斯坦福大学神经科学教授Andrew Huberman与著名人工智能专家李飞飞进行了一场对话。他们从视觉与智能的进化起源谈起，回顾了ImageNet（神经网络）引发的现代AI革命，探讨了AI与人类大脑的异同，AI在医疗与视频生成领域的突破，以及“以人为中心的AI”理念，并认为“AI应被视为增强人类主体性（Agency）的工具，而非取代人类”。

李飞飞、安德鲁·休伯曼| 对话

砺石商业评论 | 编辑

1

进化、视觉与人工智能的起源

安德鲁·休伯曼：先从视觉谈起。在人工智能的未来发展中，视觉、观察以及光线有着怎样的特殊意义？

李飞飞：视觉是智能的基石，体现在两个平行的维度上——进化论赋予我们的启示，以及计算机视觉与AI的内在联系。

5.4亿年前，三叶虫等简单海洋动物第一次看到了光。在那之前没有听觉、没有嗅觉、甚至没有神经系统。但最初的光感受器细胞产生了一种进化力量——因为感知外部世界改变了你的自我认知，也改变了你与外部世界的关系。一旦你能看见食物、天敌和配偶，进化在动物物种形成方面经历了难以置信的加速。化石研究告诉我们，在动物首次感知光线1000万年后，发生了进化大爆炸，即寒武纪大爆发。

今天，人类大脑中一半的皮层活动都与视觉功能有关；儿童在具备语言能力之前，首先具备的是视觉能力。

视觉对AI的贡献也有两个方面。

其一是算法：20世纪50年代，Hubel和Wiesel等神经科学家记录哺乳动物大脑中的视觉细胞，发现了神经细胞的层级结构。这种从视网膜收集光线到识别形状的神经架构，正是神经网络算法的灵感来源。如今的神经网络运行在数千亿甚至数万亿参数之上，复杂程度虽已偏离生物原型，但起源紧密相连。

其二是大数据，这更接近我自己的工作。2006年我在Princeton执教第一年，注意到当时算法在学习过程中输入的数据量多么稀少——而人类在六岁时就已能识别成千上万种物体，婴儿从出生起就被视觉大数据淹没。所以我们推测，数据匮乏是AI进展缓慢的重要原因，并发起了Image Net项目，为计算机视觉收集了1500万张图像。这项工作与神经网络算法以及GPU计算的进步汇聚，到2012年，现代AI三大要素的融合成为定义现代AI的关键时刻。

2

ImageNet时刻与识别性能的飞跃

李飞飞：2012年的巨大融合在于三件事：GPU计算的能力，使浮点运算并行加速；经过几十年研究日趋成熟的神经网络算法；以及对大数据价值的认可——互联网让数据变得可用，大数据需要成为等式的一部分。

ImageNet挑战赛从2010年开始：一千个物体类别、超过一百万张图像，算法的任务是说出图片中的主要物体。斯坦福一位研究生对人类表现做了基准测试，错误率约4%（随机概率是千分之一）。最初几年机器不如人类；2012年神经网络算法使错误率大幅下降，研究界都知道，如此剧烈的变化意味着转折点的到来；到2016年，机器在识别一千种物体上超越了人类。

人类4%的错误率主要源于记忆有限——保留一千种物体类别的模式并不容易，而且不同品种的狗特征非常接近，确实是挑战。

3

听觉、自然语言与Transformer的飞跃

安德鲁·休伯曼：听觉领域是否也有类似探索？人类擅长识别语音语调和情感，但让我区分15种声音频率却很难。

李飞飞：闸门已经打开，AI的每一个子领域都在技术上得到真正的提升——语音识别、自然语言处理、视觉都在飞跃。我们在斯坦福的同事正在用机器学习研究鲸歌。

当Transformer论文于2016、2017年左右发表时，它迅速证明了自己比早期的AlexNet算法更强大。核心方法论并未改变：更强大的算法、互联网上更易获取的文本数据、更强大的GPU。OpenAI和Google等公司迅速围绕这一技术展开布局。从2017年到2022年，自然语言处理又花费了大约五年才迎来ChatGPT时刻，但这是向前迈出的重要一步。

