李飞飞这期在 Huberman Lab 的播客非常值得一听，建议大家听播客原文，以下笔记只是一个导读。这个播客是全球收听量最大的健康类播客之一，2025 年进入 Spotify 全品类全球前十。主持人 Andrew Huberman 是斯坦福医学院神经生物学教授，节目以长对话著称，单期时长常超过两小时，YouTube 订阅者超过 760 万。所以两个人很多内容聊得比较细致。

当然，关于 AI 的部分，由于有科普的性质，可能从业人员都不陌生了。不过 李飞飞谈话中最精彩的部分，往往是人文的部分。比如这次播客，她讲数据的重要性，但是也从数据角度出发，举例体现人的重要性。李飞飞说毕加索绘画的时候，脑海中的数据从未被人得知，而 AI 来自于数据，所以人的独特性也就得到了保留。 

她没说是哪幅。不过如果一定要推测，可能性最高的是《镜前的少女》（Girl before a Mirror，1932）。画中人物是当时 22 岁的玛丽 - 泰蕾兹 · 沃尔特。毕加索把她的侧面、正面和镜中形象组合在一起，明显符合这段对话讨论的 " 用特殊方式表现年轻女性 " 和抽象创造。

1.  5.4 亿年前的一束光

大约 5.4 亿年前，简单的海洋动物（三叶虫及其近亲）出现了最早的光感受细胞。在那之前，动物几乎没有感知外界的能力，没有听觉，没有嗅觉，连神经系统都不存在。触觉大约同期开始萌芽，但光是第一个。

光感受细胞改变了动物与外部世界的关系。能看见意味着能主动寻找食物和配偶，也意味着自己成了别的动物的猎物。进化的压力骤然增大。化石记录显示，第一次感知到光之后大约 1000 万年，出现了被称为 " 寒武纪大爆发 " 的物种分化高峰。

这个事实的重要性到今天没有减退。据估计，人类大脑皮层活动的一半与视觉功能相关。儿童在语言能力之前就先具备了视觉能力。从 5.4 亿年前到今天的婴儿，视觉一直占据着智能的核心位置。

20 世纪 50 年代，神经科学家 Hubel 和 Wiesel 开始记录哺乳动物大脑中的视觉细胞，发现了一个层级结构：从视网膜收集光信号，到逐层传递神经信息，最终识别出眼前的形状。这个发现对计算机科学的影响是直接的。同一个时期，计算机科学家开始构建神经网络算法，灵感正是来自这种哺乳动物视觉通路中的层级架构。

今天的神经网络运行在数千亿乃至万亿参数之上，复杂度已经远离了当年从大脑中记录到的结构。但起源是共享的，距今大约七十年。

2.  " 我们需要数据 "

2006 年，李飞飞在普林斯顿做第一年助理教授。当时的 AI 是一个机器学习实验场，不同实验室在尝试各种算法。神经网络有人做，贝叶斯方法有人做，支持向量机也有人做。李飞飞和学生一起审视这些算法的时候，注意到一个所有人都忽略了的问题：喂给算法学习的数据量太少了。

她转向认知神经科学文献寻找线索。研究显示，人类在 6 岁前就能学会辨认数以万计的物体类别。婴儿从出生起几乎每时每刻都在接收视觉信息，这是一个海量的数据灌注过程。

她由此做出了一个当时相当离经叛道的判断：AI 进展缓慢的核心瓶颈可能在数据，不在算法。

"Everyone else was focusing only on algorithm, and we said we need data."  所有人都只盯着算法，而她选择赌数据。

这个判断催生了 ImageNet 项目。李飞飞团队收集了 1500 万张图像，覆盖日常物体（话筒、杯子、椅子），目标是驱动机器识别现实世界中的东西。2010 年开始，她的实验室推出了一项公开挑战赛，即 ImageNet Large Scale Visual Recognition Challenge，邀请全球研究者来解决物体识别问题。数据集包含 1000 个类别、超过 100 万张测试图像。规则简单：算法看一张图，说出图中的主要物体，猜对得分，猜错不得分。

3.  2012 年的拐点

挑战赛前两年，机器的表现不如人类。斯坦福一位研究生后来专门做了人类基准测试，错误率大约 4%（随机猜测会是千分之一）。4% 已经不低了，因为 1000 个类别中包含大量外形接近的子类，比如不同品种的狗，人眼也容易混淆。

