李飞飞谈 AI 边界：是能力放大镜，而非替代者
这篇访谈解释了 AI 的局限与优势，强调其作为人类能力放大镜的定位，值得关注人机协作的未来方向。
在最新访谈中，李飞飞从视觉进化讲到 AI 发展，指出 AI 通过海量数据习得统计规律，但缺乏人类独有的私人情感与内在驱动力。她认为 AI 并非替代人类，而是放大个人能力的工具，尤其在医疗、教育等领域，人机协作将创造更大价值。
正文摘录
在Huberman Lab最新一期访谈中，李飞飞还讨论了 “为什么苏格拉底是人类历史上最顶尖的‘提示词工程师’” 、 “为什么不能一刀切地禁止学生们用AI” 等非常有趣的话题，并给出了一个笃定的答案： 无论是在医疗、影视、还是教育等领域，AI都不是人类的替代者，而是个人能力的放大镜。 主持人（Andrew Huberman）： 飞飞，我们今天先从 视觉 开始聊聊AI吧。很多人觉得光线感知和AI离得很远，但它其实是AI发展的一大起点？ 李飞飞： 没错， 视觉是智能的基石。 我们可以沿着生物演化和计算机视觉两条脉络来理解它。 从生物演化来看，5.4亿年前远古海洋生物第一次“看见”光，感光细胞的出现直接催生了寒武纪物种大爆发。对人类而言同样如此，我们大脑皮层一半的神经活动都与视觉相关，婴幼儿也是先学会“看”，再学会“说”。 第一是 算法灵感 。上世纪50年代，科学家们发现哺乳动物的视觉系统具有层级神经结构，这直接启发了早期神经网络的设计。 第二是 数据觉醒 。本世纪初，算法效果始终不太理想，2006年我在普林斯顿做研究时才意识到， 卡脖子的可能并不是算法，而是训练数据太少了。 你想想看，一个孩子到6岁便能认出桌子、椅子、花等几万样东西，靠的就是成长过程中看过的海量画面。 受这个启发，我们才不再死磕算法，转而发起ImageNet项目，攒出了千万级的图片数据集。 等到2012年， 大数据集、深度神经网络和GPU算力三者碰头，现代AI才算真正迎来了转折点。 主持人： 2012年前后，AI的图像识别能力突然上了一个大台阶。以前连相似的人脸都分不清，2012年之后一下子就能精准认出谁是谁，这背后到底发生了什么？ 李飞飞： 就是刚才所说的 “GPU并行算力提升、神经网络技术成熟、互联网带来海量数据”三要素集齐了。