4

情境化学习与视频生成的演进

安德鲁·休伯曼：一个孩子瞥见书架后露出的一条尾巴，就能推断那是猫——基于过往经验做出概率判断。机器学习和AI是什么时候获得这种情境化学习能力的？

李飞飞：几代机器学习科学家都尝试过解决这个问题。前几代算法内置过“常识规则”，比如先识别出家具从而判断这是室内、不可能有狐狸；或者把猜测空间限定在10种动物之内。人们尝试了许多想法。

它变得真正可靠的时刻，是当前这个时代——当算法学到的海量数据真正创造了机器已学空间中的能力：面对一张从书架外露出的猫尾巴照片，学习权重被激活，机器的评估更接近它所见过的内容。因为数据实在太庞大了。

但Andrew，我认为我们在这里与人脑产生了分歧：那个学会认识小猫的孩子，最多见过三只或十只猫，却仍能通过一条不同的学习路径识别出那是猫尾巴而不是狐狸尾巴。这些是我们尚未完全破解的谜题——当今通过海量数据学习的AI与人类进化方式之间存在差异。

至于你说的“让猫动起来”的转变，那一刻出现在视频成为训练数据的一部分时。2023年，多个研究团队开始将视频纳入训练数据；2024年1月Sora发布，人们输入“一只猫跑向一只老鼠”，就能生成猫以合理方式移动腿的片段。

这实际上并不像想象的那么具有革命性——归根结底依然是数据：通过标记化处理，将一系列帧组合成合理的类别和动作。算法并不了解猫腿的肌肉结构，但互联网上关于猫的视频实在太多了，它学习到了事物应该呈现的样子。从某种意义上说人类也是这样——我们大多数人也不了解猫的肌肉如何运动，只是见得太多，对猫的运动方式有了合理认知。这二者是相似的，这就是统计学。

5

创造力、情感与AI的局限性

安德鲁·休伯曼：互联网数据并非人类认知的全部。那些从未被上传至互联网的思绪与体验——比如对童年故居的怀念、抽象艺术触及的某种不可名状之物——AI该如何捕捉？

李飞飞：首先必须非常谨慎地认识到AI能做什么，并承认那些极其微妙、个性化、难以刻画、甚至无法捕捉的人类认知行为——正因为它们没有被捕捉到，所以没有上传到互联网上，今天的AI无能为力。

互联网是人类行为最大的集合体：全球人口在上面输入信息数十年，捕捉了从青少年闲聊到深度科学文章的一切；数字摄像头捕捉了图像和视频；音乐、演讲、歌唱也都已数字化。AI正在接受这些数据的训练，这就是它如此强大的原因。

但当Picasso对一幅肖像产生那种极其深刻的构思时，那种构思从未被捕捉过。作为神经科学家，你并不知道它源自大脑的哪个区域——是Broca？是V1？是前额叶？也许它弥散在各个部位。那个思想并未被捕捉到，因此它不在互联网上，AI还未曾见过它。这正是人类依然独特之处。

但也要给予AI认可：它能以极具创造性的方式组合信息。AlphaGo的第37手棋象征着AI的创造力——那确实是人类围棋大师们集体从未思考过的招法。但围棋是一种高度数学化的游戏，有非常明确的数学目标和落子规则，当AI拥有更强大的算力及记忆大量棋局的能力时，就能做出人类大脑通常无法做到的事情。那可以被称为创造力，但是一种特殊的创造力。

我曾与一位了不起的数学家交谈。他说当今数学界存在许多问题，即便是Fields Medalist也可能已经忘记了数学中存在着能够解决这些问题的已知方法——AI可以帮助我们。但他同时说，他不确定AI是否能解决所有的数学问题，因为其中一些需要尚未被发明的解法，这将把创造力推向全新的高度。

