李飞飞与Huberman长谈：AI的智慧边界、人类不可替代的直觉，以及为何"会问问题"比"会回答"更重要

01 · 5.4亿年前，那道照亮智慧的光

故事要从一束极其古老的光说起。大约5.4亿年前，最早的那批简单海洋生物——三叶虫和它们的近亲——进化出了最原始的光感受器。在这之前，生物对外界几乎是"失聪失明"的：没有听觉，没有嗅觉，甚至连神经系统都尚未成形。触觉虽几乎同时萌芽，但视觉才是真正的先行者。

能看见，意味着能主动觅食、主动求偶，同时也意味着随时可能沦为猎物的口中餐。进化压力骤然加剧。化石证据显示，在生物初次感知到光之后约一千万年，便迎来了物种急剧分化、被称为"寒武纪大爆发"的高峰。

这条规律至今依然成立。研究估算，人类大脑皮层约有一半的活动都与视觉关联。婴儿在会说话之前，早已先学会"看见"。从远古海洋到眼前的摇篮，视觉始终坐拥智能的核心位置。

上世纪50年代，神经科学家Hubel与Wiesel开始记录哺乳动物大脑中的视觉神经细胞，揭开了层层递进的处理结构：从视网膜"捕捉光线"，到逐级传递神经信号，最终识别出眼前的物体形状。这一发现直接启发了同期计算机科学家构建神经网络算法——正是模仿哺乳动物视觉通路的这种层级架构。

今天的模型动辄千亿、万亿参数，早已远远偏离当年从大脑中记录的原始结构，但两者共享同一条血脉，至今不过七十年光景。

02 · 被别人都忽视的"数据赌局"

2006年，李飞飞在普林斯顿担任第一年助理教授。彼时的AI还是一个"算法实验室"：各家团队埋头比拼神经网络、贝叶斯方法、支持向量机，却没人抬眼看看喂给机器的"粮食"到底够不够。

她转而在认知神经科学文献里找到了线索——人类在6岁之前就能辨认数以万计的物体类别。一个刚出生的婴儿几乎每分每秒都在接收视觉信息，这是一场从不停歇的数据洪流。

由此，她做出一个当时堪称"离经叛道"的判断：AI进展缓慢的症结，很可能不在算法，而在数据。

"Everyone else was focusing only on algorithm, and we said we need data."

别人都在赌算法，她偏要赌数据。这个决定最终孕育出了ImageNet。团队四处收集了1500万张图像，覆盖话筒、杯子、椅子这些寻常事物，核心目标只有一个：让机器"看懂"真实世界。从2010年起，他们面向全球推出ImageNet大规模视觉识别挑战赛，数据集囊括1000个类别、超过100万张测试图，规则极简——给算法一张图，说出主体是什么，说对就得分，说错不得分。

开赛头两年，机器的表现被人类稳稳压住。斯坦福一名研究生后来专门做了人类基准，错误率约为4%（若随机乱猜则为千分之一）。4%听上去不高，但1000个类别里挤着大量难分彼此的子类——比如品种繁多的狗，人眼同样容易看走眼。

2012年，三条线几乎同时"到位"：GPU让大规模并行运算变得可行，神经网络经数十年迭代终于走向成熟，而ImageNet则提供了空前的训练体量。那一年，深度网络AlexNet一举把错误率从约26%猛砍到15%上下。

人类的4%错误率从何而来？主要并非时间压力，而是人脑的记忆容量有限——要同时握稳1000个类别的识别模式并不轻松，更别提那些长相神似的子类。

一步跨越十几个百分点，本身就是强烈的信号。研究领域渐进式改善才是常态，这种断崖式跃升通常意味着拐点已至。果不其然，到2015至2016年间，机器在命名1000种物体上已反超人类，闯入4%以内。

ImageNet撬开的远不止计算机视觉一扇门。语音识别、声学识别、自然语言处理——每个AI子领域都在这次大收敛中分到了红利。斯坦福甚至有同事转而用机器学习分析鲸鱼歌声。事实证明，"数据＋算法＋算力"这个配方是通用的。

03 · 孩子看三只猫就学会，AI却要吞下整个互联网

2017年，transformer这一全新架构横空出世，在处理序列数据上远比AlexNet时代强大。这一次主角换成了自然语言处理，因为互联网上最易获取的大规模数据正是文本。叠加更强的GPU，OpenAI与谷歌迅速推进，从2017年算起，到2022年11月ChatGPT问世，恰好又走了约五年。

