《Huberman Lab》是斯坦福医学院神经生物学与眼科学教授Andrew Huberman的科学播客，常年霸榜英文播客科学类前列，风格是一期两小时、不追热点、把一个话题从底层往上推。

本期时长2小时08分，是它少见地把整期都给了一位计算机科学家。第一电动编辑部梳理了里面的精彩洞见。

李飞飞，斯坦福大学计算机科学教授，斯坦福「以人为本人工智能研究院」（HAI）联合创始人兼联席院长。她因从2006年起主导做出ImageNet，被称为「AI教母」。

Andrew Huberman，斯坦福医学院教授，视觉神经科学出身，与李飞飞是同一领域的同事。

▍本期聊什么

两个做视觉的人围绕一个问题展开：AI到底学到了什么，又有什么是它碰不到的。

他们从五亿四千万年前动物第一次看见光聊起，谈到ImageNet那场比赛里人类的成绩、AI生成的猫为什么会跑、毕加索那个念头为什么不在互联网上，中间穿插了两个很私人的医疗故事——一次误诊，和一台手术。

被一路追问到最后，李飞飞没有替AI辩护：凡是没被人类记录下来的，AI就到不了。

▍01

智能的起点不是语言：五亿四千万年前动物第一次看见光，进化才真正加速。

“大概五亿四千万年前，动物第一次看见光。在那之前几乎没有感知——没有听觉，没有嗅觉，连神经系统都还没有。第一批感光细胞一出现，你和世界的关系就变了。你能看见食物了。同时，你也成了别人眼里的食物。”

—— 李飞飞

化石研究显示，动物第一次见到光之后约一千万年，就是寒武纪大爆发。

她说视觉这条线有两头。

一头是进化。人脑皮层约一半的活动和视觉有关，婴儿也是先会看，才会说。

另一头是算法。1950年代，休伯尔和维泽尔在猫的视觉皮层里记录到，神经细胞是分层堆叠、逐层往上传的。几乎同一时期，计算机科学家开始鼓捣最早的神经网络。

“今天的神经网络跑在几千亿甚至上万亿参数上，早就不是一回事了。但半个多世纪前，这两件事的源头贴得非常近。”

那项在猫脑里做的工作，后来拿了1981年的诺贝尔生理学或医学奖。

▍02

二十年前所有人都在改算法，她跑去查了一个六岁孩子能认出多少种东西。

“我转头去看认知神经科学的文献。那些数字太惊人了：一个六岁的孩子，已经能认出成千上万类不同的物体。而且婴儿一出生，睁开眼基本就一直在看。所以我们的猜想是：AI进展慢，很大一部分原因是数据不够。”

—— 李飞飞

那是2006年，她在普林斯顿当第一年教授。

当时整个领域几乎都扎在算法上——贝叶斯方法、支持向量机、神经网络，比的是谁的模型更聪明。“我们从所有人身边岔开了，我们说：我们需要数据。”

ImageNet就是这么来的：1500万张图片，人工智能领域第一个互联网规模的数据集。目标朴素得不像话，让机器认出麦克风、杯子、椅子。

这个判断真正改掉的是提问方式：从「什么算法更聪明」，变成「机器见得够不够多」。

▍03

那场比赛里人类的错误率是4%，而人错在记不住，不是看不清。

“我们让斯坦福一个非常聪明的研究生去测人类的成绩，大概是4%。随机瞎猜是千分之一。我觉得人的错主要不是时间压力，是记忆有限。要把一千个类别都记住，哪怕有些你很熟也不容易。比如不同品种的狗，长得太接近了。”

—— 李飞飞

2010年起，ImageNet做成了公开挑战赛：一千个类别，一百多万张图，看图说出主要物体，猜对得分，猜错不得分。

AI史上最著名的这条人类基准线，是一个研究生一张张手工标出来的。

2012年是拐点。那年夺冠的神经网络把错误率压到15%左右，而前一年的最好成绩还在26%上下。在那之前，这个数字每年只往下挪一两个百分点。

“做研究的人都知道，出现这么剧烈的变化，就意味着拐点。”