我的推测是混合模式：人类与AI并肩工作，将帮助我们解决那些尚未找到解法的问题。而情感的部分则更加个性化——如果这个杯子唤起了我童年的某个瞬间，而那种意义只有我和我最好的朋友才明白，那是我大脑中一段完全无法获取的信息。你可以称之为表达，称之为叙事，但那正是AI无法触及的领域。

6

大脑增强与人类主体性

安德鲁·休伯曼：我可以想象十年后，一种极精细的发网式非侵入设备能感知我的大脑活动、心率与警觉程度，帮助我了解自己为什么反复犯错、灵感来自何处。我们现在处理这些问题的方式太原始了——靠试错：一杯咖啡感觉不错，两杯就过量了。

李飞飞：这就是我一直强调的，也是当人们把AI描述得好像要取代人类时我感到困扰的原因。你所描述的实际上是关于增强和扩展人类能力，这甚至不需要科幻式的脑机接口——仅仅是AI学习，你写作的模式已经可以帮助你成为更好的沟通者。这是一种今天就能释放出来的赋能。

最重要的事情之一是：主观能动性（Agency）对人类至关重要。归根结底，这关乎每个个体层面的动力、主体性和尊严。我们必须将AI视为一种辅助我们发挥主体性的工具，它不应剥夺我们的主体性，当今AI领域的领导者们也不应试图那样去阐述。

安德鲁·休伯曼：对技术熟悉的人容易忘记它对普通人可能是可怕的，围绕该技术的话语方式至关重要。

李飞飞：他们应该有选择的权利。在此期间应该进行足够的公众教育和沟通，让人们了解利弊，而不是剥夺选择权，也不能因为觉得别人不懂就说“既然你不理解，那就让我来告诉你什么才是好的”。目前关于AI的言论正变得非常扭曲，那些了解它的人倾向于以居高临下的态度对待公众。这种论调是：你们不懂这是什么，我来告诉你们，我会为你们做决定。这些做法既不健康，也无益处。

对每一位个体而言，无论你是学生、教师、医生还是政策制定者，了解这项技术都非常重要，但不一定非要学习编程。你应该了解如何利用它来赋能你自己、你的学习、你的工作。通过学习，人们会感到更有掌控感，对尝试新事物会减少恐惧，能够保持那种主动权和尊严。

7

协作与共识：打破权力面纱

安德鲁·休伯曼：医学和学术界某种不为人知的秘密是，对运作机制保密本身存在一种权力效应，但这并不能造福任何人。当你揭开面纱让人们参与进来时，人们会感到更安全。

李飞飞：不分享信息确实存在一种权力效应，还有一种权力可以宣称“只需相信我会告诉你的”。但作为教育者，我们不会在讲座中说“只需相信2加2等于4”，我们实际上会说：这是分解并学习它的方法，这样下次你自己就能做了。我们需要听到来自不同背景的声音——有许多学者、技术专家、建设者和思想家一直在深入思考如何利用AI来赋能人类，这些声音非常重要。

8

AI在医学发现与临床中的应用

安德鲁·休伯曼：生物学的规则仍在向我们揭示自身。我曾学到动作电位是“全或无”的，但约12年前Nature上有论文指出动作电位的形状差异其实非常大，大家都看到了，但没人愿意去处理它——它改变了既定的规则。AI能否帮助我们攻克疾病、甚至制定新的发现规则？

李飞飞：你触及了AI最令人兴奋的应用领域之一——科学发现，而在生物医学领域，科学发现直接关联着人类的健康与疾病。我们已经准备好彻底重塑科学发现的方式了。

长久以来，科学发现一直依赖于聪明的头脑，以我们自身生理机能所限的速度去开展工作，人类大脑始终是这一过程中的唯一核心角色。现在我们拥有了一个新工具：它能够存储海量信息，帮助我们综合知识，并以你我无法企及的方式跨越学科界限。我对嗅觉领域一无所知，但这对我们的大脑来说太难的事情，现在有工具可以突破。就像150年前电力改变了生活中的一切，人们当时也一定在思考这些变革、机遇以及令人不安的时刻。

