shè)計(jì)機(jī)器、建筑、家居用品等時(shí)都離不開(kāi)對(duì)空間和物體的理解。再看看科學(xué)發(fā)現(xiàn)的過(guò)程，我特別想舉 DNA 結(jié)構(gòu)發(fā)現(xiàn)的例子。Rosalind Franklin 拍攝的那張 X 射線衍射照片非常關(guān)鍵，那是一張二維平面圖像，展示的是交叉的衍射圖案。研究者們正是結(jié)合這張照片和其他信息，通過(guò)三維空間推理，推導(dǎo)出了 DNA 雙螺旋的三維結(jié)構(gòu)。

這種復(fù)雜結(jié)構(gòu)不可能在二維層面得出，必須依賴(lài)三維空間思維和人類(lèi)強(qiáng)大的空間智能。所以我認(rèn)為，在科學(xué)發(fā)現(xiàn)領(lǐng)域，空間智能乃至 AI 輔助的空間智能同樣至關(guān)重要。

04
「慘痛教訓(xùn)」教不出機(jī)器人

主持人：那為什么說(shuō)“慘痛教訓(xùn)”理論單獨(dú)用在機(jī)器人領(lǐng)域可能行不通？

首先，“慘痛教訓(xùn)”有不同的表述方式，但大家通常指的是 Richard S. Sutton 近期發(fā)表的那篇論文。他剛拿到圖靈獎(jiǎng)，是強(qiáng)化學(xué)習(xí)領(lǐng)域非常重要的人物。Sutton 在論文里回顧了人工智能算法的發(fā)展，指出歷史上最終勝出的，往往是依賴(lài)海量數(shù)據(jù)的簡(jiǎn)單模型，而不是依賴(lài)少量數(shù)據(jù)的復(fù)雜模型。

這篇論文是 ImageNet 之后很多年發(fā)表的。對(duì)我來(lái)說(shuō)，它一點(diǎn)都不慘痛，甚至可以說(shuō)是一種甜蜜的驗(yàn)證。這正是我當(dāng)初做 ImageNet 的原因，我本來(lái)就相信大數(shù)據(jù)的價(jià)值。

但你問(wèn)為什么“慘痛教訓(xùn)”單獨(dú)放在機(jī)器人領(lǐng)域可能不太奏效，原因有幾個(gè)。首先，我們要肯定當(dāng)前的進(jìn)展。機(jī)器人研究還處于非常早期的實(shí)驗(yàn)階段，遠(yuǎn)不如語(yǔ)言模型成熟。現(xiàn)在很多團(tuán)隊(duì)都在嘗試不同的算法，其中有一些確實(shí)依賴(lài)大數(shù)據(jù)，所以大數(shù)據(jù)在機(jī)器人上依然會(huì)發(fā)揮作用。

不過(guò)機(jī)器人領(lǐng)域有一些特別的挑戰(zhàn)。第一是數(shù)據(jù)獲取難度更高。你可能會(huì)說(shuō)現(xiàn)在可以用網(wǎng)絡(luò)視頻，確實(shí)最新的機(jī)器人研究開(kāi)始這么做，這也能帶來(lái)一定幫助。但從我做計(jì)算機(jī)視覺(jué)和空間智能的角度來(lái)說(shuō)，我真的很羨慕做自然語(yǔ)言處理的同事：他們的所有訓(xùn)練數(shù)據(jù)都是文字，模型輸出也是文字。

也就是說(shuō)，訓(xùn)練數(shù)據(jù)和訓(xùn)練目標(biāo)之間是完美對(duì)齊的。而機(jī)器人不是，空間智能也不是。我們的目標(biāo)是讓機(jī)器人輸出動(dòng)作，但訓(xùn)練數(shù)據(jù)里恰恰缺少三維世界里的動(dòng)作信息，而動(dòng)作是機(jī)器人必須具備的核心能力。

