你以為人工智能的故事始于硅谷？不，它的根須深植于五億年前的生命起源。
在巴黎人工智能峰會開幕式上，斯坦福大學(xué)教授、人工智能專家李飛飛發(fā)表了主題演講，揭示了人工智能如何從“觀察者”轉(zhuǎn)變?yōu)橹厮苁澜绲摹靶袆诱摺�。她在致辭中，分析了“行動派”人工智能的意義，并呼吁各界共同努力，構(gòu)建以人為中心的人工智能生態(tài)系統(tǒng)，以促進(jìn)人工智能的健康發(fā)展。
演講者 | 李飛飛
出品丨AI 科技大本營（ID：rgznai100）在許多人眼中，人工智能是關(guān)于技術(shù)、現(xiàn)代世界和未來的故事，而這正是我們今天在此相聚的原因。但對我而言，人工智能的故事，更要追溯到五億年前的生命起源之初。
那是極其遙遠(yuǎn)的時代，遠(yuǎn)到視覺尚未出現(xiàn)，眼睛也未進(jìn)化。沒有任何生物親眼目睹世界，所有生命都處于一片黑暗之中，就像你們現(xiàn)在在屏幕上看到的那樣。
要回顧五億年歷史，一篇文章顯然不夠。因此，我將長話短說。當(dāng)進(jìn)化賦予這些生物感知和回應(yīng)外界刺激的能力時，即便只是微弱的感知，一場進(jìn)化競賽便拉開了序幕。從最初被動地感受光線，到逐漸變得豐富和活躍，神經(jīng)系統(tǒng)開始進(jìn)化，視覺發(fā)展為洞察力，看見成為理解，理解力催生行動所有這些共同孕育了智能，并永遠(yuǎn)改變了地球生命的本質(zhì)。
快進(jìn)五億年，回到今天，人類的智能已引導(dǎo)我們以前所未有的方式構(gòu)想和塑造工作與生活。我們不再滿足于自然賦予的智能，好奇心驅(qū)使我們創(chuàng)造機(jī)器，賦予它們與我們匹敵，甚至超越我們的智能。
因此，我們本周探討的這項開創(chuàng)性技術(shù)，其探索之旅始于 20 世紀(jì)中期。英國偉大的數(shù)學(xué)家艾倫圖靈極具遠(yuǎn)見，早在計算機(jī)誕生之前，他就已開始思考賦予機(jī)器媲美人類認(rèn)知能力的智能這一哲學(xué)問題。對我而言，他的著作始終是一種挑戰(zhàn)，激勵人類大膽想象會思考的機(jī)器，正如他所預(yù)見的那樣。
同樣的求知欲和雄心也激勵著早期的美國計算機(jī)科學(xué)家。他們不僅發(fā)起首個研究項目，探索會思考的機(jī)器的可能性，更在 1956 年那個炎熱的夏天，在“人工智能”概念普及之前數(shù)十年，創(chuàng)造了“人工智能”這個術(shù)語本身。這是他們?yōu)槟谴窝杏憰珜懙难芯空撐牡慕貓D。
坦白說，有趣的是，他們當(dāng)時認(rèn)為在兩個月內(nèi)就能解決大部分問題，并揭開智能之謎�；蛟S他們過于樂觀，但其膽識令人欽佩。如今，我們在這項“為期兩個月”的項目上已投入 820 個月，但我們已取得顯著進(jìn)展。
對人工智能的另一個誤解是，它僅僅是計算機(jī)和工程學(xué)的問題。然而，事實上，人工智能始終是一項充滿活力的多學(xué)科事業(yè)。我們身處的現(xiàn)代人工智能時代，是三項意義深遠(yuǎn)且截然不同的技術(shù)與科學(xué)進(jìn)步融合的成果。
首先是對感知算法的研究，即探究生物（包括人類）如何理解周圍世界。最終目標(biāo)是創(chuàng)建數(shù)學(xué)模型，使機(jī)器也能做到這一點。在艾倫圖靈（Alan Turing）提出大膽設(shè)想、以及達(dá)特茅斯人工智能夏季研討會召開幾年后，神經(jīng)生理學(xué)家Hubel和Wiesel首次闡明了哺乳動物視覺皮層神經(jīng)元處理信息的分層結(jié)構(gòu)，這項發(fā)現(xiàn)為他們贏得了諾貝爾獎，并徹底革新了我們對視覺處理的理解。
大約在同一時期，心理學(xué)家弗蘭克羅森布拉特構(gòu)建了最早的神經(jīng)網(wǎng)絡(luò)原型之一感知器。這項工作激勵了其后數(shù)十年的計算機(jī)科學(xué)家，特別是早期的先驅(qū)者，如福島邦彥、杰夫辛頓（Geoffery Hinton）、楊立昆（Yann LeCun）、約書亞本吉奧（Yoshua Bengio）等人，去設(shè)計日益復(fù)雜的模型，最終發(fā)展成我們今天熟知的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法，賦予了機(jī)器不可思議的能力。
與此同時，第二個研究方向也逐漸興起。認(rèn)知科學(xué)家們深入研究人類自身的思維，揭示了我們感知環(huán)境能力的驚人深度和復(fù)雜性。他們的研究明確指出，我們的大腦與進(jìn)化所處的環(huán)境密不可分。大腦并非僅僅是鎖在顱骨中的機(jī)器，而是自生命之初，就渴望從每一縷光線、一絲觸感、一聲細(xì)語中學(xué)習(xí)的求知者。
