李飞飞：AI不是来替代人的，它是能力的放大镜

在最新一期Huberman Lab访谈里，李飞飞给出一个笃定的回答：AI不是人类的替代者，而是个人能力的放大镜。它学不会你最私密的心绪，也生不出真正的恐惧与爱，却能在医疗、教育、科研里当个好帮手。

"AI怎么能代替人呢？"——这话出自李飞飞之口。在Huberman Lab最新一期访谈中，这位斯坦福教授聊了视觉与AI的关系、为什么苏格拉底是史上最顶尖的"提示词工程师"、以及为什么不能一刀切禁止学生用AI。整场对话信息量不小，核心立场却始终没变：无论在医疗、影视还是教育领域，AI扮演的角色都是放大镜，不是替代品。

从"看见光"到ImageNet，视觉是智能的地基

很多人觉得光线感知和AI离得很远，李飞飞却说视觉是智能的基石，可以从生物演化和计算机视觉两条线来理解。五亿四千万年前，远古海洋生物第一次"看见"光，感光细胞的出现直接催生了寒武纪物种大爆发。对人类也一样——大脑皮层一半的神经活动与视觉相关，婴幼儿都是先学会"看"，再学会"说"。

视觉对AI的贡献，主要落在两处。一是算法灵感——上世纪五十年代，科学家发现哺乳动物的视觉系统有层级神经结构，这直接启发了早期神经网络的设计，如今模型参数规模虽然暴涨，根源仍能追到生物视觉研究。二是数据觉醒——本世纪初算法效果一直不理想，2006年李飞飞在普林斯顿做研究时才意识到，卡脖子的不是算法，而是训练数据太少。一个孩子到六岁就能认出桌子、椅子、花等几万样东西，靠的正是成长中看过的海量画面。受这个启发，他们不再死磕算法，转而发起ImageNet项目，攒出了千万级的图片数据集。

等2012年，大数据集、深度神经网络和GPU算力三者碰头，现代AI才算真正迎来转折点。拿ImageNet图像识别竞赛举例，人去分辨一千种物品，错误率大概只有4%，而且认错大多不是看得仓促，纯粹是东西长得太像、记混了品类。早年神经网络错误率降了一大截，却始终比不过人，一直到2016年，算法识别准确度才第一次超过人类。语音、听觉方向的发展路径几乎一模一样：2016到2017年Transformer架构出来后，性能很快甩开了图像领域最早的经典模型AlexNet，随后靠更完善的网络结构、海量文本素材和GPU算力，又迭代了整整五年，ChatGPT才在2022年正式问世。

AI学得会"像"，学不会"懂"

主持人提到人的一种天赋叫"物体恒存"：只看见一截猫尾巴，结合房间环境就能判断是家里养的猫而不是狐狸。AI什么时候能有这种结合场景的自主推理能力？李飞飞的回答很清醒——现在的大模型靠海量数据，确实能做出差不多的判断，但底层逻辑和人脑完全是两码事。小孩子只见过几只猫就能举一反三认出所有猫，AI却得刷完网上几乎所有猫咪图片，靠数据里的统计规律去分辨。两者学习逻辑天差地别，背后还有一堆待破解的科学难题。

再往深一层，自主创造力、独属于个人的内心感受呢？李飞飞说这问到了最核心的一点。互联网汇集了人类图文、影像等行为数据，这是AI之所以强大的根本；但那些高度私人化的思绪、情绪和心底感触，没有任何形式的记录，网上自然找不到，AI根本没办法学习和体会。AlphaGo下出的第37手看着像有创造力，可围棋有完整严谨的数学规则；反观不少顶尖数学难题，需要人跳出固有框架想出新解法，这种问题她更看好人和AI配合协作。

至于看到一只杯子，瞬间勾起只属于自己的童年往事——这种私人又主观的情感体验，是现阶段AI完全触碰不到的局限。将来用无创脑机设备读大脑信号能不能补上这块短板？李飞飞说理论上有实现的可能，但硬性前提是"人内心的心理活动信号，得能被传感器捕捉识别"，要是连人自己都没法用语言或动作把内心感受表达出来，机器自然也拿不到对应信息。