2012 年，三件事同时成熟了。GPU 计算实现了并行加速，让大规模运算变得可行。神经网络算法经过数十年的迭代，成熟度到了一个临界点。ImageNet 提供了足够规模的训练数据。那一年，一个名为 AlexNet 的深度神经网络在挑战赛中将错误率从之前的 26% 直接拉低到 15% 左右。

人类的 4% 错误率是怎么来的？主要不是因为时间压力，而是因为人脑的记忆容量有限，要保持 1000 个物体类别的识别模式并不容易。更麻烦的是数据集里有很多外形极为接近的子类，比如不同品种的狗，人眼也经常混淆。

这个跳跃幅度本身就是信号。  在研究领域，渐进式改进是常态，而一步跨越十几个百分点意味着拐点到了。到 2015 至 2016 年间，算法在命名 1000 种物体的任务上超过了人类 4% 的错误率。

ImageNet 打开的闸门远不止计算机视觉。语音识别、声音识别、自然语言处理，AI 的每一个子领域都在这次收敛之后获得了技术提升。斯坦福有同事开始用机器学习研究鲸鱼歌声。" 数据 + 算法 + 算力 " 的配方证明了自己，而这个配方是通用的。

2017 年，一种叫 transformer 的新型神经网络架构被提出，在处理序列数据方面比 AlexNet 时代强大得多。这次领跑的领域换成了自然语言处理，因为互联网上最容易获取的大规模数据是文本。加上更强的 GPU，OpenAI 和谷歌快速推进，从 2017 年到 2022 年 11 月 ChatGPT 面世，又走了大约 5 年。

4.  一个孩子只需要 3 只猫

配方相同，但学习机制完全不同。一个孩子可能只见过 3 到 10 只猫，就能在书架后面看到一截尾巴时判断 " 那是猫 "。AI 做同样的事需要海量视频和图像。这两者的学习路径有本质差异，其中的机制至今没有被完全解开。

围绕猫的例子还可以往上走一层。大约 2023 年开始，多个研究团队将视频纳入训练数据。2024 年初 OpenAI 发布 Sora 时，用户输入 " 一只猫追老鼠 " 就能生成一段看起来合理的短视频，猫的四肢按顺序迈步，姿态流畅。

这看起来像是 AI 理解了运动，但实际发生的事情没有那么玄妙。AI 不知道猫腿的肌肉怎么连接，它只是看过太多猫的视频，学会了猫运动 " 应该长什么样 "。  李飞飞指出，大多数人类的情况其实也类似：我们不知道猫的肌肉结构，但见过太多猫走路，对 " 合理的猫步态 " 有一个统计性的判断。这恰恰是 AI 与人类在学习机制上最相似的地方。

但那个孩子用 3 只猫就完成的事，AI 需要整个互联网来追赶。这个差距指向了我们对学习本身的理解仍然有巨大的空白。

5.  互联网上没有毕加索的念头

理解 AI 的能力天花板，先要准确理解它的数据来源。互联网不是一个随机的东西，它是人类行为最大的多模态集合。  李飞飞把它拆开来看：全世界人口几十年的打字行为，从青少年闲聊到被数字化上传的深度科学论文。数码相机和智能手机拍下的海量照片，从家里的猫到 BBC 的专业摄影。视频带来了声音和运动，音乐也被上传了。

AI 在这个庞大的库上训练，所以它强大，尤其在语言方面，因为太多人类知识已经以文字形式存在了。

但有一类信息永远不在这个库里。当毕加索产生那个关于如何表现一位年轻女性肖像的深刻想法时，那个想法从未被捕捉。作为神经科学家，如果有人问那个想法来自大脑的哪个区域，答案是不知道。是布洛卡区？V1 视觉皮层？前额叶？运动皮层？也许弥散在各处，因为那个想法极度个人化。你可以叫它创造力，叫它情感，叫它任何名字。它没有被捕捉，因此不在互联网上，因此 AI 没有见过。

李飞飞把日常生活中模糊的 " 直觉 " 也拆成了两层。浅层的那部分已经可以处理：你在 AI 对话框里输入 " 我是斯坦福教授、神经科学家 "，AI 就会针对你的身份定制回答。换一个人输入 " 我是 14 岁的赛车爱好者 "，问同一个问题，答案就不同了。这在计算机科学里叫 context，是数学运算，谈不上直觉。