配方相同，学习的机制却大相径庭。一个孩子也许只见过三五只猫，就能在书架后瞥见一截尾巴时果断判断"那是猫"；AI要完成同样的任务，却得吞下海量的视频与图像。两者的学习路径存在着本质差异，而其中玄机至今没有被完全揭开。

关于"猫"的例子还能再推一层。大约从2023年起，多个团队开始把视频纳入训练。2024年初OpenAI发布Sora时，用户输入"一只猫追老鼠"，就能生成一段站得住脚的短片——猫的四条腿按顺序迈步，姿态流畅自然。

这给人"AI仿佛理解了运动"的错觉，但真相远没有那么玄乎。AI并不清楚猫腿的肌肉如何咬合，它只是看了太多猫的录像，学会了猫运动"应该长成什么样"。李飞飞点破：大多数人类其实差不多——我们同样不懂猫的肌肉结构，却因见过太多猫走路，对"合理步态"形成了统计意义上的判断。这恰是AI与人在学习机制上最贴近的地方。

然而那个用三只猫就搞定的孩子，AI却要用整个互联网来追赶。这种悬殊的差距，恰恰照见了我们对"学习"本身依然有着巨大的认知空白。

04 · 互联网装不下的，是毕加索脑海里的那个念头

要掂量AI能力的边界，先得看清它的数据从哪来。互联网并非一件随意之物，它是全人类行为规模最大的多模态集散地。李飞飞把它拆开来看：几十年来全世界的打字记录，从青少年闲聊到被数字化的深度学术论文；数码相机与智能手机攒下的海量照片，从一只家猫到BBC的摄影棚；视频带来声音与动态，音乐也被尽数上传。

AI在这片庞大库藏上训练，因而无比强大，尤其在语言领域——因为太多人类知识早已凝固成文字。但有一类信息永远不会出现在这个库里。

毕加索脑海中那个关于"如何表现一位年轻女性肖像"的深刻构思，从未被任何设备捕捉。作为神经科学家，若有人追问这个念头诞生在大脑的哪个角落，答案只能是不确定——是布洛卡区？V1视觉皮层？前额叶？还是运动皮层？也许它本就弥散各处，因为那个念头极度私密、极度个人化。你可以管它叫创造力，叫情感，或随便什么名字。它从未被捕捉，因而不在互联网上，也因此AI从未见过它。

李飞飞还把日常那种模糊的"直觉"拆成了两层。浅层那部分如今已能处理：你在对话框里输入"我是斯坦福教授、神经科学家"，AI便会为你量身定制回应；换一个人说"我是14岁的赛车发烧友"，问同一个问题，得到的答案就不同。这在计算机科学里叫context（上下文），是纯粹的数学运算，谈不上直觉。

深层那部分就彻底够不到了。你突然对某事产生强烈感觉，却说不清是因为闻到了什么、激素波动，还是今早那顿早餐。你说不出口，甚至无法用手势传达给另一个人。伴侣之间偶尔能感知对方情绪不对劲，却讲不出哪里不对，只能默默退开让对方静一静。一个人连传递给另一个人都做不到的信息，机器又怎么可能办到。

她强调这并不神秘，完全可以用科学语言来描述：信息能否通过语言、图像、脑电波、皮肤电导率这类传感器被采集？若能，且量足够，AI就有可能习得；若不能，目前就无能为力。

05 · 走出抽象的"创造力"，回到具身的"共情"

2016年AlphaGo对决李世石的"Move 37"常被当作AI具备创造力的铁证——第二局中，它下出了一步围棋大师们从未想过的棋。李飞飞的判断则很有分寸：算创造力，但是一种"特殊的创造力"。围棋高度数学化，目标明确、规则清晰，AI拥有远超人脑的算力与记忆，能在人类无法穷举的空间里纵横搜索。这和一个画家凝望空白画布时涌现的东西，完全是两回事。

她提起与一位顶级数学家的对话。对方判断：数学界存在许多悬而未决的难题，即便是菲尔兹奖得主也可能遗忘历史上曾被用过的解法，AI能帮忙找回这些尘封的工具；但另一些数学问题所需的解法，根本还没被发明出来。那种层级的创造力，其最可能的路径，是人与AI的混合共创。

而在情感层面，二者的差异甚至更为根本。机器说"你生病了我很抱歉"，不过是它从训练数据中学到了一个固定套路——听到"我生病了"该接"我很抱歉"，而不是"你生病了我很高兴"。你的朋友说同样的话，是因为他真的在乎你的健康、不愿看你受苦，因为亲身经历过于疼痛，方才生出共情。

"We operate fundamentally different from today's AI and we have to recognize that, respect that."