安德鲁·休伯曼：几个月前AI确实帮我区分了眩晕和低血压——结果是一种处方药的不良反应。我只花了一个上午，通过补充电解质，两小时后就恢复正常了。不是不要去看医生，但这确实令人难以置信。

李飞飞：顺便说一个我父亲的例子。他刚在斯坦福接受了机器人肝脏手术，由一位极其出色的外科医生操控Da Vinci系统完成，这是一种深层次的人机协作，失血量比普通手术少了10倍。

手术后我问那位外科医生，如果我们收集了所有人类外科医生的肝脏手术数据，是否有可能训练出自动化的AI？他的回答并不明确。因为肝脏血管分布极其密集，且每个人结构差异很大——即便汇总全世界的病例数据，可能依然不够。这引出一个重要事实，AI是通过模式进行学习的，当模式不够充分时，我们就必须谨慎对待，必须了解如何使用AI以及何时不该使用AI。由人类与机器人协作完成手术，远比一个学习不足的机器人独自进行手术要好得多。

而像你那种案例，体位与低血压的相关性可能已被报道过多次，数据库中已积累了足够的数据供AI学习。我们现在就可以利用这一点，帮助那些无法直接获得医疗资源的人群。

9

直觉、动力与机器的界限

安德鲁·休伯曼：直觉是否可以被赋予计算机？比如根据我对姐姐的爱，预测我们的关系将如何演变？机器会有动机吗？

李飞飞：先谈“直觉”。今天你使用AI chatbot时输入的提示词——“我是斯坦福教授”或“我是14岁的赛车爱好者”——已经被称为上下文（context）。即使问同一个问题，AI也会给出定制化的回答。这只是算法如何获取上下文并定制输出的数学事实，是一种相当浅层的“直觉”，因为你已经能用语言描述它了。

而你提到的更深层的直觉，你甚至不知道它们从何而来，是因为闻到了什么？荷尔蒙？情绪的混合？还是早餐？那种直觉AI无法触及。目前没有任何感官设备能收集到那种数据，甚至连提供给人类自己都做不到。判断标准其实很朴素：真正的分野在于数据是否可获取，无论通过语言、图像、影像还是脑波。如果它可获取，收集了足够多的数据就可以训练机器；如果不可获取，无论另一个人还是机器都无能为力。

再说“动机”。你可以在数学层面构建这种机制，在机器学习领域我们称之为目标函数。像ChatGPT有快速回答模式和深度思考模式，你如果对它过度拟人化，可能会称之为紧迫感，但事实是这只是算法的不同目标，在数学层面非常枯燥。

人类存在一些认知状态。无论是动力、紧迫感、恐惧还是爱，非常难以触及和表达。机器拥有这些吗？目前还没有。它们没有那样的数据，也没有那样的数学目标函数。当机器说“我很抱歉你今天病得这么重”时，只是因为它通过模式学习到这种情境下应该这样输出。而你的朋友说这话时，是希望你安好的，他们拥有共情能力。人类行为的驱动力、内在诉求以及触发机制，在当今的机器中并不存在。我们必须认识到并尊重这一点—，正因如此，公众传播才显得至关重要，我们不能让公众对此产生混淆。

10

社交媒体、具身化与社会规范

安德鲁·休伯曼：我们离“短信变成本人视频”还有多远？

李飞飞：技术已经成熟了。但我们现在必须审视相关的社会参数和法律影响。人类利用手中的工具能做很多事情，但我们并不会把所有事情都做一遍。例如，今天任何一家汽车制造商都可以声称每逢周五刹车就会失灵，这是一项极为简单的技术，但我们不会那么做，因为这对人类社会有极其恶劣的影响。这就是规则、法律、社会规范和道德发挥作用的地方，我们正是在这里离开了纯粹的技术讨论，进入人工智能的社会讨论层面。

