专题：2025人工智能行动峰会
“人工智能的未来应建立在科学基础之上，而不是夸大其词的科幻情节。当前，无论是大街小巷还是华尔街，关于AI的话题中都充斥着夸张炒作和耸人听闻的描述，往往导致对AI的治理政策被各种误导。”2月10日，在法国巴黎大皇宫举行的“人工智能行动峰会上”， AI学者、斯坦福大学教授李飞飞发表开幕演讲。
李飞飞演讲视频（02：58）
以下是李飞飞演讲内容，略有删减：
AI三大关键要素：感知算法的突破、认知科学的启发、计算能力的跃升
我们当今所处的现代AI时代，正是三项极其重要又各自独立的技术与科学进步汇聚而成的成果。
第一项是对感知算法的研究——即生物（包括动物乃至人类）如何理解周围世界，并最终创造出让机器也能具备类似能力的数学模型。在达特茅斯AI夏季研讨会上延续了图灵的大胆假设之后，神经生理学家戴维·休伯尔（David Hubel）和托斯坦·维厄瑟尔（Torsten Wiesel）率先揭示了哺乳动物视觉皮层中神经处理的层次结构，这为他们赢得了诺贝尔奖，也彻底改变了我们对视觉处理的认知。大约在同一时期，心理学家弗兰克·罗森布拉特
（Frank Rosenblatt）搭建了最早的神经网络原型之一——感知器（Perceptron）。这项工作启发了数十年后无数计算机科学家，尤其是早期先驱者，如福岛邦彦（Kunihiko Fukushima）、杰弗里·辛顿（Jeff Hinton）、杨立昆（Yann LeCun）、约书亚·本吉奥（Yoshua Bengio）等，去设计愈发先进的模型，最终形成了我们今天所熟知的深度学习神经网络算法，让机器拥有了自身近乎神奇的感知和分析能力。
与此同时，第二条研究脉络也开始出现——认知科学家转而研究人类自身的大脑，揭示我们对周围环境进行感知时所拥有的惊人深度和复杂性。他们的研究明确指出，无法将我们的脑与其所处的进化环境分割开来。大脑不过是一个被禁锢在颅骨黑暗之中的机器，却又从生命最初时刻开始，就急切地向外部学习，通过每一次光线的照射、每一次触觉刺激、每一声细语来获取信息。
对我个人而言，作为在21世纪初成长起来的科学家，当时感知算法几乎是我所在领域的唯一关注点，而认知科学带给我的启示在于“规模”。演化与发育能如此有效地塑造人类智慧，是因为它们能利用大量数据来驱动我们的学习。我和我的合作者、学生们推测，同样的规律也适用于机器，只不过这一次，数据来自现代数字设备和互联网，而不再是依靠生物感官。由此激发了我所在实验室发起的ImageNet项目——它是第一个针对人工智能的大规模互联网训练与评测数据集。我们提出了一个关键假设：数据是让神经网络等高容量算法真正“活起来”的关键。这个理念让神经网络焕发新生，开启了利用海量数据（维权）来推动AI进步的全球趋势，也成为如今所说的AI“规模定律”（scaling law）的一部分。
最后，如果没有极其强大的运算能力来支撑，以上所有成就都不会发生，或者根本连起点都无法跨越。最初的里程碑包括冯·诺依曼（von Neumann）在20世纪40年代提出的计算机体系结构理论，它一直沿用至今，并在70年代初催生了第一批微处理器。可有趣的是，真正让硅芯片原始运算速度获得飞跃的，竟是电子游戏。为追求更逼真的游戏画面，上世纪90年代初诞生了一个小型产业，但在短短二十年迅速膨胀为全球巨头——以英伟达（NVIDIA）等公司为代表，开发出了越来越强大的图形处理器（GPU）。结果证明，这恰恰是让神经网络算法得以利用互联网规模大数据进行学习的最后一块拼图。所以，如果现场有游戏玩家，那我们要感谢你们。
大语言模型将三大要素推向更极致的规模
后面的故事不仅仅是“历史”，更是建构未来的“配方”。2012年，在ImageNet挑战赛上，我的实验室率先将算法、数据和计算这三大要素首次大规模结合在一起，几乎在一夜之间就改变了我们整个领域。那是机器首次能够理解并准确地描述海量图像——成百上千万张之多。如今我们对此已经习以为常，但在当时，这是一项前所未有的壮举，甚至有些像科幻小说里的场景。它就像推倒了第一块多米诺骨牌，随后的一系列突破接连不断，并且来得越来越快。
如今，十多年过去了，我们依然在探索这一切的意义。当初只是学术界的一个好奇心驱动的研究，如今却年复一年地吸引着商界领袖、创业者、行业分析师，甚至政治家们的热切关注。如今，十多年过去了，我们依然看不到尽头。毫无疑问，历史学家今后一定会把这段时间称作“真正的第一个AI时代”。
从任何一个你能想到的指标来看——无论是计算机专业中人工智能方向的学生人数、投资金额、新创企业数量，还是其他方面——AI都是一场在深度和广度上不断扩大的革命。我想在座的各位都不需要我来重复，过去几年里，人工智能又迎来了更惊人的跃进——也就是大型语言模型的出现。
这些大型语言模型把现代AI所依赖的三大要素——算法、数据和计算力——都推向了更极致的规模。它们采用了一种名为“Transformer”的新型模型架构，训练数据几乎覆盖了整个互联网，并在数量惊人的最新、最强大芯片上运行。正如我们所见，其结果是在机器能力上比过去十年来的任何一次突破都更为迅猛。现在我们几乎将“AI可以用自然语言流畅地跟我们对话”视为理所当然，AI能回答我们提出的几乎任何领域的问题，甚至能够生成各种复杂形式的内容——从图像、声音、音乐到视频，无所不包。ChatGPT所取得的惊人成就是这项创新如何影响我们日常生活的最佳例证，因其创造了用户采用速度的历史新纪录。