這就造成訓(xùn)練過(guò)程有點(diǎn)方枘圓鑿，我們必須用其他方式來(lái)補(bǔ)這個(gè)缺口，比如加入遠(yuǎn)程操控的數(shù)據(jù)或生成的數(shù)據(jù)，讓機(jī)器人也能依靠海量數(shù)據(jù)進(jìn)行學(xué)習(xí)。我認(rèn)為這是有希望的，因?yàn)槲覀冏龅氖澜缃＃磥?lái)會(huì)給機(jī)器人提供大量這樣的信息來(lái)源。

但我們也要保持冷靜，因?yàn)槟壳斑€在非常早期的階段，“慘痛教訓(xùn)”能不能在機(jī)器人領(lǐng)域完全成立，還需要時(shí)間驗(yàn)證。畢竟我們還沒(méi)真正解決機(jī)器人需要的大規(guī)模數(shù)據(jù)問(wèn)題。

還有一點(diǎn)需要記住，機(jī)器人是物理系統(tǒng)。這一點(diǎn)讓它們更像自動(dòng)駕駛汽車(chē)，而不是大型語(yǔ)言模型。這點(diǎn)非常關(guān)鍵。讓機(jī)器人工作得很好，不只是軟件層面的事，還需要合適的硬件，以及明確的應(yīng)用場(chǎng)景。

想想自動(dòng)駕駛汽車(chē)的發(fā)展：我的同事 Sebastian Thrun 帶著斯坦福團(tuán)隊(duì)在 2005 年前后贏得了 DARPA 大賽。從那輛能在內(nèi)華達(dá)沙漠跑一百三十英里的原型車(chē)，到今天舊金山街頭能看到的 Waymo，已經(jīng)過(guò)了二十年，可我們?nèi)匀粵](méi)有完全攻克自動(dòng)駕駛。

而且自動(dòng)駕駛比機(jī)器人簡(jiǎn)單多了，自動(dòng)駕駛只是讓一輛金屬盒子在二維平面上移動(dòng)，目標(biāo)是不撞任何東西。機(jī)器人則是在三維世界里運(yùn)作的三維實(shí)體，它不僅不能撞東西，還要與物體互動(dòng)。

所以機(jī)器人技術(shù)的推進(jìn)要素更多、難度更高，發(fā)展的周期會(huì)更長(zhǎng)。當(dāng)然有人會(huì)說(shuō)，自動(dòng)駕駛早期還在深度學(xué)習(xí)出現(xiàn)之前，現(xiàn)在深度學(xué)習(xí)可能會(huì)加速整個(gè)進(jìn)程，我同意這一點(diǎn)，這也是我對(duì)機(jī)器人和空間智能感到興奮的原因。但別忘了，汽車(chē)行業(yè)已經(jīng)非常成熟了，要規(guī)模化落地，還需要成熟的供應(yīng)鏈、硬件體系和實(shí)際應(yīng)用場(chǎng)景。

所以現(xiàn)在正是研究這些問(wèn)題的好時(shí)機(jī)。但你說(shuō)得沒(méi)錯(cuò)，我們大概率還會(huì)在機(jī)器人領(lǐng)域經(jīng)歷不少真正意義上的慘痛教訓(xùn)。

主持人：在做這些工作的時(shí)候，你會(huì)不會(huì)經(jīng)常對(duì)人類(lèi)大腦感到敬畏？畢竟人類(lèi)可以輕松完成很多復(fù)雜任務(wù)，而讓機(jī)器做到哪怕只是走路、不摔倒、不撞東西都這么難。這會(huì)不會(huì)讓你更加感嘆人類(lèi)的能力？

李飛飛：當(dāng)然。人類(lèi)大腦的能耗大概只有二十瓦，甚至比我所在房間里的燈泡還暗，但它卻能做到那么多事情。事實(shí)上，我在 AI 里投入得越深，就越敬畏人類(lèi)本身。

