李飞飞巴黎峰会开幕演

　　在社交媒体上发布的一段视频中，马克龙在他的伪造视频下面回应道：「做得好」。这些视频在几个月前就已经开始在法国社交媒体上流传。

　　「更是重要的是，借助人工智能，我们可以做一些非常重大的事情：改变医疗保健、能源及我们社会的生活」，这位47岁的总统说。

　　李飞飞从五亿年前生命感知能力的进化讲起，一路讲到图灵时代，为人们展现了AI发展的宏大历史脉络。

　　接着，李飞飞讲到了今年非常热门的「智能体」，与她目前的主要研究领域「空间智能」与「具身智能」。

　　同时，李飞飞也再次强调了她在多年探索中一以贯之的主张：「AI以人为本」（HuCtr AI），展现了她在科学探索中浓郁的人文关怀。

　　随着时间的推移，简单生物开始能够感知周围的世界，并做出反应。最初，感知是被动的，只是让光线进入，而这一过程很快变得更加丰富和主动。

　　神经系统开始进化，视觉从「看」变成了「理解」，理解进而导致行动，而所有这一切最终催生了智慧，并永远改变了地球上生命的本质。

　　到了20世纪中叶，艾伦·图灵，这位伟大的英国数学家，在计算机尚未真正诞生之前，就已经在思考如何赋予机器可与人类比肩的认知能力。

　　「对我来说，他的写作总是鼓励人类大胆地想象思维机器」，李飞飞说，「正是这种好奇心和雄心，驱使了美国早期的计算机科学家们，他们不仅组织了第一个研究项目，探讨思维机器的可能性，还创造了人工智能这一术语。」

　　在1956年那个炎热的夏天，这群早期的计算机科学家们，在达特茅斯的人工智能夏季研讨会上讨论了这一问题，甚至提出两个月内就能解决大部分问题，从而揭开智慧的神秘面纱。

　　不得不说，现在看来他们可能有些过于乐观，但不得不佩服他们的胆略。今天，距离这个「两个月」的项目已经过去了几十年。

　　「我们今天所处的现代人工智能时代，正是三项极其重要但各具特色的技术和科学进展交汇的结果。」，她说。

　　首先是感知算法的研究，研究生物如何感知世界，并逐渐形成数学模型，这些模型使我们能够创造出更强大的机器。

　　继艾伦·图灵的假设之后，神经生理学家们为我们揭示了视觉皮层的神经处理结构，获得了诺贝尔奖，并彻底改变了我们对视觉处理的理解。

　　「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」，李飞飞表示。

　　而认知科学带给她的启示在于「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。

　　李飞飞和她的合作者、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。

　　由此李飞飞所在的实验室发起了INt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。

　　这个理念让神经网络焕发新生，开启了利用海量数据来推动AI进步的全球趋势，也成为如今所说的AI「规模定律」（ w）的一部分。

　　最初的里程碑包括冯·诺依曼（Vo Nu）在上世纪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。

　　而令人感到有趣的是，正是电子游戏推动了硅芯片处理速度的突破。1990年代初，随着游戏图形需求的增加，图形处理单元（GPU）在短短几十年内爆发式增长，这最终成了人工智能网络算法能够利用互联网大数据的最后拼图。

　　2012年，李飞飞的实验室在INt挑战赛上首次实现了这三种技术的结合——算法、数据和计算，规模足够大到几乎一夜之间改变了AI领域。

　　「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。」她说。

　　现在，大型语言模型把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「Trorr」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。

　　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。

　　不仅如此，在一些难度极高、对人类来说具有挑战性的任务上，AI的成绩也像坐火箭一样往上蹿，几乎呈现出垂直上升的趋势。

　　不仅能够流畅使用语言，大型语言模型现在朝着更具「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。

　　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。

　　在李飞飞自己的研究领域——涉及摄像头和机器人，她看到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。

　　在现场，李飞飞举了一个例子，假设你看到下面这样一张图片，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。

　　显然会有不少人不仅仅「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！」这样的冲动。这个小例子清楚展示了「从观察到行动」之间有多么巨大的差别。

　　「这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。」李飞飞说。

　　如果AI真的不再只是「会思考的机器」，而是同时成为「会行动的机器」，那么我们整个社会在引导这项技术发展方向时，就承担着更加紧迫而重大的责任。

　　「我认为毫不夸张地说，这一切正将我们带到一个对整个人类文明至关重要的历史关头。」李飞飞强调，「我们要如何应对？」

　　李飞飞表示，有一个主线在她的多年探索中始终贯穿，那就是「以人为本的AI（HuCtr AI）」，并且它包含三个核心价值：尊严（ty）、能动性（y）和社区（outy）。

　　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。

　　李飞飞在现场举了一个例子：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，李飞飞的学生利用完全「非侵入式」脑电图（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。

　　其次是能动性（y）。李飞飞表示，她所在实验室多年来的核心理念就是探索如何让AI「增强（ut）」人类的能力，而不是取代人类。

　　「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合作者来强化自身的能力。」，她说

　　最后是社区（outy）。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主导社交体验，甚至为每个人定制内容并强化他们的偏见；另一条路则帮助我们构建更健康、更强大、更具有包容性的社区，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。

　　这里，李飞飞举了两个简单案例：一个是利用AI和虚拟现实技术，为有阅读障碍的大学生提供个性化辅助工具；另一个是美国水牛城大学开发的一个AI专家系统，用来缓解语言治疗师（pu ptoot）短缺的问题，帮助对3至10岁儿童进行早期语言干预。

　　首先，她认为务必要基于科学而不是科幻来进行治理。「我们应该用更科学的方法来评估和测量AI的实际能力与局限，从而制定更加精准、可落实的政策，并且基于现实而非幻想。」她说。

　　李飞飞认为，不应该只顾在上游阻碍对这项仍然非常年轻的技术的进一步探索与研究；相反，应该更多关注它的具体应用场景，确保它能被善加利用，并对可能产生的不良后果加以防范。

　　最后，她说我们必须投入更多资源，构建更健康、更蓬勃的AI生态系统，让学术界、创业者、开源社群以及公共部门都能与大企业一道参与进来、发挥关键作用。

　　如上面李飞飞所说，现代AI之所以兴起，主要归功于算法、数据和计算力这三大要素的结合，李飞飞担忧地表示若这三种关键资源仅仅掌握在少数几家公司手中，AI生态系统就会面临好奇心驱动的研究乏力、顶尖教育人才受限、开源项目缺少资源、多学科交叉探索不足等诸多问题。

　　最后，李飞飞提出一种新的挑战：与其再问「我们能否创造AI」，不如问「我们能否创造一股向善的AI力量」。