AI没有恐惧，也没有发自本心的共情

直觉、内心诉求、紧迫感这类本能的内在状态呢？AI有可能产生真正的内在驱动力吗？李飞飞的看法很直接：现在能通过设定目标函数让AI模仿出近似效果，比如深度思考模式、快速应答模式，但这些说到底只是调整数学参数。AI不会生出真实的恐惧和喜爱，更不存在发自本心的共情。它说出那些安抚人的话语，只是套用学到的语言表达模式，和人类心底的共情完全是两回事——这一点很有必要跟大众科普清楚。

也正因如此，监管的尺度要把握好。李飞飞提到她在斯坦福创办HAI（以人为本人工智能研究院）的初衷：AI行业的发展可以参照汽车、生物科技过往的治理经验，让所有相关方都参与进来。一方面制定行业伦理准则、在高校开设AI伦理课程、配套落地监管条例，像医疗AI这类高风险应用还需要类似FDA的权威机构设安全红线。她尤其强调：不能只让少数科技企业替整个社会做决定，单纯追逐市场收益的逻辑，绝不能凌驾于社会伦理与大众文化之上。

医疗里最动人的想象：AI当科研与诊疗的帮手

聊到AI在疾病发现和治疗上的应用，李飞飞说这是AI最有价值、也最让人期待的落地场景。生物医学体系本身在不断更新，几乎每个月都有新研究推翻过去的认知。比如教科书里一直讲神经元的动作电位遵循"全或无"原则，但多年前Nature上就有论文证实，同一个神经元产生的动作电位波形可以千差万别——业内几乎所有人都看过这项研究，却很少有人真正愿意接纳这种颠覆传统的结论。AI不一样，它可以毫无负担地全盘接受新设定，处理海量数据、吸收新知的效率，甚至超过斯坦福、MIT、加州理工等顶尖高校的研究生。

主持人也分享了自己的亲身经历：他之前经历眩晕，是AI帮他分清了根源到底是眩晕症还是血压过低，当时连一位专攻前庭问题的耳鼻喉专科医生一开始都判断失误了。最后发现是药物副作用让血压降得太低，补了电解质之后，两小时身体不适就完全消退。李飞飞借这件事说，医生完全可以把这类工具当诊疗帮手。她还讲了自己父亲的经历：老爷子在斯坦福做肝脏手术，手术靠达芬奇手术机器人完成、由主刀医生全程操控，这是典型的人机深度协作，而且得益于腹腔镜机器人技术，术中出血量比传统手术少了十倍。

那有没有可能训练出能全自动做肝脏手术的AI？主刀医生的答案并不乐观：人体肝脏结构错综复杂，血管分布密集，每个人的器官形态差异极大，就算汇总全世界所有病例，数据量也很难支撑算法达到稳定可靠的水平。这恰好印证了李飞飞反复强调的点——AI的判断全部依托数据里总结出的规律，一旦对应场景样本稀少，就要理性看待它的能力。像低血压、眩晕这类积累了海量病例的病症，AI就能充分发挥作用，给没法及时线下就医的人提供初步参考。

机器人该去的地方：火场、独居老人和病房

谈到机器人走进日常生活，李飞飞的落点很务实。她是独生女，家里两位长辈年纪大、身体不好、还不会英语，照料担子很重，她特别希望有机器人分担体力活——当然它替代不了亲情陪伴，只是帮人扛下繁琐费力的杂事。加州常年有山火，人类消防员冲进火场风险极高，这种高危作业完全可以交给机器人；独居老人买菜、取药、出门散步都不方便；医疗护理行业常年缺人，护士永远超负荷连轴转。她父亲住院时她亲眼看到，护士一个班次要来回跑无数趟取药、搬运物资。

她提到迪士尼《超能陆战队》里的大白（Baymax），那种充气软气球造型的医疗机器人，没有坚硬外壳，大众接受度会高很多。主持人则说，大众对机器人和AI的恐惧，很大一部分来源于它是实体的——人和实体机器共处，跟人与人相处完全是两回事。

更重要的是，未来的生活图景不该由某一家企业、一群投资人单方面定义，全社会都该主动参与构想。现在关于AI的舆论有个大问题：普通人永远只能被动接受技术带来的结果，却没办法参与前期设计规划。主持人补了几个具体想法：陪护机器人一路随行保护孩子上下学、做一个线上守护虚拟形象帮家长隔绝有害信息——李飞飞说这些思路完全能做成不错的创业项目。