05
影子，與真正的世界

主持人：我們?cè)賮?lái)聊聊你們剛推出的產(chǎn)品 Marble。它究竟是什么？

李飛飛：Marble 是 World Labs 推出的第一款產(chǎn)品。World Labs 是一家專(zhuān)注前沿基礎(chǔ)模型的公司，由四位有深厚技術(shù)背景的創(chuàng)始人共同創(chuàng)辦。我的聯(lián)合創(chuàng)始人都來(lái)自人工智能、計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)領(lǐng)域。我們一直相信，空間智能和世界建模的重要性不亞于語(yǔ)言模型，甚至在某些方面更有價(jià)值，而且兩者之間是相互支持的。

所以我們希望抓住這個(gè)機(jī)會(huì)，打造一個(gè)深度技術(shù)實(shí)驗(yàn)室，讓前沿模型真正走向產(chǎn)品。Marble 就是基于我們構(gòu)建的前沿模型開(kāi)發(fā)的應(yīng)用。我們花了一年多時(shí)間，構(gòu)建出了全球首個(gè)能夠真正生成三維世界的生成式模型。這件事的難度極高，研發(fā)過(guò)程也非常艱辛，我們的核心團(tuán)隊(duì)來(lái)自許多頂尖技術(shù)團(tuán)隊(duì)。

就在一兩個(gè)月前，我們第一次實(shí)現(xiàn)了用一句話、一張圖片或幾張圖片作為提示，生成一個(gè)可以自由探索的三維世界。如果你戴上 VR 眼鏡，還能真的走進(jìn)去。這項(xiàng)技術(shù)我們已經(jīng)研究很久了，但當(dāng)它真正成功的時(shí)候，我們自己都非常激動(dòng)。

我們也希望把它交到需要的人手中。我們知道，創(chuàng)作者、設(shè)計(jì)師、機(jī)器人仿真研究者、游戲開(kāi)發(fā)者，還有任何需要可導(dǎo)航、可交互、沉浸式世界的人，都會(huì)在其中發(fā)現(xiàn)價(jià)值。

所以我們發(fā)布了 Marble 作為第一步。雖然它仍處于早期，但已經(jīng)是全球第一個(gè)能做到這一點(diǎn)的模型，也是第一款讓用戶(hù)通過(guò)提示詞創(chuàng)建三維世界的產(chǎn)品。

作為做研究的人，這對(duì)我們來(lái)說(shuō)也是一次學(xué)習(xí)。比如那些幫助用戶(hù)進(jìn)入世界的“點(diǎn)”，其實(shí)是我們專(zhuān)門(mén)設(shè)計(jì)的可視化方式，不是模型本身。模型真正的任務(wù)是生成世界，而我們要找到方式讓用戶(hù)順利進(jìn)入這個(gè)世界。

我們的工程師嘗試了多個(gè)版本，最后選定用點(diǎn)云來(lái)引導(dǎo)用戶(hù)。對(duì)我們來(lái)說(shuō)，看到一個(gè)不是模型本身、而是用于用戶(hù)體驗(yàn)設(shè)計(jì)的小功能這么受歡迎，是一種特別的成就感。

主持人：那如果有人現(xiàn)在就想體驗(yàn)或使用 Marble，它已經(jīng)可以用在哪些場(chǎng)景里？你們這次推出的目標(biāo)是什么？

李飛飛：首先是電影虛擬制作。影視團(tuán)隊(duì)需要三維世界來(lái)做攝像機(jī)校準(zhǔn)，讓演員在表演時(shí)，工作人員能準(zhǔn)確控制鏡頭走位。我們已經(jīng)看到特別好的應(yīng)用效果。你在發(fā)布視頻中看到的內(nèi)容，就是由一家虛擬制作公司完成的，我們和索尼合作，他們用 Marble 實(shí)現(xiàn)了視頻拍攝。

技術(shù)藝術(shù)家和導(dǎo)演告訴我們，Marble 讓制作效率提高了大概四十倍。我們當(dāng)時(shí)只有一個(gè)月時(shí)間完成這個(gè)項(xiàng)目，而且他們需要拍很多內(nèi)容。Marble 極大地加快了視覺(jué)特效和虛擬制作的流程。

