李飛飛深度解讀：為什么空間智能是通往AGI的關(guān)鍵技術(shù)？

文 | 劃重點(diǎn)KeyPoints

12月12日，斯坦福大學(xué)教授、“AI教母”李飛飛在最新訪談中，回顧了她職業(yè)生涯中的關(guān)鍵時(shí)刻，并分析AI作為一項(xiàng)文明技術(shù)，對(duì)全球經(jīng)濟(jì)、教育和勞動(dòng)力市場(chǎng)帶來(lái)的深遠(yuǎn)影響。

李飛飛詳細(xì)介紹了她在2009年構(gòu)建的ImageNet項(xiàng)目，如何成為AI領(lǐng)域的大數(shù)據(jù)拐點(diǎn)。

現(xiàn)代人工智能的突破源于一個(gè)核心科學(xué)假設(shè)：機(jī)器可以像人類幼兒觀察世界一樣，通過(guò)感知海量物體和場(chǎng)景進(jìn)行學(xué)習(xí)，而證明這一假設(shè)需要一個(gè)前所未有的大規(guī)模數(shù)據(jù)集。李飛飛表示，構(gòu)建ImageNet的核心挑戰(zhàn)是獲取數(shù)以千萬(wàn)計(jì)的高質(zhì)量的人工標(biāo)注圖像。為保證機(jī)器訓(xùn)練的能力質(zhì)量，她選擇眾包工程的方式，利用亞馬遜土耳其機(jī)器人（Amazon Mechanical Turk）進(jìn)行大規(guī)模并行處理，將數(shù)十億張圖像濃縮為1500萬(wàn)張高質(zhì)量數(shù)據(jù)，使ImageNet成為了當(dāng)時(shí)人工智能領(lǐng)域最大的計(jì)算機(jī)視覺訓(xùn)練和評(píng)估數(shù)據(jù)集。

2012年，ImageNet的海量數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)算法，以及GPU支持的快速并行計(jì)算首次結(jié)合，共同促成了“ImageNet分類深度卷積神經(jīng)網(wǎng)絡(luò)方法”的實(shí)現(xiàn)。許多人認(rèn)為，這標(biāo)志著現(xiàn)代人工智能時(shí)代的正式開啟。

對(duì)于未來(lái)AI的探索方向，李飛飛認(rèn)為，World Labs正在構(gòu)建下一代空間智能。World Labs的核心技術(shù)模型Marble，能夠根據(jù)用戶輸入的文本或上傳的圖像素材，在幾分鐘內(nèi)生成一個(gè)可供拖動(dòng)和探索的3D數(shù)字世界。她強(qiáng)調(diào)了Marble對(duì)前沿科技的推動(dòng)作用：

一方面，Marble可以作為機(jī)器人訓(xùn)練的模擬環(huán)境，生成海量且多樣化的訓(xùn)練數(shù)據(jù)。盡管這一應(yīng)用目前尚處于早期階段，但它為機(jī)器人提供了進(jìn)入現(xiàn)實(shí)世界之前的“飛行模擬器”。

另一方面，Marble還能應(yīng)用于精神病學(xué)研究，以極低成本改變環(huán)境維度，幫助研究人員對(duì)患有強(qiáng)迫癥等心理障礙的人群進(jìn)行觸發(fā)因素和治療方法的研究。

李飛飛稱自己為“務(wù)實(shí)的樂(lè)觀主義者”，她不相信極端的烏托邦或悲觀主義論調(diào)，認(rèn)為人們當(dāng)前忽略了人在人工智能中的重要性。在AI的未來(lái)影響方面，她認(rèn)為有兩個(gè)領(lǐng)域的影響被普遍低估：

教育領(lǐng)域的變革：AI將加速提供學(xué)習(xí)機(jī)會(huì)，并將對(duì)現(xiàn)有的學(xué)校體系和人力資本評(píng)估格局產(chǎn)生影響，傳統(tǒng)的學(xué)歷背景將不再是評(píng)估工人資質(zhì)的唯一標(biāo)準(zhǔn) 。

勞動(dòng)力市場(chǎng)的“混亂中間階段”：“所有工作都會(huì)消失”的言論被夸大了，但政策制定者、學(xué)者和社會(huì)普遍低估了從知識(shí)型工作者到藍(lán)領(lǐng)、再到服務(wù)業(yè)，這一系列正在發(fā)生的“混亂的中間階段”的變革過(guò)程。

最后，針對(duì)年輕人的職業(yè)發(fā)展，李飛飛強(qiáng)調(diào)了“學(xué)習(xí)如何學(xué)習(xí)”的重要性，她建議年輕人利用AI工具終身學(xué)習(xí)來(lái)強(qiáng)化自我。同時(shí)她指出，在教育評(píng)估中，不應(yīng)將人類與AI對(duì)立，而是應(yīng)鼓勵(lì)學(xué)生利用批判性思維，整合跨學(xué)科知識(shí)，改進(jìn)AI的初步答案，展示人類學(xué)習(xí)者的價(jià)值。

李飛飛訪談內(nèi)容劃重點(diǎn)：

1.ImageNet與現(xiàn)代AI的誕生

ImageNet在2007年至2009年間構(gòu)建，是AI領(lǐng)域“大數(shù)據(jù)”的轉(zhuǎn)折點(diǎn)。它的重要性在于與神經(jīng)網(wǎng)絡(luò)算法、GPU（圖形處理器）的結(jié)合，實(shí)現(xiàn)了圖像識(shí)別領(lǐng)域的里程碑式突破，這一時(shí)刻被許多人認(rèn)為是現(xiàn)代人工智能的開端。

2.空間智能是AI領(lǐng)域的下一個(gè)前沿

李飛飛的創(chuàng)業(yè)公司W(wǎng)orld Labs專注于空間智能，她認(rèn)為這與語(yǔ)言智能一樣，是解鎖機(jī)器能力的根本性技術(shù)?？臻g智能是人類在三維世界中“看與做”的完整閉環(huán)，涵蓋了理解環(huán)境、與環(huán)境互動(dòng)、創(chuàng)造事物等能力。AI在這方面仍處于早期階段，但潛力巨大。

