李飞飞×休伯曼长谈：AI再强，也碰不到你的私密记忆

斯坦福教授李飞飞和神经科学家安德鲁·休伯曼坐在一起，从5.4亿年前三叶虫第一次看见光聊到Sora生成视频。这场对话的核心只有一个：AI该当人类的"放大器"，而不是"替代品"。

作为ImageNet项目的发起人和斯坦福以人为中心AI研究院的联合院长，李飞飞被称作"AI教母"。而安德鲁·休伯曼是斯坦福医学院的神经生物学与眼科学教授，也是著名播客Huberman Lab的主持人。两个人一个研究机器如何看见，一个研究大脑如何感知，这场跨界对话被许多听众形容为"2026年最值得反复听的一期"。

视觉，是智能最古老的起点

对话从一个生物学视角开场。5.4亿年前，三叶虫等早期海洋动物第一次感知到光线，这个简单的感光细胞，直接触发了生命史上的寒武纪大爆发。李飞飞说，感知外部世界改变了生物对自我的认知——一旦你能看见食物、天敌和配偶，进化的车轮就会疯狂加速。她指出，人类大脑一半的皮层活动都与视觉相关，儿童在学会说话之前，最先发展起来的也是视觉能力。

这条进化逻辑在人工智能里得到了完美的映射。早期的神经网络算法，灵感就来自神经科学家记录到的哺乳动物视觉细胞层级结构——它们从视网膜收集光线，一路识别到面前是什么形状。今天的神经网络虽然已经跑到数千亿甚至数万亿参数，复杂程度远超当初的生物学原型，但它的底层架构，依然连着半个世纪前人类对视觉通路的认知。

ImageNet时刻：2012年的"完美融合"

2006年，刚在普林斯顿执教的李飞飞和学生们发现，机器学习进展缓慢的根源不是算法不够聪明，而是"喂"给它的数据实在太少。人类婴儿在会说话之前，已经被海量的视觉数据包围；而当时的机器学习，还在极小规模的样本上博弈。

于是ImageNet项目诞生了。这个包含1500万张图像的数据集，成为AI领域第一个互联网规模的大型视觉数据库。2012年，海量数据、日益成熟的神经网络算法、能并行加速计算的GPU三股力量在同一个时刻会师，机器识别性能实现了跨越式进步。李飞飞回忆，这轮突破不是单靠算法，而是数据价值的一次"彻底清算"。到2016年，机器在识别一千种物体上正式超越了人类——感知智能的时代就此全面到来。

互联网再大，也装不下你的私密记忆

聊到AI的边界，休伯曼抛出了一个尖锐的问题：AI能不能捕捉那些从未被上传到互联网的东西？比如毕加索构思一幅肖像时的艺术直觉，比如你看到一只杯子时瞬间涌起的童年往事。

李飞飞的回答非常清醒。她提醒，互联网是"人类行为的最大集合体"——语言、照片、视频、音乐，几十亿人被数字化的表达都在里面。但恰恰是这一点决定了AI的局限：它学习的，是被数字化、被上传的部分；而人类那些高度私人化、从未留下任何数字痕迹的思绪和情绪，AI根本没机会触碰。当AI对你说"我很抱歉"，它只是通过概率学习知道这个情境下该输出这句话，并不是真的理解了你的痛苦。

她还用猫来举例。小孩子只见过三只、五只猫，就能举一反三认出所有猫，哪怕只瞥见一条尾巴；可AI得刷完互联网上几乎所有的猫图，再靠统计规律去判断。两者底层逻辑完全不同。休伯曼追问，未来用无创脑机设备能不能补齐这块短板？李飞飞承认理论上有可能，但有个硬前提：人内心活动的信号，得先能被传感器捕捉——如果一个人自己都无法用语言或动作表达出感受，机器也拿不到。

下一站：空间智能与"以人为中心"的AI

作为创业者，李飞飞创办的World Labs正在攻克她眼中AI的下一个前沿——空间智能。人类在学会说话之前，先学会的是在三维空间里移动和交互。让AI理解环境的深度、距离和物理规律，不仅能给自动驾驶和机器人更强的决策能力，还能让创作者只凭一句话或一张草图，就生成一个符合物理定律的三维交互世界。

访谈临近结尾，李飞飞把话题引向了教育。她担心在硅谷疯狂的技术竞赛里，教师和家长成了"被遗忘的群体"。整个社会都在讨论AI会不会取代工作，却很少有人关心学校里的老师该怎么应对。她呼吁社会主动赋能教育者，而不是居高临下地说教——"教师是我们社会中最重要的人，应当让他们看到，AI是教学伙伴，而不是作弊或失业的威胁。"

她总结自己是个对人类进步抱有根本乐观态度的科学家：我们不该被动接受AI的未来，而要通过社会规范、法律和职业教育，共同设计一个以人为本的科技文明。AI的价值，说到底在于增强人类的生产力、创造力与尊严，而不是把主动权从人手里夺走。