第二個(gè)應(yīng)用是游戲開(kāi)發(fā)。用戶(hù)可以把 Marble 生成的場(chǎng)景導(dǎo)出為網(wǎng)格文件，直接導(dǎo)入 VR 游戲或其他自研游戲里。我們已經(jīng)展示了相關(guān)案例。

第三個(gè)是機(jī)器人仿真。我一直在做機(jī)器人訓(xùn)練研究，其中最大的難題之一就是為訓(xùn)練生成合成數(shù)據(jù)。這些數(shù)據(jù)必須非常多樣化，要來(lái)自不同環(huán)境，還要包含豐富的可操作物體，而通過(guò)計(jì)算機(jī)仿真生成是最高效的方式。

如果不這樣做，人類(lèi)必須手工創(chuàng)建每一個(gè)訓(xùn)練場(chǎng)景，工作量會(huì)指數(shù)級(jí)增長(zhǎng)。已經(jīng)有研究團(tuán)隊(duì)聯(lián)系到我們，希望用 Marble 來(lái)生成機(jī)器人訓(xùn)練需要的合成環(huán)境。

還有一些我們?cè)緵](méi)想到的應(yīng)用。例如有個(gè)心理學(xué)研究團(tuán)隊(duì)找到我們，他們研究某些精神疾病患者，需要不同特點(diǎn)的沉浸式環(huán)境來(lái)觀察大腦反應(yīng)。但這類(lèi)環(huán)境很難獲取，構(gòu)建起來(lái)也很費(fèi)時(shí)，而 Marble 能幾乎即時(shí)生成大量這樣的實(shí)驗(yàn)場(chǎng)景。

所以我們已經(jīng)看到不少清晰的應(yīng)用方向。視覺(jué)特效、游戲開(kāi)發(fā)、仿真研究、設(shè)計(jì)領(lǐng)域的人都對(duì) Marble 表現(xiàn)出強(qiáng)烈興趣。

主持人：那Marble 和其他視頻生成模型有什么區(qū)別？

李飛飛：World Labs 的核心理念是，空間智能非常重要，而空間智能絕不只是生成視頻。

視頻本質(zhì)上是一種被動(dòng)呈現(xiàn)的二維畫(huà)面。我很喜歡用柏拉圖的“洞穴寓言”來(lái)解釋視覺(jué)。想象一個(gè)囚犯被固定在洞穴里的椅子上，不能回頭，只能看見(jiàn)墻壁；而洞穴外的真實(shí)世界里，人們?cè)诒硌荩饩€把他們的影子投射到墻上，囚犯只能通過(guò)這些影子來(lái)揣測(cè)真實(shí)發(fā)生了什么。

這個(gè)例子雖然極端，但非常準(zhǔn)確地刻畫(huà)了視覺(jué)的本質(zhì)。我們總是從二維畫(huà)面中去理解一個(gè)三維甚至四維的世界。而對(duì)我來(lái)說(shuō)，空間智能不是生成二維內(nèi)容，而是讓模型具備生成、推理、交互、理解深度空間世界的能力。這正是 World Labs 專(zhuān)注的方向。

當(dāng)然，生成視頻本身也屬于空間智能的一部分。就在幾周前，我們展示了全球首個(gè)能在單塊 H100 GPU 上實(shí)時(shí)生成視頻的演示。

所以我們的技術(shù)也能生成視頻，但 Marble 的核心區(qū)別在于：它讓創(chuàng)作者、設(shè)計(jì)師、開(kāi)發(fā)者能夠使用一個(gè)真正具備三維結(jié)構(gòu)的世界生成模型，用它來(lái)完成自己的工作。這就是 Marble 與現(xiàn)有視頻生成模型最大的不同。