3.警惕AI發(fā)展中對(duì)人的主體性的忽視

AI是一種文明級(jí)技術(shù)，對(duì)經(jīng)濟(jì)、社會(huì)、文化產(chǎn)生深遠(yuǎn)影響。李飛飛強(qiáng)調(diào)AI的核心是人，人創(chuàng)造、使用并受到AI的影響。她最大的擔(dān)憂是，在AI發(fā)展過(guò)程中，人們作為個(gè)體和社區(qū)的自尊心和主體感可能會(huì)被剝奪。

4.“學(xué)會(huì)學(xué)習(xí)”的能力比學(xué)位更重要

在AI時(shí)代，擁有“學(xué)會(huì)學(xué)習(xí)的能力”比學(xué)位更加重要。她透露World Labs在招聘軟件工程師時(shí)，更看重應(yīng)聘者對(duì)AI協(xié)作工具的使用意愿、學(xué)習(xí)速度和成長(zhǎng)心態(tài)。她建議學(xué)校的評(píng)估體系應(yīng)進(jìn)行調(diào)整，展示AI工具的水平，并讓學(xué)生挑戰(zhàn)超越這個(gè)基準(zhǔn)，成為最優(yōu)秀的人類創(chuàng)造者。

5.科學(xué)是多代人思想的非線性傳承

李飛飛反對(duì)“單一天才神話”，認(rèn)為科學(xué)發(fā)展并非單線、而是多代科學(xué)家和工程師跨學(xué)科思想相互影響、共同努力的非線性傳承。她指出ImageNet大數(shù)據(jù)假設(shè)就受到了心理學(xué)家關(guān)于兒童視覺學(xué)習(xí)研究的啟發(fā)。

以下是李飛飛訪談內(nèi)容實(shí)錄：

1. 童年經(jīng)歷與教育歷程

主持人：李博士，很高興見到您，感謝您抽出時(shí)間。

李飛飛：嗨，Tim。很高興來(lái)到這里，我感到非常興奮。

主持人：讓我們開始這次對(duì)話吧。請(qǐng)您按時(shí)間順序介紹一下您的基本情況。您是在哪里長(zhǎng)大的？您能描述一下您的成長(zhǎng)經(jīng)歷嗎？因?yàn)閾?jù)我所知，您的父母在我的經(jīng)驗(yàn)中，對(duì)中國(guó)父母來(lái)說(shuō)是相當(dāng)不同尋常的。您能談?wù)勥@一點(diǎn)嗎？

李飛飛：我會(huì)說(shuō)我的童年歲月，是一部《雙城記》。我出生在北京，但大部分童年是在中國(guó)的一個(gè)叫成都的小鎮(zhèn)度過(guò)的，那里以熊貓聞名。在我15歲的時(shí)候，我和媽媽加入了在美國(guó)的爸爸，去了一個(gè)叫帕西帕尼（Parsippany）的新澤西小鎮(zhèn)。我從一個(gè)相對(duì)典型的中國(guó)中產(chǎn)階級(jí)家庭的孩子，變成了一個(gè)完全不同世界里的新移民，還是在新澤西。我需要學(xué)習(xí)一門新的語(yǔ)言、一種新的文化，去擁抱一個(gè)陌生的國(guó)家。后來(lái)我去了普林斯頓大學(xué)，主修物理學(xué)。然后我去了加州理工學(xué)院攻讀博士學(xué)位，學(xué)習(xí)人工智能（AI）。

主持人：我想聽聽您父母雙方的情況，但我想多了解一些關(guān)于您父親的事。據(jù)我所知，他似乎是一個(gè)非常異想天開、富有創(chuàng)意的靈魂。這與一些人形成鮮明對(duì)比，比如我在播客上邀請(qǐng)過(guò)卜沙（Bo Shao），他是一位了不起的企業(yè)家，他的父親可以說(shuō)是人們想象中會(huì)聯(lián)想到的那種“虎爸”。在卜沙的成長(zhǎng)過(guò)程中，他父親非常嚴(yán)格，如果卜沙贏得了一次數(shù)學(xué)競(jìng)賽，他會(huì)得到額外的關(guān)愛，并被允許擁有某些獎(jiǎng)勵(lì)。您能描述一下您的父母嗎？

李飛飛：首先，很明顯您讀過(guò)我的書，謝謝您。確實(shí)如此，小時(shí)候你并不知道這些，但當(dāng)我回顧自己的成長(zhǎng)經(jīng)歷時(shí)，我才發(fā)現(xiàn)：天哪，我的爸爸真的一點(diǎn)也不“典型”。

我的爸爸那時(shí)就很愛大自然，現(xiàn)在仍然很愛。他只是充滿了好奇心。他能在不那么嚴(yán)肅的事物中找到幽默和樂(lè)趣，例如他非常喜歡蟲子和昆蟲。在20世紀(jì)80年代的中國(guó)長(zhǎng)大，物質(zhì)資源并不十分充裕。我們居住的城市成都當(dāng)時(shí)正在擴(kuò)張，我們住在城市邊緣的公寓小區(qū)，但我父母都在市中心工作。所以周末，我爸爸就會(huì)帶我在還有稻田的田野里玩，那里有水牛，我還有一只小狗。我的記憶里基本上就是和蟲子打交道。

有時(shí)候我和爸爸會(huì)去附近的山里畫畫，那是因?yàn)槲疑狭艘婚T兒童美術(shù)課。我對(duì)父親整個(gè)童年的記憶就是他非常不嚴(yán)肅，他完全不關(guān)心我的成績(jī)，也不關(guān)心我在課堂上做了什么，更不關(guān)心我是否帶回了任何比賽獎(jiǎng)項(xiàng)。這與他的價(jià)值觀無(wú)關(guān)。即使我們來(lái)到新澤西后，生活變得非常艱難，這是移民生活的一部分，我們一度非常貧困。我記得他仍然在庭院甩賣（yard sale）上玩得非常開心。庭院甩賣幾乎是我們每個(gè)周末的活動(dòng)，他會(huì)把它當(dāng)成尋寶游戲來(lái)玩。他就是這樣，對(duì)生活充滿了好奇心，保有一顆孩子般的心性。