安德鲁·休伯曼：技术专家热衷于追求速度，那么政府、公众、技术专家各方该如何对话，才能既不阻碍发展又达成共识？

李飞飞：这就是我当年从Google回归斯坦福并创立Human-Centered AI Institute的原因。2018年还没有ChatGPT，但作为AI科学家，我知道这种发展只会加速。整个社会在各个方面都需要意识到其社会影响，正如汽车、飞机、生物技术一样，这是多维度的、涉及多方利益相关者的。

以生物学为例，你们作为生物学家不会偷偷溜进实验室将狂犬病毒注入果蝇体内，这是职业规范和伦理训练的要求；存在IRB（机构审查委员会）监管框架；还有法律和监管法规。AI也必须经历同样的过程，我们需要建立自己的职业规范，需要开展教育，计算机科学家并没有接受过伦理学和社会科学研究方面的教育，许多大学正急于将这部分纳入教育体系。我们也应该与政府合作，审视监管措施应在何处发挥作用。

我不想看到的是，由个别人或少数来自行业的人士来告诉所有人该做什么。这很危险——市场力量不同于社会规范，文化与遗产也不同于教育和伦理。这些都是多利益相关方的问题。

11

学习、主体性与年轻一代

安德鲁·休伯曼：家长们在担心，孩子是不是永远也学不到东西了，只会用聊天机器人查询一切？AI 对青少年大脑可能产生积极、中性或负面的影响分别是什么？

李飞飞：最糟糕的结果是，年轻一代在学习和生活中的主体性及人类本源的动力被这些工具剥夺。刷短视频、被动观看，都无助于培养人的主体性。学习从根本上来说需要尊重生物硬件，需要时间，需要努力，有时甚至需要经历痛苦。我们的神经元以特定的方式活动，化学物质和激素以特定的方式发挥作用。无论未来职业如何更迭，人体都需要经历一个深度发育的学习阶段。那种学习的主体性和动力，绝不能被任何事物剥夺，不应被人类剥夺，也不应被机器剥夺。

另一种危险是，以主体性和动力为名，我们拒绝让学生使用这些工具，因为担心作弊。那也非常糟糕。我曾做过医学预科学生，有机化学太难了，助教时间太短，教授的办公时间有限，学习那些分子构型简直是一种挣扎。如果今天我能拥有一个AI伙伴，我知道自己卡在哪里，我有学习的动力，我只是需要一些指导，那对我而言会是非常强大的学习工具。

好的一面是，找到一种方法，让孩子们保持动力与主体性，接触并以正确的方式使用这些工具，那么这一代人将比我们聪明得多，因为他们拥有超强的能力。

AI甚至让我不再偷懒。以前我有疑问会去问身边觉得聪明的人，现在获取信息变得容易多了，我意识到不应该问那些偷懒的问题。AI正在迫使我不再那么懒惰。

安德鲁·休伯曼：提示词工程是一项技能。

李飞飞：这就是公共教育如此重要的原因。我很希望看到K-12学校教授提示词工程。如果苏格拉底活着，他会是人类最顶尖的提示词专家，苏格拉底的方法是什么？就是通过提问来进行提示并探求真理。我们应该回归并教导孩子们这一点。

12

具身智能、机器人与护理的未来

安德鲁·休伯曼：神经外科医生Eddie Chang让闭锁综合征的患者通过iPad重新交流，他们有她婚礼时的视频，了解她的声音、情感表达模式和肢体动作特征。相比于霍金式的机械音，这是指数级的飞跃。

李飞飞：这不仅是人的具身化，也是具身智能进入机器人领域。正如我一直所说的，AI的下一个前沿领域在于语言之外，因为人类的发展最初也是前语言阶段的，演化历经5亿年并无言语交流。