而且，这些能力并不只是表面上看着“会说话”而已。
现在AI模型在各种基准测试（从手写识别到博士水平的科学问答）上的表现近几年都在飞速攀升；其中一些难度极高、对人类来说具有挑战性的任务，AI的成绩简直像坐火箭一样往上蹿，几乎呈垂直上升的趋势。
大模型正朝着更具“主动性”方向发展
不仅如此，从能够流畅使用语言开始，大型语言模型还在朝更具“主动性”的方向发展——它们学会了将复杂任务分解成若干步骤，并逐步规划如何实现目标。人们目前将这种趋势称作“具备代理能力（agentic）的AI”。而在2025年，这似乎正成为这场深远技术演进的新篇章。对许多用户和企业而言，这些能力已经非常实用，而它们还远不止于此，后续的发展潜力更是不可估量。
我们目前所讨论的还大多停留在“语言智能”层面，但人类之所以为人，是因为我们拥有更全面、更完整的智能。从“被动感知”到“主动行动”的新阶段正在到来。在我自己的研究领域——涉及摄像头和机器人时，我看到AI正逐渐具备“创造、理解、推理和交互”这些维度，进而在数字或物理的三维空间里与人和环境相互作用。我们称之为“空间智能（spatial intelligence）”和“具身智能（embodied intelligence）”。
举个例子：假设你看到这样一张图片，视觉智能很容易让我们识别出里面的所有物品：那只猫、那盆植物、那张桌子，以及那杯牛奶。但是，这就代表我们感知系统的全部功能了吗？我敢打赌，其中不少人不仅仅“看懂了”那张图，还会产生“哎呀，快伸手把那杯牛奶抓住，别让它掉到地上打碎了！”的冲动。这只是个小例子，但它清楚展示了“从观察到行动”之间多么巨大的差别，也说明了我认为我们如今所处的拐点：AI正从观察者变成与我们并肩行动的“执行者”。
实际上，就连我一直崇拜的图灵先生，他对于未来的预见在这一点上也可能有些“过于狭隘”或“向内看”了。因为进化本身已经一再告诉我们：智能的真正强大之处，不仅仅在于“思考”，而在于让思考能驱动行动。想想看，人类的空间智能让我们得以建立灿烂的文明：从古老的金字塔到工业革命，从科学发现到艺术创作。如今，当AI逐渐拓展我们的空间和具身智能，这将如何进一步改变我们与周遭世界的关系？它又能帮助我们创造和发现些什么？可以预见，我们已经在打造某种面向未来的新形态了。
以人为本的AI的核心价值：尊严、能动性、社区
这个问题其实一直在指引我的研究工作。虽然我肯定，想要找到简单答案几乎不可能，但有一个主线在我多年的探索中始终贯穿，那就是我所说的“以人为本的AI（Human-Centered AI）”，并且它包含三个核心价值：尊严（dignity）、能动性（agency）和社区（community）。
首先是尊严。当面对越来越强大的技术时，我们人类常常会反思：到底是什么在定义“我们是谁”？如果把我们能做的所有事情都一一剥离，剩下的、那份能够自主决策并亲自行动的尊严感，依然是我们作为人的本质之一。如果AI这项技术能帮助我们守护并且“找回”这份尊严，尤其是能帮助到最脆弱的人群，那将是让我最激动的事情。
在这一点上，我想给各位看一个例子：如何让机器人和AI技术帮助那些严重瘫痪患者重新获得自主行动的可能。在这项斯坦福大学的研究中，我的学生利用完全“非侵入式”脑电波（EEG）记录获取使用者的思维信号，通过AI算法对这些信号进行解码并发送指令给机械手臂。最终，机械手臂在患者“意念”的控制下做出包括烹制日式寿喜烧在内的一整套烹饪动作。这便是AI帮助人们重新赢得自主与尊严的一个示例。
其次是能动性（agency）。我所在实验室多年来的核心理念，就是探索如何让AI“增强（augment）”人类的能力，而不是取代人类。毫无疑问，每一次重大的技术变革都会对劳动力市场产生冲击，AI也不例外。然而，我相信AI可以帮助我们从创造力到医疗保健、从科研到制造业，在方方面面获得新的能力。因为在许多方面，AI的技能与人类的技能其实是互补关系。我们完全可以利用这个“数字或物理上的合作者”来强化自身能力。
过去十年里，我的实验室一直在研究AI如何改进医疗服务，这让我见识到许多能让AI帮助提高医疗质量、同时减轻医护人员负担的机会。这里给大家展示三个例子：利用搭载AI的智能摄像头来协助医院监督医护人员的洗手规范，辅助记录病人复健时的移动训练情况，以及跟踪手术器械的使用状况。
最后是社区（community）。过去十年里，科技也常常被诟病“把人们越拉越远”，催生了各种“信息茧房”和“狂热话题诱饵”等。如今，AI又一次走到了十字路口：一条路是让AI主导很多社交体验，甚至为每个人极度定制并强化他们原本的偏见；另一条路则可能帮助我们构建更健康、更强大并具有包容性的社区，比如借助AI教育助手，让更多人（包括孩子和成人）获得学习的机会。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
发表评论