主持人：為什么您的父母要來(lái)到新澤西呢？是什么促成了這個(gè)決定，或者說(shuō)背后的原因是什么？

李飛飛：我給您兩個(gè)答案。從我青春期早期的視角來(lái)看，我當(dāng)時(shí)并不知道原因。我爸爸在我12歲時(shí)就離開了，我和媽媽是在我15歲時(shí)搬去和他會(huì)合的。那幾年正值青少年的年紀(jì)，腦子里會(huì)冒出很多奇怪的想法。我只知道他們說(shuō)“我們?nèi)ッ绹?guó)吧”，我當(dāng)時(shí)一點(diǎn)概念都沒有。我真的不知道會(huì)發(fā)生什么。我模糊地感覺到自己不是一個(gè)典型的孩子，我是一個(gè)女孩，但我超愛物理，甚至還特別喜歡戰(zhàn)斗機(jī)。我可以告訴你所有我喜歡的戰(zhàn)斗機(jī)型號(hào)，我都非常喜歡。所以我只是知道有這些因素。事后來(lái)看，我的父母他們是非常勇敢的人，因?yàn)槲也淮_定在這個(gè)年齡，我是否會(huì)做出同樣的決定。離開一個(gè)我熟悉的國(guó)家，去到一個(gè)我不了解、不會(huì)說(shuō)當(dāng)?shù)卣Z(yǔ)言、一無(wú)所知的地方。

而且請(qǐng)注意，那還是在互聯(lián)網(wǎng)和人工智能出現(xiàn)之前的時(shí)代。所以當(dāng)你要去另一個(gè)國(guó)家時(shí)，你就被“切斷”了，你就像是去了另一個(gè)星球。是的。我覺得他們非常勇敢。作為一個(gè)心智成熟的女兒，我意識(shí)到他們希望我能獲得一個(gè)機(jī)會(huì)，一個(gè)他們認(rèn)為對(duì)我的教育而言是前所未有的機(jī)會(huì)。

主持人：我也想聽聽您母親的情況，因?yàn)閮H從您父親的背景來(lái)看，就感覺非常迷人且不同尋常，那么人們可能會(huì)想，這種動(dòng)力和對(duì)技術(shù)的專注是來(lái)自哪里呢？我很想聽您對(duì)此的回答，同時(shí)也想請(qǐng)您解釋一下，鮑勃·薩貝拉（Bob Sabella）是誰(shuí)？

李飛飛：好的，這里主要有兩個(gè)問(wèn)題：我媽媽是否注入了這種動(dòng)力和技術(shù)熱情？以及鮑勃在我的生活中扮演了什么角色？

首先，我媽媽在技術(shù)方面可以說(shuō)是一竅不通，我現(xiàn)在有時(shí)候還會(huì)笑話她。這么說(shuō)吧，她不擅長(zhǎng)數(shù)學(xué)。所以我想，技術(shù)上的熱情是我與生俱來(lái)的，是先天的。我爸爸雖然更偏向技術(shù)，但他比起方程更愛昆蟲和小蟲子。作為一個(gè)教育者這么多年，無(wú)論對(duì)我自己還是對(duì)我的孩子，我認(rèn)為你必須尊重自然界中的奇跡，內(nèi)心保有這種愛與熱情，以及隨之而來(lái)的激情和好奇心。

但我媽媽確實(shí)是一個(gè)更有紀(jì)律性的人。她也不是那種“虎媽”——我不記得我媽媽曾經(jīng)追著我要成績(jī)。我的父母從來(lái)都不在乎我是否帶獎(jiǎng)項(xiàng)回家。我可以告訴您，我們家里沒有任何“墻上掛件”來(lái)展示這些。這一點(diǎn)一直延續(xù)到了今天，我自己的房子和辦公室里都沒有任何成就或獎(jiǎng)項(xiàng)的裝飾。

我媽媽不在乎那些榮譽(yù)。但她確實(shí)在意我是否是一個(gè)專注的人。如果我要做某件事，她不希望我邊做作業(yè)邊玩。她會(huì)說(shuō)：“先把作業(yè)做完。在下午六點(diǎn)前完成。如果你不把作業(yè)做完，剩下的時(shí)間就不能做任何其他事?！薄澳惚仨殲楹蠊?fù)責(zé)?！彼?，她灌輸了一些紀(jì)律，但也就到此為止。她比我爸爸更嚴(yán)厲。

鮑勃是我在新澤西泰坦高中二年級(jí)的科學(xué)老師。高中時(shí)我開始上AP微積分，但他很快就成為了在我這個(gè)青少年小移民的成長(zhǎng)歲月中，最有影響力的人。他成了我的導(dǎo)師、我的朋友，后來(lái)他全家都成了我的“美國(guó)家人”。后來(lái)我自己成為教師后，整天教書真是很累。更糟的是，他還會(huì)利用他的午休時(shí)間為我上那節(jié)額外的課?，F(xiàn)在我比十幾歲時(shí)更懂得感激，我現(xiàn)在比作為一個(gè)青少年時(shí)更感激。感謝那些付出額外努力的老師。這真是難以置信。

我真的認(rèn)為公立教師是我們社會(huì)中被低估的英雄。因?yàn)樗麄円獞?yīng)對(duì)來(lái)自各種背景的孩子，他們正在應(yīng)對(duì)不斷變化的時(shí)代。那種故事，鮑勃會(huì)和我分享的，關(guān)于他如何去做的那些額外的努力，不僅僅是對(duì)我，而是對(duì)許多學(xué)生也是如此。因?yàn)檫@是一個(gè)以移民為主的城鎮(zhèn)，青春期問(wèn)題尤為突出。所以他的學(xué)生們來(lái)自全世界各地，以及他怎樣幫助了他們和他們的家人。

2. ImageNet的產(chǎn)生背景

主持人：我很好奇ImageNet是如何產(chǎn)生的，你可以用任何你喜歡的方式介紹。你可以告訴大家它是什么、后來(lái)變成了什么以及為什么重要，然后再談?wù)勊侨绾伍_始的；或者你也可以直接談?wù)勊侨绾伍_始的。

李飛飛：那我就來(lái)解釋一下什么是ImageNet。ImageNet 表面上是在2007到2009年間構(gòu)建的，那時(shí)我還是一名助理教授在普林斯頓，然后我搬到了斯坦福。所以在這段過(guò)渡時(shí)期，我的學(xué)生和我共同構(gòu)建了這個(gè)，在那時(shí)人工智能領(lǐng)域中最大的，用于計(jì)算機(jī)視覺或視覺智能的訓(xùn)練和評(píng)估數(shù)據(jù)集。