涉及硬件的技术，落地应用需要更长的时间。希望在你我的有生之年，能看到机器人成为社会的一部分。我是一个独生子女，要照顾两位高龄且病情严重的父母，他们还不会说英语，我所承担的工作量难以置信。机器人帮忙并不会减轻家庭的责任，不会减少爱，更不会省去必要的沟通，但在体力劳动方面，我确实希望能获得帮助。

我一直想那些独自居住的老人，他们如何购买生活杂货？如何获取药物？如果想出门散步呢？我们正面临护理人员短缺的问题。过去一个月我陪父亲住院，亲眼目睹护士们的工作量，值班期间为了取东西、拿药需要走上几英里。此类任务数不胜数，你能想象由机器人来帮忙吗？

安德鲁·休伯曼：我担心生活中充斥大量单一功能的硬件设备。

李飞飞：你知道Baymax吗？那是一个白色的医疗护理机器人，非常有弹性，感觉像一个大气球。多形态、多任务的机器人比那种充斥着金属硬件的世界更可取。

再说一次，当我们构想未来时，我始终会回到主体性这个核心概念上。人类应该拥有决定我们如何构想未来的主体性。不能仅仅由一家公司，或者某个投资者，来决定这个世界应该充斥着什么样的机器人。我们的社会应该共同且主动地进行构想。在当前的AI叙事中，我担心的一点是公众被置于一种被动应对的境地，仿佛某些人已经做出决定，而多方利益相关者并未参与到共同设计未来的过程中。

13

AI与人文关怀：共同设计未来

安德鲁·休伯曼：我小时候在Palo Alto打工时，常看到Steve Jobs光着脚在市中心走来走去。他明白计算机需要有圆润的边角，需要能顺滑地放进口袋，需要在界面上放上Bob Dylan之类的元素，从而柔化我们与技术之间的关系。我们需要一个真正了解人性的人，来促成人机之间这些良性的协作。

李飞飞：这样的人有很多。斯坦福成立了Human-Centered AI Institute，有许多企业家正在从事AI药物发现、AI医疗保健、AI老龄化、AI心理健康等令人难以置信的项目。我周围有许多才华横溢的年轻技术人员，本可以选择任何公司，但他们选择来到World Labs，因为他们想要赋予人类力量。

我认为目前的公众讨论并不平衡：有太多极端言论，极端的末日论让人们恐慌，极端的乌托邦主义仿佛技术永远不会出错，那种态度是不诚实的。我们应该达成共识，探讨这项技术究竟是什么，如何使用它，以及我们如何能够共同拥有那种引导未来的自主权。

安德鲁·休伯曼：人们并不想听关于机器的故事，但他们非常乐于听到AI治愈了他们爱犬的癌症、或是解决了困扰孩子多年的罕见症状。这些故事确实需要被传播，但得到的关注度远不及其他内容。

李飞飞：传统媒体并不真正关心事物的长期发展轨迹。斯坦福HAI的通讯、网站以及研讨会，都在大力推广这类工作。

14

World Labs与空间智能

安德鲁·休伯曼：介绍一下你的初创公司。

李飞飞：它叫World Labs，2024年初由我与几位联合创始人共同创立，对我而言算是我毕生的事业。我们都出身于视觉领域，认识到除了语言智能之外还有更多的东西，解锁空间智能和物理智能才是AI的下一个篇章。这并不排斥语言，而是构建基础模型，最终开发出能够解锁空间智能领域能力的产品，为创作者、机器人训练、建筑设计生成极具价值的三维或四维世界，或启用医疗、教育、机器人技术、工业领域的交互式环境。