深层的那部分就完全够不到了。你突然对某件事有强烈感觉，不知道是因为闻到了什么、是荷尔蒙波动还是今天的早餐。你说不出来，甚至无法用手势传递给另一个人。伴侣之间有时能感觉到对方情绪不对，但说不清哪里不对，只能默默走开让对方静一静。如果一个人都无法把这个信息传递给另一个人，机器就更没办法。

她强调这没有什么神秘的，完全可以用科学过程来描述：信息是否可以通过语言、图像、脑电波、皮肤电导率等任何传感器被采集？如果可以，并且有足够的量，AI 就有可能学习它。如果不可以，目前做不到。

2016 年 AlphaGo 对战李世石时的 Move 37 常被引用为 AI 具有创造力的证据。第二局中，AlphaGo 下出了一步围棋大师们从未想到的棋。李飞飞对此的判断很有分寸：这算创造力，但是一种 " 特殊的创造力 "。  围棋是高度数学化的游戏，目标明确，规则清晰。AI 拥有比人脑更大的算力和更强的记忆能力，能在人类无法穷举的空间中搜索。这和一个画家凝视空白画布时涌现的东西不同。

她提到了和一位顶级数学家的对话。这位数学家的判断是：数学中有很多未解难题，即使是菲尔兹奖得主也可能忘了历史上已有的某些解题方法，AI 可以帮忙找到这些被遗忘的工具。但有些数学问题需要的解法根本还没有被发明出来。那种层次的创造力，他认为最可能的路径是人类与 AI 的混合创造。

AI 和人在情感层面的差异甚至更根本。机器说 " 你生病了我很抱歉 "，是因为它在训练数据中学到了一个模式：当有人说 " 我生病了 "，应该回复 " 我很抱歉 "，而不是 " 我很高兴你生病了 "。你的朋友说同样的话，是因为他们真心关心你的健康，不想看你受苦，经历过疼痛因而能产生共情。"We operate fundamentally different from today's AI and we have to recognize that, respect that."  今天的机器和人类在根本层面上的运作方式不同，这一点必须被清楚地认识和尊重。

6.  一个早上解决了专科医生解决不了的问题

科学发现这件事本身，可能也需要重新来过。几百年来，它依赖聪明的人类大脑记住前人的知识，然后以人类肌肉的速度做实验。但人脑的带宽是有限的。李飞飞以自己为例：她在视觉神经科学和 AI 领域深耕，但对嗅觉系统的了解几乎为零，连同事论文里的专业词汇都可能拼不出来。AI 可以打破这道学科的墙。它的 " 大脑 " 能保留海量信息，能跨领域综合知识，能把一个领域的方法搬到另一个领域。这种能力对科学家来说是一个全新的工具。

Huberman 有一次服用了医生开的药物后出现头晕，感觉像天旋地转。他以为是眩晕，咨询了一位专攻前庭系统的耳鼻喉科医生，也没有得到准确判断。

他把自己一两天内的主观感受输入 AI 聊天机器人。AI 区分了眩晕和低血压的不同症状表现，指向药物引起的血压过低。他按照这个方向补充电解质，两小时后症状消失。他事后把这个结果拿回去给几位医生看，对方的反应是真心惊讶。

Huberman 自己也说了一个限定条件：有安慰剂效应的可能性，而且如果医生能当面做更多检查，判断可能会不同。但这个案例的价值不在于 AI 比所有医生强。重点是它零成本、即时可用，对那些无法立即接触到医生的人意义重大。

李飞飞的父亲在斯坦福接受了一台肝脏手术，由外科医生操控达芬奇机器人系统完成。术后出血量只有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能力。这台手术本身就是一场深度的人机协作：机器执行精密动作，人类做判断和决策。

手术后她问了外科医生一个问题：如果把全世界做过同类肝脏手术的数据都收集起来，能不能训练一个全自动 AI 手术系统？这位外科医生的答案并不明确。肝脏是一个高度血管化的器官，血管密布，每个人的肝脏差异很大。即使汇总全球数据，这种手术每年全球做的总量有限，样本量可能仍然不够训练算法。未来是否可以创造肝脏的人工模拟环境，在模拟中训练无限多的可能性？这是一个还没有答案的科学问题。