ImageNet 在今天是大數(shù)據(jù)的拐點(diǎn)。在ImageNet 之前，AI 作為一個(gè)領(lǐng)域，并沒有從事大數(shù)據(jù)方面的工作。正因?yàn)槿绱艘约捌渌恍┰?，人工智能陷入停滯。公眾認(rèn)為那就是AI 寒冬。即便作為一名研究人員，當(dāng)時(shí)是個(gè)年輕研究員，對(duì)我來(lái)說(shuō)這是最令人興奮的領(lǐng)域，但我明白它沒有展示出公眾所需的突破。

但I(xiàn)mageNet 與另外兩種現(xiàn)代計(jì)算要素共同作用。其中一種叫做神經(jīng)網(wǎng)絡(luò)算法。另一種是現(xiàn)代芯片，稱為GPU（圖形處理單元）。這三件事在2012 年匯聚成了一項(xiàng)標(biāo)志性工作、里程碑式的工作，名為 ImageNet 分類深度卷積神經(jīng)網(wǎng)絡(luò)方法。

那是一篇論文，表明由ImageNet 提供的大量數(shù)據(jù)的結(jié)合，以及通過(guò) GPU 實(shí)現(xiàn)的快速并行計(jì)算，并且一個(gè)神經(jīng)網(wǎng)絡(luò)算法可以實(shí)現(xiàn)在圖像識(shí)別領(lǐng)域的 AI 表現(xiàn)。許多人稱那個(gè)特定的里程碑為現(xiàn)代AI 的誕生。如果把元素都算進(jìn)去，我的工作可以說(shuō)是其中的三分之一。我認(rèn)為那就是它的重要性。我真的非常幸運(yùn)和受寵若驚，我自己的工作在讓現(xiàn)代AI 成為現(xiàn)實(shí)方面起了關(guān)鍵作用。

事實(shí)證明，物理教給我的不僅僅是數(shù)學(xué)和物理。它真正帶給我的是這種去提出大膽問(wèn)題的熱情。所以到了本科快結(jié)束時(shí)，我也想要一個(gè)屬于我自己的大膽問(wèn)題。我并不滿足于僅僅去追隨別人大膽的問(wèn)題。通過(guò)閱讀書籍等等，我意識(shí)到我的熱情不在于物質(zhì)層面，而更多是關(guān)于智能。

我當(dāng)時(shí)真的非常著迷于這個(gè)問(wèn)題，那就是“什么是智能”以及“我們?nèi)绾沃圃熘悄軝C(jī)器”。那時(shí)候我發(fā)誓我根本不知道那叫做AI。我只知道我想研究智能以及智能機(jī)器。之后我申請(qǐng)了研究生院，我想我認(rèn)為就是在那一刻我成為了一名初露頭角的AI 科學(xué)家。那是我的正規(guī)訓(xùn)練，作為計(jì)算機(jī)科學(xué)家在AI 方面的。然后我的物理學(xué)訓(xùn)練在某種意義上繼續(xù)著，物理學(xué)教會(huì)我提出大膽的問(wèn)題，并把它們變成指引方向的北極星。用科學(xué)術(shù)語(yǔ)來(lái)說(shuō)，那顆北極星就變成了一個(gè)假設(shè)。

對(duì)我來(lái)說(shuō)，確立我的北極星目標(biāo)非常重要。而我的第一個(gè)北極星目標(biāo)，在接下來(lái)的這些年里，就是解決視覺智能的問(wèn)題。就是我們讓機(jī)器“看見”世界的方式。而且不僅僅是通過(guò)“看見” RGB 顏色或光的明暗程度，就是要理解所見之物的意義。我在看著你，Tim。我看到你。我看到你身后有一幅很美的畫。我不知道那是不是真的。我看到你就那樣坐在椅子上，就像在看一樣?！翱匆姟本褪抢斫膺@個(gè)世界的方式。所以那就成了我的北極星問(wèn)題。而我當(dāng)時(shí)的假設(shè)是我必須解決目標(biāo)識(shí)別問(wèn)題。

主持人：我能在這兒打斷你一下嗎？因?yàn)檫@是關(guān)鍵點(diǎn)。我要讀一段來(lái)自Wired 的文章，里面詳細(xì)討論了你。他們說(shuō)“問(wèn)題是一位研究員可能會(huì)寫出一個(gè)算法用于識(shí)別狗和另一個(gè)用于識(shí)別貓。然后李開始想知道這個(gè)問(wèn)題是否不是模型，而是數(shù)據(jù)。她認(rèn)為如果一個(gè)孩子通過(guò)體驗(yàn)來(lái)學(xué)習(xí)觀察，通過(guò)觀察感知視覺世界無(wú)數(shù)物體和場(chǎng)景，在她早年，也許計(jì)算機(jī)可以用類似的方式學(xué)習(xí)?！蔽蚁Ｍ隳苓M(jìn)一步詳細(xì)說(shuō)明這一點(diǎn)。對(duì)我來(lái)說(shuō)問(wèn)題是，你當(dāng)時(shí)是怎么看見這一點(diǎn)的？為什么它沒有更早發(fā)生？

李飛飛：我們都是歷史的學(xué)生。我其實(shí)不喜歡科學(xué)史敘述的一點(diǎn)是過(guò)于強(qiáng)調(diào)單一天才。我們知道牛頓發(fā)現(xiàn)了現(xiàn)代物理學(xué)定律，但他確實(shí)是個(gè)天才，這并不妨礙對(duì)牛頓的尊重。但是，科學(xué)是一脈相承的傳統(tǒng)，而科學(xué)實(shí)際上是非線性的傳承。

例如，為什么我會(huì)被這個(gè)假說(shuō)所啟發(fā)？因?yàn)樵S多其他科學(xué)家激勵(lì)了我。在我的書中，我談到了這位教授的一系列工作，比爾曼，他是一位心理學(xué)家。他對(duì)AI 不感興趣，而是對(duì)理解心智感興趣。我在讀他的論文，他特別談到了幼兒在早期能夠?qū)W習(xí)到的大量視覺物體。那件作品本身并不是那樣的意象。但如果不讀那件作品，我就不會(huì)提出我的假設(shè)。