影视行业：技术变了，故事的内核永远属于人

聊到AI与影视创作，李飞飞说这个话题很复杂，牵扯着很多创作者的顾虑。她把技术现状和就业冲击分开来看：单从技术层面，把剧本自动转换成镜头片段的能力已经十分成熟，市面上已经出现AI生成的短片甚至接近长片规模的作品。但一部作品的核心内核永远属于人类——那些独一无二的细腻情绪、叙事角度、镜头表达、人物塑造，都是编剧和作家不可替代的价值。如何用好AI工具承载人类的故事表达、放大表达者的能力，才是当下要解决的关键难题。

好莱坞业内普遍充满焦虑，技术冲击真实存在，但她更想强调的是积极应对、良性转型。她的联合创始人Ben之前和好莱坞知名编剧本·阿弗莱克深入交流过，对方也在用全新视角看待AI工具给电影制作带来的改变。技术从业者和影视创作者多多对话，在当下尤为关键。

两种极端都危险，孩子需要的是会提问

谈到教育，主持人抛出了家长的共同顾虑：AI这么方便，孩子一碰到难题就直接找AI解答，会不会就不愿意主动动脑了？李飞飞说最糟糕的情况，就是AI夺走年轻一代自主学习和生活的能力——无休止刷短视频、被动接收信息流，都会一点点消磨人的主观能动性。人脑的生理运转逻辑不会因为晶体管技术改变，人的成长尤其青少年阶段，学习本就需要投入时间、付出努力、经历挫折，学习的内生动力和自主思考的能力，不能被任何人、任何机器剥夺，这也是她最担心的一点。

但另一个极端同样危险：因为担心学生作弊，就一刀切完全禁止学生接触AI工具，这也是不可取的。只要学生保有主动求知的内在动力、掌握正确的使用方法，AI能把学习的深度提升到从前难以想象的地步。她拿自己举例：本科原本打算走医学预科路线，有机化学难度很高，她想吃透分子的空间结构，但助教答疑时间短、还总跟课程冲突，教授能答疑的时间也有限，学习处处受阻——如果当年有AI学习助手，就能针对卡壳的知识点反复提问。

所以她给出的理想局面是：守护好孩子们的求知欲与自主思考能力，同时引导他们合理运用AI。她还提出了一个很妙的观察——人类历史上最顶尖的"提示词工程师"是苏格拉底。他的诘问法本质就是层层递进、不断追问，顺着线索挖掘事物本质，这套思维方式完全可以教给孩子们。她特别希望中小学能把提示词思维纳入常规课程。

被忽视的教师，才是下一代的关键

访谈尾声，李飞飞把话题引向一个常被忽略的群体：老师。她观察到一个现象——政策制定者、投资人、科技从业者往往会忽略老师、家长与青少年这群核心人群。2022年ChatGPT刚上线，身为业内人的她第一时间给孩子的学校校长发邮件，主动提出入校做一场分享，给老师和学生科普新技术。她直言，硅谷的投资人、体量千亿的科技巨头，几乎没有人第一时间想到周边学校的授课老师，但这件事恰恰至关重要。

老师们的顾虑很现实："学生用AI抄袭作弊该如何管控？"这是非常合理的疑问。李飞飞的主张是走进校园，向老师们完整展示技术、赋能教育工作者，和他们一同摸索可行的解决办法。老师们学习能力强、也愿意主动改变，只是常常被外界忽略。想要守护下一代，一定要看见教师群体，帮扶老师与家长，才能真正引导青少年正确使用AI。

至于对人类未来的态度，李飞飞并不悲观。她见过很多优秀年轻人，明明能去大厂拿高薪，却选择加入World Labs，想用技术实实在在帮到普通人，只是这类声音太少，很难被大众听见。她提醒，如今公共舆论两极分化严重，一部分人忙着散播末日恐慌，另一部分人鼓吹技术无所不能，两种声音都太过极端。我们需要的，是回归客观中立的视角，理性看待技术本身，重点讨论该如何合理运用，让全社会一起掌握塑造未来的主动权。