又过了三年，2015年的冠军算法降到3.6%，第一次低于人类那条基准线。

她把这一波归成三件事的汇合：GPU、成熟的神经网络算法，以及最迟被承认的大数据。

2017年Transformer论文出来后，同一个配方原封不动换了数据源，接棒的不是视觉，是文字——从2017到2022，又走了五年，才到ChatGPT。

▍04

机器认出书架后那截猫尾巴，靠的不是推理，是见过太多猫。

“那个学会说kitty cat的小孩，没有机会把整个互联网的猫图下载下来。他大概见过三只猫、最多十只猫。但他就是能认出那是猫尾巴，不是狐狸尾巴。他走的是另一条学习路径。这些谜题我们还没解开。”

—— 李飞飞

Huberman举例说：小孩认得猫之后，只看见书架后露出一截尾巴，也会说猫，而不是狐狸。

她说好几代做机器学习的人都试过这道题。早期算法里真的写过这种规则：先把家具认出来，知道是室内，就不太可能是狐狸；或者干脆限制范围，“别乱猜，就在十种动物里选”。

真正变可靠，是模型见过的数据量大到能激活对的权重。

同样的逻辑往前推一步就是视频。2023年前后视频进了训练数据，2024年初Sora出来，打一行「一只猫朝老鼠跑过去」，就能拿到几秒钟像样的片子。

“你可能会问，算法知道肌肉吗？不知道。它有的是网上多到吓人的猫的视频。”

她紧接着补了一句：人也差不多，我们大多数人不知道猫的肌肉怎么动，只是看惯了。

▍05

互联网是人类行为迄今最大的一次采集，但毕加索那个念头不在里面。

“毕加索脑子里冒出那个念头，决定要用那种方式画那个年轻女人的肖像——那个念头从来没有被记录下来。而且作为神经科学家，如果我问你它从哪个脑区来，你也答不上来。是布洛卡区？是V1？是运动区？是前额叶？我们不知道。它没被记录，所以不在互联网上，所以AI没见过它。”

—— 李飞飞

她先把「互联网」这个词拆开了。

几十年里全世界的人都在上面打字，“打字本身就是一种传感器”。然后是数码相机和手机带来的图像，是带声音和动作的视频，是语音和音乐。

“所以我们造出了一个庞大的图书馆：人类的知识以文字的形式，人类的行为以视频的形式，人类的表达以声音的形式。”

说到这儿她顺手放下一句：“版权的讨论我们先放一边。”

她还举了手边一个更日常的例子。一只杯子在她这里可能唤起童年的某个瞬间、一次分手、只有她和最好的朋友才懂的东西，“那是一段完全无法访问的信息，从来没上传过”。

所以要判断AI能不能做成一件事，看的不是模型有多大，而是这件事有没有被人写下来、拍下来、录下来过。

猫的视频有几亿条，毕加索那个念头一条都没有。

▍06

AlphaGo的第37手确实是创造力，但那是一种很特殊的创造力。

“围棋是一个高度数学化的游戏，目标非常清晰，规则非常清晰。AI有更大的算力，能记住更多走法，所以它能做人脑通常做不到的事。这算创造力吗？我觉得算。但我们得承认，那是一种很特殊的创造力。”

—— 李飞飞

那是2016年3月AlphaGo对李世乭的第二局，当时解说和棋手的第一反应几乎都是「这是不是下错了」。

她还转述过一位顶尖数学家的话。今天很多数学难题的解法其实已经存在，只是没人记得住，“哪怕我是菲尔兹奖得主，也不可能知道过去几百年里所有的数学”，这类问题AI能帮上。但另一些问题需要的解法，还没有被发明出来。

这把创造力切成了两半：已经存在但没人记得住的，是AI的主场，它本质上是一个不会遗忘的巨型索引。还不存在的，谁都说不准。

她自己的猜测是混合式的——人和AI一起，去解那些解法尚未被发明的问题。

▍07

两个医疗故事：一个AI赢了专科医生，一个全人类的数据加起来都不够。

“肝脏是个非常复杂的器官，血管极其丰富，而且每个人的肝都很不一样。哪怕把全世界的肝脏手术都加起来，数据可能都不够训练这类算法。这说明一件很重要的事：AI是从模式里学的。当模式本身就不够多的时候，我们就得小心——得知道该怎么用，以及什么时候不该用。”