主持人：我很高興你強(qiáng)調(diào)這一點(diǎn)，單一英雄旅程的簡(jiǎn)單性很有吸引力，它很簡(jiǎn)單，但幾乎從不真實(shí)。

李飛飛：這可能永遠(yuǎn)不是真的。即使是我最大的偶像，愛因斯坦。任何認(rèn)識(shí)我的人，任何讀過(guò)我書的人都知道我有多敬佩他，我只是愛他所做的一切。狹義相對(duì)論方程是洛倫茲變換的延續(xù)。就連愛因斯坦，他也是在許多其他人的工作基礎(chǔ)上發(fā)展的。所以我認(rèn)為這非常重要，尤其是我相信我們會(huì)談到這一點(diǎn)。

我現(xiàn)在在硅谷的中心給你打電話。我們正處在人工智能熱潮之中。很顯然，我對(duì)我的領(lǐng)域感到非常自豪，但我認(rèn)為，當(dāng)媒體或其他渠道講述人工智能的故事時(shí)，幾乎總是只講幾個(gè)天才，而事實(shí)并非如此。這是幾代人的共同努力，由促成這一領(lǐng)域發(fā)展的計(jì)算機(jī)科學(xué)家、認(rèn)知科學(xué)家和工程師們共同完成的。

主持人：談到ImageNet，我很想請(qǐng)你談?wù)勂渲幸恍╆P(guān)鍵性的決定或時(shí)刻，它們?cè)谒茉霫mageNet的成功過(guò)程中起到了關(guān)鍵作用。比如說(shuō)，如果你想讓機(jī)器學(xué)會(huì)識(shí)別物體，更接近孩子學(xué)習(xí)的路徑，你就需要標(biāo)注大量的圖像。我閱讀了關(guān)于Mechanical Turk如何介入，以及隨后出現(xiàn)的競(jìng)爭(zhēng)性方面，這似乎推動(dòng)了一些重要的分水嶺時(shí)刻。你能具體談?wù)動(dòng)心男┮蛩鼗驔Q策促成了它的成功嗎？

李飛飛：很多人問(wèn)我這個(gè)問(wèn)題，因?yàn)樵贗mageNet之后，很多人嘗試去制作數(shù)據(jù)集，但仍然只有極少數(shù)取得了成功。那么是什么讓ImageNet如此成功呢？我認(rèn)為其中一個(gè)成功因素是時(shí)機(jī)。我們確實(shí)是最先看到大數(shù)據(jù)影響的人之一，那非常有決定性，或者說(shuō)，那種定性的改變本身就是成功的一部分。但正如你所問(wèn)，大數(shù)據(jù)的假設(shè)不僅僅在于規(guī)模。實(shí)際上，很多人誤解了ImageNet以及其他數(shù)據(jù)集的重要性。伴隨數(shù)據(jù)集而來(lái)的，是一個(gè)關(guān)于“應(yīng)該提出什么問(wèn)題”的科學(xué)假設(shè)。例如，在視覺識(shí)別中，你可以制作一個(gè)用于辨別RGB顏色值的數(shù)據(jù)集，但它的影響力不會(huì)像圍繞對(duì)象組織的數(shù)據(jù)集那樣大。

我們可以深入探討原因。這不是因?yàn)镽GB本身更簡(jiǎn)單，而是因?yàn)槟惚仨氁哉_的方式提出科學(xué)問(wèn)題。另一個(gè)例子是，與其制作一個(gè)物體的數(shù)據(jù)集，你為什么不做一個(gè)城市的數(shù)據(jù)集呢？那比對(duì)象復(fù)雜得多，但那就太復(fù)雜了。所以，對(duì)于每一個(gè)科學(xué)探索，你都必須有正確的假設(shè)，并提出正確的問(wèn)題。因此，成功的一個(gè)部分是我們定義了“視覺對(duì)象分類”這個(gè)正確的假設(shè)。

我想那是第一種正確性。另一種正確性是人們可能認(rèn)為，“哦，這很簡(jiǎn)單，你只需要收集大量數(shù)據(jù)。”首先，這很費(fèi)力。但即便撇開費(fèi)力不談，你如何定義質(zhì)量？你可能會(huì)說(shuō)，如果數(shù)量足夠大，我們就不在乎質(zhì)量。但你如何在兩者之間進(jìn)行權(quán)衡？什么才算是“大”？什么是“好”？以及你如何權(quán)衡這些？這是一個(gè)非常深?yuàn)W的科學(xué)問(wèn)題，我們需要做大量研究。另一個(gè)非常困難的決策是：什么定義了圖像質(zhì)量？是不是每張圖像都有更高的分辨率？它是逼真攝影風(fēng)格的嗎？是不是因?yàn)檫@是日常影像，看起來(lái)很雜亂？所有產(chǎn)品照都是看起來(lái)很干凈的嗎？這些問(wèn)題如果你離得太遠(yuǎn)，根本不會(huì)想到去問(wèn)。但作為一名科學(xué)家，當(dāng)我們?cè)跇?gòu)建物體識(shí)別的深層問(wèn)題時(shí)，我們必須從如此多的維度去提問(wèn)。

然后你提到了亞馬遜土耳其機(jī)器人（Amazon Mechanical Turk）。那實(shí)際上是絕望的產(chǎn)物。當(dāng)我們提出這些假設(shè)時(shí)，我們的結(jié)論是我們至少需要數(shù)以千萬(wàn)計(jì)的高質(zhì)量圖片，覆蓋所有可能的多樣維度。無(wú)論是用戶照片、產(chǎn)品拍攝，還是圖庫(kù)攝影之類的，我們都需要高質(zhì)量的標(biāo)簽。一旦我們做出那個(gè)決定，我們意識(shí)到這必須由人從數(shù)十億張圖像中篩選出來(lái)，因此我們變得非常絕望。我們當(dāng)時(shí)想，我們要怎么做到這一點(diǎn)？

我確實(shí)嘗試過(guò)雇用普林斯頓的本科生。普林斯頓的本科生非常聰明，但是他們非常重視時(shí)間的價(jià)值，而且他們很昂貴。即使我有天文數(shù)字的錢，那也會(huì)花非常長(zhǎng)的時(shí)間。所以，我們真的被卡住了很久。我們以為還有其他捷徑，但事實(shí)是人工標(biāo)注是金標(biāo)準(zhǔn)。我們希望訓(xùn)練的機(jī)器能以人類能力為衡量標(biāo)準(zhǔn)，所以當(dāng)時(shí)我們不能走捷徑。

