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。