—— 李飞飞

这场播客对话改过档期，因为她父亲当时要做一台肝脏手术。手术在斯坦福做，主刀医生开的是达芬奇机器人。术后她问医生：如果把全世界这类手术的数据都汇总起来，能不能训练出一个自动做这台手术的AI？答案是“并不清楚”。

Huberman在几个月前，AI帮他分清了眩晕和低血压，而搞错的人里有一位专门研究前庭系统的耳鼻喉科医生。

他提供给AI的只有自己一两天的主观感受——“一站起来整个世界往下掉，然后开始转”。后来查明是某种药把血压压得太低。全程零成本，花了一个上午。

两个故事的分界很清楚：眩晕和低血压的混淆在病历里被记录过无数次，而肝脏手术，全人类加起来都不够。

她还点了一个容易被忽略的对称问题：样本不够不只是AI的困境，“一个外科医生这辈子能练多少台手术？”

她父亲那台手术很成功，失血量是常规手术的十分之一。

▍08

机器说「真替你难受」，和你朋友说这句话，是两回事。

“我们容易想象机器有感觉，它没有。它没有那份数据，也没有那个数学上的目标函数。机器这么说，是因为它从模式里学到：有人说自己生病了，你应该说真替你难受，而不是我真高兴你病了。而你的朋友是真的在乎你好不好，他不想看你受苦。他有共情。”

—— 李飞飞

聊到直觉，她把它切成了两层。

浅的那层她讲得几乎像在拆台。你在提示词里说「我是斯坦福教授」，和说「我是一个14岁、喜欢赛车的青少年」，同一个问题会得到不同答案，“这已经叫上下文了，在计算机科学里不算多深的东西”。

动机和紧迫感也一样。「深度思考」和「快速回答」不过是不同的目标函数——一个有时间或算力上限，一个可以调用模型里更耗时的部分，“从数学上看它其实很干”。

深的那层是够不着的。“是因为我闻到了什么？是激素？是心情加上今天的早饭？目前没有任何传感器能采集到那个数据。”

她举的例子是两个人在一起久了互相看着别扭，你能感觉到但说不出来，只好安静地走开。“你自己都拿不到它，那不管是另一个人还是一台机器，都做不了什么。”

▍09

她担心的不是孩子，是老师和家长。

“我看孩子，他们是好奇的。他们当然会被这个技术娱乐到，但他们也开始在用它。我担心的是老师，还有一部分家长。因为我觉得今天的社会，尤其是硅谷，对他们是不够意思的。我们把他们忘了。”

—— 李飞飞

这段话出现在整期开头，但更像整场对话的落点。

她反复回到三个词：动机、能动性、尊严。“AI不该拿走我们的能动性。今天做AI的那些领头人，也不该那样说话。”

她拿90年代的基因检测做类比：当年也有过一模一样的争论，你愿不愿意做这个血检？万一查出点吓人的东西呢？今天这套讨论换到了自费全身核磁上。她承认有人就是不想知道，“但他们应该有这个选择”。

对现在的舆论场，她措辞不客气。懂这件事的人倾向于居高临下，“那套话术都是：你们不懂这是什么，我来替你决定。这既不健康，也没有帮助”。

她给普通人的建议不是去学写代码，是去弄明白这个技术到底是什么、自己能拿它做什么。艺术家、老师、医生都不必写代码，但都该知道它怎么用在自己的学习、工作和表达上。

Huberman中途畅想过一顶能读脑波的帽子。她没泼冷水，回答却朴素得意外：“这件事根本不用搞得那么科幻。AI光是学会你的写作习惯，就已经能让你成为一个更好的沟通者。”

▍编者按

从五亿四千万年前的第一缕光，聊到手边的一只杯子，这期节目反复出现的是关于「记录」的讨论——这件事有没有被记录，以及记录得够不够。

被记录过的，AI迟早学得会。从未被记录的，它到不了。

这是一条会移动的线，推着这条线往外走的，从来不是模型，是我们自己。

所以两位科学家真正在谈的，可能是这样一件事：AI的边界不由AI决定，而由人类决定记录什么、以及还愿意留下多少不被记录。

返回第一电动网首页 >