今天的机器与人，在根本层面运行方式就不同，这一点必须被清醒地认识与尊重。科学发现这件事本身，也许也要"重新来过"。几百年来，它依赖聪明的大脑记住前人的知识，再以人类肉体的速度去做实验。可人脑的带宽终究有限。李飞飞以自己为例：她在视觉神经科学与AI领域深耕多年，对嗅觉系统却近乎一无所知，连同行论文里的专业词汇都未必拼得出来。而AI能打破学科这堵墙——它的大脑能容纳海量信息，能横跨领域综合知识，能把一个领域的方法搬进另一片土地。对科学家而言，这是一件全新的趁手工具。

06 · 一次头晕，一台上台手术，和一个反复通用的判断标准

Huberman有一次服下医生开的药后头晕目眩，他以为是自己患了眩晕症，专攻前庭系统的耳鼻喉科医生也没有给出准确判断。于是他把一两天里的主观感受原样输入AI聊天机器人。AI替他分辨了眩晕与低血压的症状差异，最终指向药物引起的血压过低。按这个方向补充电解质后，两小时后症状消失。他把结果拿回给几位医生看，对方一脸真心惊讶。

Huberman自己补了个限定：存在安慰剂效应的可能，若医生能当面多做几项检查，结论或许不同。但这个案例的价值从来不是"AI比所有医生都强"，而是它零成本、随时可得——对那些无法立刻见到医生的普通人意义非凡。

李飞飞的父亲则在斯坦福做了一台肝脏手术，由外科医生操控达芬奇机器人完成，术后出血量仅为传统开放手术的十分之一，得益于机器人的腹腔镜精细操作。这本身就是一场深刻的人机协作：机器执行精密动作，人类负责判断与决策。

手术后她追问主刀医生：如果把全世界同类肝脏手术的数据都汇总起来，能否训练出一套全自动AI手术系统？答案并不明确。肝脏是高度血管化的器官，血管密布，每个人的结构差异都很大；且这类手术全球每年总量有限，样本量或许仍不足以喂饱算法。未来能否打造肝脏的人工模拟环境，在仿真中穷尽无限可能性？这仍是一个悬而未决的科学问题。

这场对话其实抛出了一个可反复套用的判断尺度：AI从模式中学习，当模式不够丰富时，就必须谨慎。眩晕与低血压的鉴别诊断已被报告过无数次，数据充足，AI已相当可靠；而高度个体化的复杂外科手术因数据稀缺，人机协作目前优于纯机器方案。同一个底层原理，放在不同的数据条件下，会指向全然不同的结论。

07 · 末日论与乌托邦之外，还有第三种声音

今天关于AI的公共讨论，摆着两个极端。一端是吓人的末日论，另一端则是把技术说得完美无缺的乌托邦。可公众往往回敬一句"你当然这么讲，你是既得利益者"。懂技术的人也常摆出居高临下的姿态——无论出发点好坏，传递的信息总像"你们不懂这个，让我替你们决定什么是最好的"。

Huberman用生物学的一个例子，说明技术人为什么需要外部约束。他有一位研究病毒的朋友，曾想把改造过的狂犬病毒放进果蝇体内做实验。技术上可行、科学上也有价值，可万一有只带毒果蝇逃出实验室，后果不堪设想——走进任何生物系都能看到乱飞的果蝇，它们爱醋，会落上你的沙拉。这个实验最终被否决。做技术的人天然想push边界，但社会必须配备制衡机制。

2022年11月ChatGPT发布时，作为技术圈内部人的李飞飞，第一反应竟不是评论技术本身，而是火速联系孩子就读小学的校长，主动请缨去给学生和老师做讲座。因为在硅谷全员兴奋的那一夜，没有哪家创投、哪个万亿市值公司，第一时间想到"我们社区的老师们怎么办"。她想到了，于是她站了出去。

"They are the most important people in our society. We should be talking to them. We should be uplifting them."