因此，我們不得不采用后來(lái)被稱為眾包工程的方法。那時(shí)眾包還是一項(xiàng)非常新的技術(shù)，大概才剛一歲左右，由亞馬遜提供。他們創(chuàng)建了一個(gè)在線市場(chǎng)，讓人們通過(guò)做一些小型任務(wù)來(lái)賺取報(bào)酬。我記得當(dāng)我第一次聽說(shuō)Amazon Mechanical Turk時(shí)，我就登錄了我的Amazon賬戶。我查看的第一個(gè)任務(wù)，只是想試一試，是轉(zhuǎn)寫葡萄酒瓶上的標(biāo)簽。任務(wù)會(huì)給你一張酒瓶的圖片，你得說(shuō)這是1999年的波爾多，諸如此類。人們會(huì)上傳這些微型任務(wù)，然后由線上工作者來(lái)完成，比如像我這樣在閑暇時(shí)間的人，我就會(huì)去注冊(cè)，然后接這些活來(lái)賺錢。我們意識(shí)到，那又是一種絕望驅(qū)使下的舉動(dòng)，它是一種大規(guī)模并行處理，與全球在線人群的處理來(lái)為我們完成這件事。這就是我們將數(shù)十億張圖像濃縮為1500萬(wàn)張高質(zhì)量圖像的方式。

主持人：我想我讀到的例子是：識(shí)別照片中的熊貓，他們會(huì)因?yàn)樽R(shí)別熊貓而獲得報(bào)酬。還有什么能讓他們?cè)诿繌堈掌锒紲?zhǔn)確識(shí)別出熊貓？所以，你也必須遵循激勵(lì)機(jī)制。你是怎么算出那個(gè)的？

李飛飛：這就是我和我的學(xué)生們?yōu)橹g盡腦汁的地方。我數(shù)不清我們聊了多少小時(shí)來(lái)處理質(zhì)量控制相關(guān)的問(wèn)題。首先需要篩選出那些認(rèn)真愿意做這項(xiàng)工作的人，然后我們必須做一些前置測(cè)驗(yàn)，監(jiān)控標(biāo)注者的工作質(zhì)量。

主持人：我想問(wèn)你一件事，因?yàn)槟惚环Q為AI的教母。你在AI領(lǐng)域擁有長(zhǎng)期的歷史視角，能夠觀察到它的發(fā)展、分叉，以及這種技術(shù)的危險(xiǎn)與希望。你覺得人們忽略了什么？你認(rèn)為是什么在消耗房間里所有的注意力？無(wú)論是他們應(yīng)該知道的事情，還是他們應(yīng)該保持懷疑的事情，或者其他方面？

李飛飛：特別是考慮到我現(xiàn)在是從硅谷中心給你打電話，我覺得人們忽略了人在人工智能中的重要性。這個(gè)說(shuō)法有多重面向或維度。也就是說(shuō)，人工智能絕對(duì)是一項(xiàng)文明技術(shù)。我把“文明技術(shù)”定義為：由于這項(xiàng)技術(shù)的力量，它將會(huì)或已經(jīng)在經(jīng)濟(jì)上、社會(huì)上、文化上、政治上對(duì)我們社會(huì)的下游產(chǎn)生深遠(yuǎn)影響。

我剛聽說(shuō)一個(gè)未經(jīng)證實(shí)的消息，說(shuō)去年美國(guó)GDP增長(zhǎng)中，有很大一部分歸因于AI的增長(zhǎng)。顯然這個(gè)數(shù)字是，美國(guó)GDP增長(zhǎng)了4%，如果去掉AI，只增長(zhǎng)了2%。這就是從經(jīng)濟(jì)角度來(lái)說(shuō)的“文明性”的含義。這顯然也在重新定義我們的文化，想想你在談?wù)摗拔呷珗?chǎng)空氣”這個(gè)詞，它從好萊塢到華爾街，到硅谷，到TikTok、YouTube、Instagram，無(wú)處不在。我覺得還有更多的焦慮是關(guān)于人們的尊嚴(yán)感和自主感，感覺自己被排擠在未來(lái)之外。我認(rèn)為我們需要改變這種狀況。

主持人：我聽你說(shuō)過(guò)，你之所以是個(gè)樂(lè)觀主義者，是因?yàn)槟闶莻€(gè)母親。無(wú)論是極端的樂(lè)觀還是極端的悲觀，都可能以對(duì)我們無(wú)益的方式造成偏見或產(chǎn)生盲點(diǎn)。我很好奇你是否會(huì)盡量以最客觀的方式來(lái)評(píng)估。戴著那頂帽子，對(duì)任何人來(lái)說(shuō)都很難，但如果你試著去做，你覺得人們是不是過(guò)于擔(dān)心，擔(dān)心得不夠，還是在為錯(cuò)誤的事情擔(dān)憂？你覺得人們是否在為正確的事情擔(dān)憂，還是在某種程度上已經(jīng)迷失方向了？

李飛飛：首先，我稱自己為務(wù)實(shí)的樂(lè)觀主義者。我不是烏托邦主義者。所以我實(shí)際上不相信兩極端。我周游世界，就在上個(gè)月我在中東，我也在歐洲，我在英國(guó)，也在加拿大，然后回到美國(guó)家中。我認(rèn)為美國(guó)和西歐的人們更擔(dān)心AI，而不是比如中東、亞洲的人。

3. World Labs的工作目標(biāo)

主持人：為什么決定創(chuàng)建World Labs？

李飛飛：我實(shí)際上經(jīng)常向我的團(tuán)隊(duì)每一位成員回答這個(gè)問(wèn)題。我創(chuàng)建了World Labs。這個(gè)答案有兩個(gè)層面。從技術(shù)角度看，World Labs正在構(gòu)建下一代空間智能，因?yàn)樗拖裾Z(yǔ)言智能一樣，是解鎖令人難以置信的能力的基礎(chǔ)，以便能夠幫助人類創(chuàng)造得更好、制造得更好、設(shè)計(jì)得更好、打造更好的機(jī)器人。所以，空間智能是一項(xiàng)關(guān)鍵技術(shù)。但更進(jìn)一步的原因，為什么我仍然是個(gè)技術(shù)人員？是因?yàn)?strong>我相信人類是唯一會(huì)建立文明的物種。動(dòng)物會(huì)建立殖民地或群落，但我們建立文明。而我們創(chuàng)建文明，是因?yàn)槲覀兿胍兊迷絹?lái)越好。我們想要做好事，盡管在此過(guò)程中我們也做了很多壞事。但人們渴望擁有更好的生活、更好的社區(qū)、更好的社會(huì)，過(guò)得更健康，享有更多繁榮。