順便說(shuō)一下，Marble 也支持導(dǎo)出視頻。比如你創(chuàng)建了一個(gè)霍比特人洞穴的世界，你可以根據(jù)自己的想法設(shè)計(jì)攝像機(jī)的移動(dòng)軌跡，然后直接從 Marble 里導(dǎo)出這段視頻。

主持人：打造這樣一款產(chǎn)品需要什么條件？比如團(tuán)隊(duì)規(guī)模大嗎？用到多少 GPU？

李飛飛：最核心的是“腦力”。每個(gè)人類(lèi)的大腦功耗大概只有二十瓦，從數(shù)字上看很小，但正是億萬(wàn)年的進(jìn)化，讓我們擁有了這些能力。

我們目前的團(tuán)隊(duì)大概三十人左右，主要是研究員和研究工程師，也有設(shè)計(jì)和產(chǎn)品方面的同事。我們始終相信，要打造一家以空間智能深度技術(shù)為核心的公司，同時(shí)也要交付真正能用的產(chǎn)品。所以我們讓研發(fā)和產(chǎn)品化緊密結(jié)合。當(dāng)然，我們也用到了大量 GPU，這一點(diǎn)毫無(wú)疑問(wèn)。

06
做前沿領(lǐng)域的無(wú)畏者

主持人：你的這家公司是什么時(shí)候成立的？?jī)扇昵埃?/p>

李飛飛：大概一年前，準(zhǔn)確來(lái)說(shuō)差不多十八個(gè)月。

主持人：如果你能回到十八個(gè)月前，對(duì)那時(shí)候的自己悄悄說(shuō)一句話，你希望告訴自己什么？

李飛飛：我一直希望自己能提前洞察技術(shù)的未來(lái)。其實(shí)，能預(yù)見(jiàn)趨勢(shì)也是我們創(chuàng)業(yè)的優(yōu)勢(shì)之一，我們通常能比絕大多數(shù)人更早看到方向。但即便如此，未知的一切和未來(lái)的挑戰(zhàn)依然讓人既緊張又興奮。

我知道你問(wèn)這個(gè)問(wèn)題，更多是想聽(tīng)聽(tīng)我對(duì)技術(shù)未來(lái)的感悟。但其實(shí)從創(chuàng)業(yè)角度來(lái)看，我二十歲時(shí)也沒(méi)有創(chuàng)辦過(guò)這種規(guī)模的公司。十九歲的時(shí)候我開(kāi)過(guò)一家干洗店，規(guī)模小太多了。后來(lái)我參與創(chuàng)立谷歌云的 AI 部門(mén)，也在斯坦福創(chuàng)辦了研究所，但這些經(jīng)歷和如今的創(chuàng)業(yè)完全不是一回事。

作為創(chuàng)業(yè)者，我覺(jué)得自己比二十歲左右的人更能承受這種高強(qiáng)度的節(jié)奏，但還是會(huì)不斷遇到意外。比如我沒(méi)想到 AI 領(lǐng)域的競(jìng)爭(zhēng)會(huì)這么激烈，不管是模型、技術(shù)，還是人才，都卷得超乎想象。

創(chuàng)辦公司時(shí)，我也完全沒(méi)想到頂尖人才的成本會(huì)高到這種程度。這類(lèi)事情不斷讓我重新認(rèn)識(shí)現(xiàn)實(shí)，也逼著我時(shí)刻保持敏銳。

主持人：那對(duì)于那些希望在人生中做出突破、走在時(shí)代前沿的人來(lái)說(shuō)，你從一個(gè)地方到另一個(gè)地方、加入這些核心團(tuán)隊(duì)的過(guò)程，是否有一條持續(xù)貫穿的主線？也許能夠給大家一些啟發(fā)。

李飛飛：確實(shí)有。我也想過(guò)這個(gè)問(wèn)題。很明顯，是好奇心和熱情把我?guī)肓?AI 領(lǐng)域，這更像是一種純粹的科學(xué)追求，我從不在乎 AI 當(dāng)時(shí)是不是熱門(mén)。但至于我為什么會(huì)選那些特定的地方去工作，包括后來(lái)創(chuàng)辦 World Labs，背后有更深的原因。