这个对话揭示了一个可以反复使用的判断标准：AI 从模式中学习，当模式不够丰富时，就必须谨慎。  眩晕和低血压的鉴别诊断已经被报告了无数次，数据充足，AI 已经相当可靠。个体化的复杂外科手术数据稀缺，人机协作目前优于纯机器方案。同一个底层原理，在不同数据条件下指向不同的结论。

7.  ChatGPT 发布那天，她给孩子学校写了封邮件

目前的 AI 公共话语存在两个极端。一端是极端末日论，让人恐惧。另一端是极端乌托邦论，把技术描绘得完美无缺，公众的反应通常是 " 你当然这么说了，你是既得利益者 "。懂技术的人倾向于居高临下地和公众对话，不管出发点是好是坏，传递出的信息都是 " 你们不懂这个，让我来替你们决定什么是好的 "。

Huberman 举了一个生物学领域的例子来说明技术人为什么需要外部约束。他有一个做病毒研究的朋友，曾经想把改造过的狂犬病毒放进果蝇体内做实验。技术上可行，科学价值也有，但如果有一只携带病毒的果蝇逃出实验室，后果不堪设想。走进任何一个生物系都能看到几只乱飞的果蝇，它们喜欢醋，会飞到你的沙拉上。这个实验最终被否决了。做技术的人天然想 push 边界，但社会需要制衡机制。

2022 年 11 月 ChatGPT 发布，李飞飞作为技术圈内部人，第一反应不是评论技术本身，而是联系了自己孩子所在小学的校长，说想来给学生和老师做一次讲座。因为硅谷没有人在 ChatGPT 出来的那一刻想到 " 我们社区的老师怎么办 "。  没有投资机构，没有万亿市值公司，第一时间想到了邻里的教师。

"They are the most important people in our society. We should be talking to them. We should be uplifting them."  老师是社会中最重要的人之一。应该和他们对话，给他们支持。

她认为对 AI 最差的两种态度同样有害。一种是 AI 被错误使用，让年轻一代的能动性和学习动力被工具夺走。无限刷短视频、被动消费内容，这些不利于大脑发育。不管技术怎么变，人类的神经元、化学物质、激素有自己的运作方式，学习需要时间、需要努力、有时需要经历痛苦。

另一种坏结果是以 " 学生会作弊 " 为由禁止学生接触 AI 工具。李飞飞回忆自己做医学预科生时学有机化学的经历。助教时间太短，教授 office hour 和其他课冲突，学起来非常吃力。如果当时有一个 AI 学伴，她可以在自己卡住的地方反复提问。她有学习动力，只是缺少指导。正确的做法是保住能动性的同时给学生工具，而不是二选一。

学会提问是使用 AI 的关键技能。她做了一个类比：如果苏格拉底还活着，他会是最好的 prompter。苏格拉底方法的本质就是通过提问来追寻真理。这件事应该从 K-12 阶段就开始教。

8.  一个瘫痪十年的女人用自己的声音说话了

Huberman 提到了他的好友、UCSF 神经外科主任 Eddie Chang 的工作。Chang 团队通过脑机接口，让因瘫痪而丧失语言能力的患者重新与世界交流。

其中一位女性患者已经瘫痪多年，完全无法开口。团队在她的大脑表面植入了电极阵列，读取她试图说话时产生的神经信号，再由 AI 算法将信号解码为文字和语音。关键在于，团队找到了她婚礼上的视频，知道她本来的声音和表情模式。最终她在身旁的 iPad 屏幕上，以自己的面部形象和声音与他人对话。系统通过机器学习持续更新，还能感知对话者的反应并做出调整。

这个案例不是技术展示，是能动性被归还了。它也标志着 AI 正在走出纯语言的范畴，进入具身化的阶段。人类的发展轨迹是先有视觉和空间理解，后有语言。进化在没有语言交流的状态下走了 5 亿年。AI 如果只停留在语言层面，就错过了智能的一大块。

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，公司已累计融资 12.3 亿美元，投资方包括 AMD、Autodesk、NVIDIA、Fidelity 等。第一个产品 Marble 允许用户通过文字、图片、视频或 3D 布局生成可持续编辑的三维环境。目标客户覆盖创作者、建筑设计师、机器人训练和 VFX 行业。