我?guī)字芮霸诤湍橙擞懻撘粋€(gè)很受啟發(fā)的事，是關(guān)于高中劇院。他們的預(yù)算非常低，有時(shí)候我會(huì)去看舊金山歌劇或音樂(lè)劇，那些舞臺(tái)布景真的非常精美。但是對(duì)于高中生或初中生來(lái)說(shuō)，他們很難有那個(gè)預(yù)算來(lái)做這件事。

想象一下。你可以用我們現(xiàn)在這個(gè)稱為Marble 的模型，在一個(gè)中世紀(jì)法國(guó)小鎮(zhèn)里創(chuàng)建一個(gè)場(chǎng)景，然后將它作為背景，用這種數(shù)字化的形式，幫助演員和表演融入那個(gè)世界。當(dāng)然，這取決于輔助技術(shù)，無(wú)論你是在電腦上看，還是未來(lái)人們可以使用頭戴設(shè)備或其他設(shè)備，你都能獲得仿佛置身于中世紀(jì)法國(guó)小鎮(zhèn)的那種身臨其境的體驗(yàn)。這對(duì)許多創(chuàng)作者來(lái)說(shuō)，將是一個(gè)極棒的創(chuàng)意工具。

我們已經(jīng)看到世界各地的創(chuàng)作者都在使用我們的模型。他們中有視覺特效（VFX）創(chuàng)作者、室內(nèi)設(shè)計(jì)創(chuàng)作者、游戲創(chuàng)作者，還有教育工作者，他們希望為學(xué)生構(gòu)建能帶來(lái)不同體驗(yàn)的世界。正是如此。因?yàn)樗麄冇X得這個(gè)工具非常強(qiáng)大，觸手可及就能創(chuàng)建出他們可以沉浸其中的3D世界，無(wú)論是他們的角色還是他們自己。

主持人：一個(gè)公立學(xué)校的老師希望通過(guò)這種方式去激勵(lì)學(xué)生，讓他們付出更多努力。對(duì)于使用這個(gè)產(chǎn)品的人來(lái)說(shuō)，流程會(huì)是怎樣的？他們是在輸入文本來(lái)描述想要?jiǎng)?chuàng)建的世界，還是上傳素材或照片，有點(diǎn)像一個(gè)圖像板？它是怎么運(yùn)作的？如果他們不懂技術(shù)呢？

李飛飛：他們完全不需要懂技術(shù)。他們可以在桌面端或手機(jī)端打開我們的頁(yè)面，桌面端功能更多，會(huì)更有趣。他們可以直接輸入，比如“法國(guó)中世紀(jì)小鎮(zhèn)”，或者他們可以從 Midjourney 等工具生成一張中世紀(jì)法國(guó)小鎮(zhèn)的圖片，也可以上傳一張真實(shí)照片。幾分鐘后，我們的模型就會(huì)為他們生成一個(gè) 3D 世界。它的范圍確實(shí)有一定的限制，但這個(gè) 3D 世界是立體的，你可以用鼠標(biāo)拖動(dòng)并轉(zhuǎn)動(dòng)視角，在那個(gè)世界里走走看看。

之后如果你想使用它，有很多種方式。你可以通過(guò)在網(wǎng)站上使用我們的工具來(lái)放置鏡頭，從中制作出一部特定的電影。如果你是游戲開發(fā)者，可以往里面添加很多角色。如果你是視覺特效專業(yè)人士，我們有很多這樣的用戶，他們可以把這個(gè)場(chǎng)景融入他們使用真實(shí)演員拍攝電影的工作流程中。

主持人：我正想說(shuō)，這聽起來(lái)很像游戲引擎。

李飛飛：是的，我們也可以把它作為機(jī)器人訓(xùn)練的模擬環(huán)境。因?yàn)榇罅康臋C(jī)器人訓(xùn)練需要海量數(shù)據(jù)，而這個(gè)工具可以用于生成大量不同的數(shù)據(jù)。

主持人：那是不是有點(diǎn)像機(jī)器人在進(jìn)入現(xiàn)實(shí)世界之前使用的飛行模擬器？

李飛飛：那是目標(biāo)的一部分。我們還處于早期階段，所以“飛行模擬器”還沒有完全實(shí)現(xiàn)，但這是發(fā)展過(guò)程中的一部分。

主持人：你提到了精神病學(xué)研究，那會(huì)是什么樣子？

李飛飛：我們接到了一位研究人員的電話，他們正在研究患有強(qiáng)迫癥等心理障礙的人群，這些人會(huì)在某些環(huán)境下被觸發(fā)。他們想研究觸發(fā)因素，也想研究治療方法。但是，你怎么去觸發(fā)一個(gè)比如對(duì)草莓地有特殊問(wèn)題的人呢？我是隨便舉個(gè)例子。你可以帶他們?nèi)ヒ粋€(gè)草莓地，但如果你想知道是夏天的草莓地、夜晚的草莓地，或者就是草莓，你要怎么做到？突然間，這位研究人員意識(shí)到，我們提供了極低成本的方式，讓他們可以改變各種環(huán)境維度，從而進(jìn)行他們的研究和實(shí)驗(yàn)。

主持人：這真的很有趣。是的，我能看到它被應(yīng)用于“暴露療法”（Exposure Therapy）。現(xiàn)在你這樣描述，我就能理解它是如何起作用的了。

李飛飛：我的意思是，它幾乎可以應(yīng)用到所有事情上。如果你思考人類在現(xiàn)實(shí)世界中的運(yùn)作方式，現(xiàn)實(shí)世界和數(shù)字世界之間的界限正在變得越來(lái)越模糊，越來(lái)越薄，因?yàn)槲覀兩钤谄聊恢?。我們?cè)谔摂M世界和現(xiàn)實(shí)世界中做事。我們將創(chuàng)造能夠在現(xiàn)實(shí)世界和虛擬世界中都能做事的機(jī)器。因此，我們?cè)跀?shù)字和實(shí)體空間都有很多工作。