我很慶幸自己是一個(gè)在求知上無(wú)所畏懼的人。我在招年輕人的時(shí)候也很看重這一點(diǎn)。因?yàn)槿绻粋€(gè)人想推動(dòng)改變，就必須接受自己要去創(chuàng)造新事物，要進(jìn)入無(wú)人探索的領(lǐng)域。意識(shí)到這一點(diǎn)后，你就得學(xué)會(huì)讓自己無(wú)畏。

比如，當(dāng)年我從普林斯頓跳槽到斯坦福時(shí)，我在普林斯頓的學(xué)術(shù)職位已經(jīng)快拿到終身教職，也就是所謂的鐵飯碗。但我還是選擇了回斯坦福，因?yàn)槲覠釔?ài)那所學(xué)校，那里的同事非常優(yōu)秀，硅谷的生態(tài)也無(wú)比動(dòng)人。我愿意冒險(xiǎn)，從頭開(kāi)始新的終身教職考核，還成為斯坦福人工智能實(shí)驗(yàn)室的第一位女性主任。

那時(shí)我其實(shí)還算年輕，但我愿意這么做，因?yàn)槲以诤跄莻€(gè)社群，也沒(méi)花太多時(shí)間擔(dān)心失敗。當(dāng)然，我很幸運(yùn)，資深教員都非常支持我。我只是在努力為這個(gè)領(lǐng)域做一些事情。

后來(lái)加入谷歌也是類(lèi)似的情況，我想和杰夫·迪恩、杰夫·辛頓這樣杰出的科學(xué)家共事。創(chuàng)辦 World Labs 也一樣，我對(duì)空間智能充滿(mǎn)熱情，也相信志同道合的人能夠一起創(chuàng)造出真正重要的東西。

所以這就是貫穿我職業(yè)生涯的主線：我不會(huì)過(guò)度擔(dān)心那些可能會(huì)出錯(cuò)的事情，因?yàn)槿绻氚阉鼈円粭l條想清楚，那可太多了。

主持人：你現(xiàn)在在斯坦福大學(xué)以人為本人工智能研究所主要負(fù)責(zé)哪些事務(wù)？

李飛飛：以人為本人工智能研究所是我和幾位教授在 2018 年共同創(chuàng)辦的。當(dāng)時(shí)我剛結(jié)束在谷歌的休假，面臨一個(gè)重要決定：繼續(xù)留在行業(yè)，還是回到學(xué)術(shù)界。

在谷歌的經(jīng)歷讓我真正意識(shí)到，AI 已經(jīng)成為一項(xiàng)文明級(jí)別的技術(shù)，它對(duì)人類(lèi)的重要性非常深遠(yuǎn)。同一年，我在《紐約時(shí)報(bào)》發(fā)表了一篇文章，呼吁建立一套框架來(lái)指導(dǎo) AI 的研發(fā)和應(yīng)用，而這套框架必須以人類(lèi)的善意和人的主體性為核心。

我認(rèn)為，斯坦福作為全球頂尖學(xué)府，位于孕育了英偉達(dá)、谷歌等公司的硅谷中央，應(yīng)該承擔(dān)起思想領(lǐng)導(dǎo)的角色，建立這套以人為本的 AI 框架，并把它融入研究、教育、政策與生態(tài)建設(shè)。

如今六七年過(guò)去了，以人為本人工智能研究所已經(jīng)成為全球最大的 AI 研究所，專(zhuān)注于以人為中心的研究、教育、生態(tài)拓展和政策影響。研究所覆蓋斯坦福八個(gè)學(xué)院的數(shù)百位教授，領(lǐng)域從醫(yī)學(xué)、教育、可持續(xù)發(fā)展、商業(yè)，到工程、人文、法律等非常廣泛。