教师，是社会中最重要的人之一，应当被对话、被托举。

08 · 学会提问，胜过学会回答

她认为对AI最有害的，是两种误用同样致命的姿态。一种，是工具错误地夺走年轻人的能动性和学习动力——无休止地刷短视频、被动消费内容，这些都不利于大脑发育。无论技术怎么变，人类的神经元、化学物质、激素自有其运作节奏，学习需要时间、需要付出苦功、有时甚至要经受痛苦。

另一种坏结果，是以"学生会作弊"为由，干脆禁止学生接触AI。李飞飞回忆自己做医学预科生时啃有机化学的感受：助教时间太短，教授的office hour又和别的课撞车，学得举步维艰。若是当年有一个AI学伴，她完全可以卡在哪就问哪。她有学习的动力，缺的只是指导。正解应当是：保住能动性的同时递上工具，而非逼人二选一。

而学会提问，是驾驭AI的关键技能。她抛出一个绝妙的类比：倘若苏格拉底还活着，他一定是全世界最好的prompter。苏格拉底方法的本质，就是用提问去逼近真理。这件事，应该从K-12阶段就开始教起。

Huberman则提到好友、UCSF神经外科主任Eddie Chang的工作。Chang团队通过脑机接口，让因瘫痪而失去语言能力的患者重新与这个世界说话。

其中一位女性患者瘫痪多年，无法开口。团队在她的大脑表面植入电极阵列，读取她试图说话时产生的神经信号，再由AI解码成文字与语音。关键是，他们找到了她婚礼上的录像，得知她原本的声音与表情。最终，她借身旁iPad的屏幕，以自己的面容和声音，和他人重新对话。这套系统通过机器学习不断更新，甚至能感知对方反应并即时调整。

这绝不是一次技术炫技，而是被归还的能动性。它也标志着AI正从纯语言走向具身化。人类的进化足迹，本就是先有视觉与空间感，后才有语言；在没有语言的岁月里走了5亿年。AI若只停留在语言层面，就等于错过了智能的一大块版图。

09 · 具身智能与人机共存的想象

李飞飞2024年初联合创立的World Labs，正是押注这个方向。到2026年2月，公司累计融资已达12.3亿美元，投资方包括AMD、Autodesk、NVIDIA、Fidelity等。首个产品Marble允许用户以文字、图片、视频或3D布局，生成可反复编辑的三维环境，目标客户覆盖创作者、建筑师、机器人训练与VFX行业。

机器人是另一条具身化的路，但它牵涉硬件，落地要慢得多。李飞飞估算，真正融入社会或许要三十年。而现实的需求清单，已经列得很长：加州每年山火肆虐，让人类消防员冒生命危险去救援并不妥当；护士一个班次要走上好几英里取药取物资，常年超负荷；独居老人取药、买菜、想去公园散步，这些寻常小事对行动不便者却是一道道天堑。

李飞飞自己是独生女，正在照顾两位年迈多病、不说英语的父母。她说这种照护量极大，若机器人能分担部分体力劳动——同时不替代家庭责任、爱与沟通，就再好不过。

人们对机器人普遍的不适感，很大程度来自它的物理硬度与占据空间的方式。她提到迪士尼十几年前的动画角色大白（Baymax）——一个外形像大气球、触感柔软的医疗机器人，比起金属质感，这种设计显然更容易让人接受。至于如何想象人与机器共存的未来，本不该由某家公司或某位投资人在暗室里拍板。公众应当作为利益相关者，参与设计这个未来，而不是被动地等别人做好了再反应。

AI如今已能按剧本生成视频镜头，甚至拼出接近长片的电影。但故事创作、镜头运用、角色塑造，依然深度依赖人类。好莱坞对"AI取代编剧与演员"的恐惧，来自工作岗位被技术冲击的真实压力。

李飞飞认为现阶段最要紧的，是让技术人和创作者坐下来面对面地谈。她的联合创始人Ben和演员本·阿弗莱克见了面，讨论AI在电影制作中的运用，阿弗莱克对AI工具的态度相当前瞻。World Labs也在与VFX行业合作。技术应当让创作者的工作变得更好，让他们的创造力得到放大。

她始终记得乔布斯（Steve Jobs）——他懂得计算机需要圆角、需要装进口袋、需要在开屏画面上放一首鲍勃·迪伦。他能把冷冰冰的技术，变成人们心甘情愿放在手边的东西。而AI领域至今还缺这样一个角色。技术圈最聪明的人不被大众接纳，一方面确实是公众不理解他们，另一方面也因为缺少一位合作者，替他们把愿景翻译成大众听得懂的语言。

传统媒体在放大这道裂缝上也有责任——它们靠"科技巨头要抢你饭碗"这类叙事赚流量，而那些真正用AI帮人恢复语言、帮孩子学习的故事，得到的关注却少得可怜。Huberman总结得精妙：人们不想听机器的故事，但想听"一个人用机器治好了孩子的病"的故事。这样的故事真实存在，只是还远远没有被讲够。

延伸：三个关键问题的一次性梳理