World Labs所做的不仅仅是捕捉现实世界的图像。我们让人们能够构想出他们脑海中的画面，只要你能输入一段文字，或者展示一张图片、一份草图来表达你的想象，我们就会尝试将其转化为世界和环境。娱乐产业、设计行业会用它，机器人行业也非常需要它来构建训练环境。将捕捉现实世界与捕捉你想象中的世界相结合，就是新的前沿领域。

15

AI与电影制作：叙事的力量

安德鲁·休伯曼：理论上，有了AI，你可以把剧本交给它，让它把电影制作出来。

李飞飞：这是一个非常微妙的话题，让我们把工作层面的讨论与技术层面的讨论分开。仅从技术本身来看，从剧本生成镜头的技术已经发展到相当程度，视频片段的生成效果正变得非常出色，我们已经看到一些由AI 工具整合而成的短片，甚至几乎是长篇电影。

但依然深刻植根于人类且至关重要的部分，是讲故事和故事创作的每一个环节——包含着人类独特的情感、故事、技法、世界观、运镜方式以及对角色的塑造。这正是好莱坞和小说作家们创作的核心所在。

我的联合创始人Ben和我一起见了Ben Affleck，他也在以非常前卫的思路思考如何利用AI工具进行电影制作。在这个时刻，让技术专家与叙事者或电影制作者之间进行对话至关重要。

World Labs也在与VFX行业合作。对我而言，让客户和用户感到被赋能至关重要，技术不应该夺走他们的工作，而应该让他们的工作变得更好，为他们的创造力提供超能力。

安德鲁·休伯曼：我小时候Palo Alto的那家相机店，冲洗胶卷、出租长焦镜头，现在一切都数字化了，但相机店依然存在。行业是可以转型演变的，并不总是被彻底消灭。

李飞飞：没错，它会演变，人们也会进行技能重塑和提升。变革的时刻既是机遇的时刻，也是损失的时刻，我们确实需要对此深思熟虑。

16

教师与家长的角色：被遗忘的群体

安德鲁·休伯曼：7岁到20岁的孩子对AI感觉如何？

李飞飞：这是我作为教育工作者和技术专家倾注心血的领域。无论走到哪里，我都会尝试与学生、家长和老师们交流，因为我认为他们是被遗忘得最彻底的群体。我们的决策者、技术专家和投资者，从来不谈论老师、家长和学生。

我对孩子们始终抱有希望。人类永远学不会的最重要的一点，就是老一辈人总是在哀叹下一代，仿佛下一代一无是处、粗鲁无礼、忘却过去；但如果你审视人类历史的弧光，总体而言，我们是在向更好的方向发展。从根本上讲，我是一个对人类进步持乐观态度的科学家。

但孩子是充满好奇心的，我所担忧的是老师和家长。我们当今的社会，尤其是硅谷，并没有给予他们应有的帮助，我们正在遗忘他们。他们是我们社会中最重要的人，我们应该与他们对话，提升他们的地位，支持他们，为他们提供资源。

讲一个真实的故事：2022年11月ChatGPT发布时，作为业内人士，我做的第一件事就是给孩子所在的小学校长发邮件，说我想去为学生和老师做一场客座讲座。当ChatGPT问世时，人们首先想到的不是“我们社区里的老师们该怎么办”，没有人会那样想。但我们需要与老师们沟通，向他们展示这些技术，与他们合作并赋予他们权力。

我对孩子们抱有希望，但为了不盲目乐观，我们都应该铭记教师、帮助教师和家长，这样我们才能帮助孩子。现在老师们打开电台，大多数播客让他们感到的只有恐惧。如果他们得不到帮助，我们的孩子也就得不到帮助。

17

结语

安德鲁·休伯曼：飞飞，非常感谢。基于你今天分享的内容，我怀着谨慎的乐观，甚至比以往更加乐观。也感谢你为我们普及了更多神经科学知识——这些机器的研发受到大脑的启发，而我们对大脑的认知也因这些机器而得到了深化。

李飞飞：谢谢你，Andrew。我非常珍惜这次对话。这是一个文明发展的关键时刻。