我們支持跨學(xué)科研究，從數(shù)字人文、法律與治理，到藥物研發(fā)和新型算法。同時(shí)，我們也非常重視政策工作。在創(chuàng)辦研究所時(shí)，我就注意到硅谷和華盛頓、布魯塞爾等政策制定者之間缺乏溝通。而 AI 這么重要，我們必須讓更多人參與進(jìn)來(lái)。

主持人：聽(tīng)你說(shuō)完我才意識(shí)到，你做的事情遠(yuǎn)比我想像的更多。這讓我想到 Charlie Munger 的那句話，“接受一個(gè)簡(jiǎn)單的理念，并認(rèn)真踐行它。” 你在多個(gè)領(lǐng)域通過(guò)不斷踐行自己的理念產(chǎn)生了非常深遠(yuǎn)的影響。最后，你有什么想對(duì)聽(tīng)眾說(shuō)的嗎？

李飛飛：我對(duì) AI 的未來(lái)非常期待。我想回答一個(gè)我在世界各地旅行時(shí)常被問(wèn)到的問(wèn)題：“如果我是音樂(lè)家、中學(xué)老師、護(hù)士、會(huì)計(jì)師或農(nóng)民，我在 AI 時(shí)代還有位置嗎？AI 會(huì)不會(huì)奪走我的生活或工作？”

我認(rèn)為這是關(guān)于 AI 最關(guān)鍵的問(wèn)題。在硅谷，我們常常沒(méi)有好好和外界交流，只是拋出“無(wú)限生產(chǎn)力”“無(wú)限閑暇”“無(wú)限權(quán)力”這樣的詞匯。但 AI 的根本是關(guān)于人的。

對(duì)這個(gè)問(wèn)題，我的答案永遠(yuǎn)是肯定的：每個(gè)人在 AI 時(shí)代都有自己的角色。你的位置取決于你想做什么、愿意做什么。任何技術(shù)都不應(yīng)剝奪人的尊嚴(yán)，人的主體性必須始終處于技術(shù)研發(fā)、部署和治理的中心。

如果你是年輕的藝術(shù)家，熱愛(ài)講故事，那就把 AI 當(dāng)工具，用它來(lái)擴(kuò)展你的創(chuàng)作邊界，甚至可以試試 Marble。你講故事的方式是獨(dú)特的，這個(gè)世界始終需要這樣的聲音，關(guān)鍵在于你如何用這項(xiàng)強(qiáng)大的工具更生動(dòng)地表達(dá)它。

如果你是一位即將退休的農(nóng)民，AI 也與你密切相關(guān)。作為公民，你有權(quán)參與社區(qū)決策，對(duì) AI 的使用方式發(fā)聲，也可以鼓勵(lì)周?chē)娜擞?AI 讓生活更便利。

如果你是護(hù)士，我想特別告訴你，在我的職業(yè)生涯中，我投入了大量精力在醫(yī)療和健康研究上。我相信醫(yī)護(hù)人員理應(yīng)得到 AI 的支持，無(wú)論是提供更多信息的智能攝像頭，還是輔助照護(hù)的機(jī)器人。我們的護(hù)士太辛苦了，而隨著社會(huì)老齡化加劇，我們需要更多支持去照顧他人，AI 完全可以在這方面幫助我們。

所以我想說(shuō)，即使作為一個(gè)深度參與技術(shù)的人，我也真心相信：每一個(gè)人，在 AI 時(shí)代都有屬于自己的位置。

主持人：這個(gè)結(jié)尾太精彩了，完美呼應(yīng)了我們開(kāi)場(chǎng)時(shí)的主題。AI 的未來(lái)取決于我們每一個(gè)人，我們也要為它在生活中產(chǎn)生的影響承擔(dān)起責(zé)任。

博客地址：

https://www.lennysnewsletter.com/p/the-godmother-of-ai

視頻地址：

https://www.youtube.com/watch?v=Ctjiatnd6Xk

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁(yè)、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來(lái)源并插入本公眾號(hào)名片。