主持人：有沒有哪些科學(xué)家或研究人員，不是那些已經(jīng)在世界上廣為人知的大牌人物，他們的工作讓你印象特別深刻，讓你覺得他們正在做非常有意義的工作？

李飛飛：這也是我寫這本書的部分原因之一。尤其是在中間章節(jié)，我寫到了將認(rèn)知科學(xué)、視覺創(chuàng)作與計(jì)算機(jī)科學(xué)相結(jié)合的歷程，我實(shí)際上也談到了心理學(xué)家、神經(jīng)科學(xué)家和發(fā)展心理學(xué)家。他們中有些人還在世，有些人已經(jīng)不在了，例如像卡尼曼（Kahneman）和特沃斯基（Tversky）這樣在認(rèn)知科學(xué)領(lǐng)域的巨擘，他們的工作影響了計(jì)算機(jī)科學(xué)，并最終影響了人工智能。世界上仍有許多科學(xué)家，他們是發(fā)展心理學(xué)和人工智能領(lǐng)域的思想家。我一直在關(guān)注他們的工作。

我非常尊重科學(xué)界的幾位人士，僅舉幾位名字，比如哈佛大學(xué)的利茲·斯皮爾克（Liz Spelke）、伯克利大學(xué)的艾莉森·戈布尼克（Alison Gopnik），還有羅德尼·布魯克斯（Rodney Brooks），他曾是麻省理工學(xué)院的機(jī)器人學(xué)教授。當(dāng)然，還有太多太多優(yōu)秀的人。但你在讓我說(shuō)出那些不在人工智能新聞?lì)^條里的人。

4AI的未來(lái)影響

主持人：是的，太好了。我也很想聽聽你的看法，在不久的將來(lái)，哪些類型的發(fā)展看起來(lái)似乎不可避免。你認(rèn)為哪些人工智能領(lǐng)域的影響被低估了？

李飛飛：我認(rèn)為人工智能與教育的影響被低估了。我們將看到的是，人工智能可以加速為那些想學(xué)習(xí)的人提供學(xué)習(xí)機(jī)會(huì)。這會(huì)對(duì)我們的學(xué)校體系以及人力資本格局產(chǎn)生下游影響。比如，我們?nèi)绾卧u(píng)估有資質(zhì)的工人？過(guò)去可能是看你從哪所學(xué)校畢業(yè)、獲得了什么學(xué)位，但這將會(huì)改變。隨著人工智能觸手可及地到達(dá)許多人手中，這一點(diǎn)還沒有得到足夠的重視。

我認(rèn)為人工智能對(duì)我們經(jīng)濟(jì)結(jié)構(gòu)（包括勞動(dòng)力市場(chǎng)）的影響也被低估了。關(guān)于要么是“徹底的烏托邦”、要么是“后稀缺社會(huì)”的這種言論都是夸大的，或者說(shuō)“所有人的工作都會(huì)消失”也是夸大的。但混亂的中間階段——從知識(shí)型工作者到藍(lán)領(lǐng)、再到酒店服務(wù)業(yè)，所有這些正在發(fā)生的變化過(guò)程——被我們的政策制定者、學(xué)者以及整個(gè)社會(huì)普遍低估了。

主持人：那么從工作角度來(lái)說(shuō)，有哪些細(xì)微差別是你正在或?qū)⒁嬖V你的孩子（或其他年輕人）應(yīng)該把精力放在哪里，學(xué)習(xí)什么？

李飛飛：我認(rèn)為學(xué)習(xí)能力變得更加重要。在當(dāng)時(shí)可用的學(xué)習(xí)工具更少、工具更少的時(shí)代，按部就班地學(xué)習(xí)更容易。現(xiàn)在，學(xué)習(xí)工具更多，也更易得。人工智能是一種賦能工具。如果你能夠使用這些工具，你就能學(xué)會(huì)如何學(xué)習(xí)，你可以獲得超能力，讓自己更強(qiáng)大。所以，回到你剛才的問(wèn)題，對(duì)年輕人、對(duì)孩子們來(lái)說(shuō)，“學(xué)習(xí)如何學(xué)習(xí)”這個(gè)永恒的價(jià)值，現(xiàn)在變得更加重要了。

主持人：是的，這讓我覺得，我們?cè)谟懻摰钠鋵?shí)是事情只會(huì)變得越來(lái)越容易?？释蔀閾碛谐芰Φ淖詫W(xué)成才者，我們已經(jīng)見過(guò)這種情況了，YouTube 就是一個(gè)很好的案例?，F(xiàn)在你可以選擇沉迷?shī)蕵?lè)，從而避免自我成長(zhǎng)和發(fā)展，或者你可以用它來(lái)加速這些過(guò)程。對(duì)于人工智能來(lái)說(shuō)也是如此，你向前展望，甚至不用向前展望，而是要問(wèn)：老師如何審核他們的學(xué)生是否在做應(yīng)該做的功課？在許多層面上，情況已經(jīng)到了這個(gè)地步，學(xué)生們可以選擇完全不做任何工作，或者將他們的工作大幅提升，但最終的產(chǎn)出看起來(lái)可能非常相似。所以，學(xué)校教育會(huì)發(fā)生很大變化。這非常非常有趣。

李飛飛：我實(shí)際上認(rèn)為，如果學(xué)校的評(píng)估目標(biāo)被設(shè)計(jì)成無(wú)論人工智能給出什么答案，和學(xué)生給出的完全相同，那這個(gè)評(píng)估本身就有缺陷。在我看來(lái)，構(gòu)建評(píng)估的正確方式，不是把人類和人工智能對(duì)立起來(lái)，試圖監(jiān)管是否使用了人工智能，而是要展示這些工具的作用，以及人類學(xué)習(xí)者的作用。例如，人工智能可以給出初步答案，但學(xué)生需要用關(guān)鍵性思維，整合他們自己知道的額外信息，或整合來(lái)自其他課程的知識(shí)，用人工智能無(wú)法做到的方式來(lái)改進(jìn)答案。這才是構(gòu)建評(píng)估的正確方式。