机器人是另一个具身化方向，但涉及硬件，落地速度慢得多。李飞飞估计可能需要 30 年才能真正融入社会。需求清单却已经很长了。加州每年经历山火，让人类消防员冒生命危险去救援并不理想。护士在一个班次内要走好几英里去取药品和物资，长期超负荷工作。独居老人取药、买菜、想去公园散步，这些简单的事情对行动不便的人来说是巨大的障碍。

李飞飞自己是家中独生女，正在照顾两位年迈多病且不说英语的父母。她说这种照护工作量巨大，机器人能承担一部分体力劳动，同时不替代家庭责任、爱和沟通。

人们对机器人的不适感很大程度上来自物理硬度和占据空间的方式。她提到了迪士尼大约十几年前的动画角色大白（Baymax），一个医疗机器人，外形像一个大气球，触感柔软。比起金属质感，这种设计更容易被人接受。如何想象人与机器人共存的未来，不应该由某家公司或某个投资人单方面决定。  公众应该作为利益相关者之一参与设计这个未来，而不是被动地等别人做好了再反应。

9.  谁来做 AI 时代的乔布斯

AI 工具已经可以根据剧本生成视频镜头，甚至组装出接近长片长度的电影。但故事创作、镜头运用、角色塑造这些能力仍然深度依赖人类。好莱坞对 AI 取代编剧和演员有强烈恐惧，这种恐惧来自工作岗位被技术冲击的真实压力。

李飞飞认为当前阶段最需要的是让技术人和创作者面对面对话。她的联合创始人 Ben 和演员本 · 阿弗莱克（Ben Affleck）见了面，讨论 AI 在电影制作中的应用。阿弗莱克对 AI 工具的态度相当前瞻。World Labs 也在和 VFX 行业合作。技术应该让创作者的工作变好，让他们的创造力被放大。

乔布斯（Steve Jobs）理解计算机需要圆角、需要放进口袋、需要在开机画面上放鲍勃 · 迪伦。他能把冷冰冰的技术变成人愿意放在手边的东西。AI 领域目前没有这个角色。技术社区最聪明的人不被公众接受，部分原因是公众不理解他们，但也因为他们缺少一个合作者来帮助用公众能接受的方式分享愿景。

传统媒体在放大这道裂缝方面也有责任。它们靠 " 科技巨头来抢你饭碗 " 这类叙事赚流量，而真正在用 AI 帮人恢复语言能力、帮人学习的故事得到的关注少得多。Huberman 总结了一个观察：人们不想听机器的故事，但人们想听一个人用机器治好了孩子的病的故事。  这些故事存在，只是还没有被足够多地讲出来。

李飞飞在这次对话中反复锚定的一个词是能动性（agency）。不管是学生学习、患者就医、老人照护还是公众参与 AI 治理，她都回到同一个落点：人应该有选择权，应该有主动性，应该被当作有能力理解事物的主体来对待。技术应该增强这一切，而不是替代它。

核心问答

Q1: AI 的智能从何而来，它的天花板在哪？AI 的训练数据本质上是互联网，而互联网是全人类几十年来通过打字、拍照、录视频、做音乐所产生的多模态行为集合。这解释了 AI 为什么强大。它的天花板在于：没有被捕捉为数据的人类认知（高度个人化的情感、记忆、深层直觉），AI 无法学习。判断 AI 能否处理一件事，核心问题是：那个信息能被采集吗？有足够多的同类数据吗？

Q2: AI 在医疗和科学发现中最大的机会和限制分别是什么？机会在于 AI 能跨学科综合信息、保留人脑无法记住的知识量，且零成本即时可用。限制在于数据丰富度：在鉴别诊断等有大量报告的领域，AI 已经够准。在数据稀缺的领域（如个体化的复杂手术），人机协作优于纯机器方案。同一个底层原理，在不同数据条件下指向不同的结论。

Q3: 普通人现在应该对 AI 做什么？学习它。不一定要学编程，但要理解 AI 是什么工具、怎么用它来增强自己的学习和工作。学了之后会更有掌控感，不容易被恐惧或乌托邦话术牵着走。同时关注教师和学校，他们是帮助下一代正确使用 AI 的核心角色，但目前被整个 AI 话语体系忽视了。