對我個人而言，作為一名在 21 世紀(jì)初嶄露頭角的科學(xué)家，感知算法幾乎是我研究領(lǐng)域的唯一焦點。認(rèn)知科學(xué)給我的啟示是“規(guī)模”（Scale）的重要性。進(jìn)化和發(fā)展受益于海量數(shù)據(jù)驅(qū)動學(xué)習(xí)，我們推測機(jī)器亦是如此。但這一次，機(jī)器不再使用生物傳感器采集數(shù)據(jù)，而是來自現(xiàn)代數(shù)字設(shè)備和互聯(lián)網(wǎng)。這啟發(fā)了我的實驗室開展 ImageNet 項目，這是首個互聯(lián)網(wǎng)規(guī)模的人工智能訓(xùn)練和評估數(shù)據(jù)集。我們關(guān)于“數(shù)據(jù)是神經(jīng)網(wǎng)絡(luò)等高容量算法關(guān)鍵”的假設(shè)，以前所未有的方式煥發(fā)活力，并掀起全球范圍內(nèi)使用大數(shù)據(jù)進(jìn)行人工智能研究的浪潮，這便是如今被稱為人工智能縮放定律（Scaling Law）的開端。
然而，最終，如果沒有強(qiáng)大的算力來運行這些算法，所有這些成就都難以實現(xiàn)，甚至無法起步。這要從馮諾依曼架構(gòu)等里程碑式的發(fā)展說起。這種計算機(jī)架構(gòu)范式最早在 20 世紀(jì) 40 年代提出，至今仍被沿用，并催生了20世紀(jì)70年代早期首批微處理器的誕生。
但有趣的是，是視頻游戲推動了硅芯片原始速度的極限。一個始于 20 世紀(jì) 90 年代初、旨在提升游戲畫面的產(chǎn)業(yè)，在短短幾十年內(nèi)發(fā)展成全球性的強(qiáng)大產(chǎn)業(yè)，英偉達(dá)等巨頭制造出日益強(qiáng)大的圖形處理器（GPU）。這最終成為神經(jīng)網(wǎng)絡(luò)算法能夠從互聯(lián)網(wǎng)規(guī)模的大數(shù)據(jù)中學(xué)習(xí)的最后一塊拼圖。因此，如果有游戲玩家在場，我們必須感謝你們。
當(dāng)然，這不僅僅是歷史回顧，更是構(gòu)建未來的藍(lán)圖。2012 年，在 ImageNet 挑戰(zhàn)賽上，我的實驗室率先將算法、數(shù)據(jù)和算力這三個要素首次以足夠大的規(guī)模結(jié)合，幾乎在一夜之間改變了整個領(lǐng)域。機(jī)器首次能夠理解并可靠地描述圖像內(nèi)容，數(shù)百萬張圖像。這在今天看來理所當(dāng)然，但在當(dāng)時，這是一個尚未解決的難題，一種近乎科幻的能力。這是里程碑式進(jìn)展中倒下的第一塊多米諾骨牌，而且隨著時間推移，這些進(jìn)展愈發(fā)迅猛。
如今，十多年過去，我們?nèi)栽谔剿鬟@一切的意義。最初只是學(xué)術(shù)上的好奇，如今卻年復(fù)一年地受到商業(yè)領(lǐng)袖、企業(yè)家、行業(yè)分析師乃至政治家的高度關(guān)注，且這種關(guān)注似乎有增無減。我們正處于人工智能的第一個真正時代，一個歷史學(xué)家未來必將如此稱呼的時代，大約持續(xù)十年左右。無論以何種指標(biāo)衡量計算機(jī)科學(xué)學(xué)位、人工智能項目、投資金額、初創(chuàng)企業(yè)等等人工智能都是一場規(guī)模和范圍不斷擴(kuò)大的革命。
無需贅言，在過去幾年中，隨著大語言模型的問世，人工智能迎來又一個驚人的轉(zhuǎn)折點。這些模型將現(xiàn)代人工智能的三個要素擴(kuò)展到更大規(guī)模：一種名為 Transformer 的新架構(gòu)，在近乎整個互聯(lián)網(wǎng)的數(shù)據(jù)上訓(xùn)練，并由驚人數(shù)量的頂尖芯片提供算力支持。正如大家所見，其結(jié)果是機(jī)器能力以前所未有的速度爆發(fā)。我們現(xiàn)在已習(xí)以為常地認(rèn)為，人工智能能夠用流利的自然語言與我們對話，回答幾乎任何領(lǐng)域的問題，甚至生成復(fù)雜的圖像、聲音、音樂和視頻。ChatGPT 的巨大成功，創(chuàng)下用戶采納率記錄，充分證明了這項創(chuàng)新對日常生活的影響。
這些能力并非僅停留在表面。如圖所示，近年來，人工智能模型在從手寫識別到博士級科學(xué)問題等一系列基準(zhǔn)測試中，表現(xiàn)突飛猛進(jìn)。在某些極具挑戰(zhàn)性的任務(wù)中，其性能提升曲線幾乎呈垂直上升。
從流暢的語言能力出發(fā)，大語言模型現(xiàn)在在問題解決中扮演著更積極的角色，能夠分解任務(wù)并規(guī)劃實現(xiàn)現(xiàn)實世界目標(biāo)的步驟。許多人將這種被稱為“Agentic AI”的人工智能智能體，視為這項重大技術(shù)在 2025 年的新篇章，它將為眾多用戶和企業(yè)帶來變革。
然而，未來還有更多值得期待。智能不僅限于語言智能。以人類為例，我們是作為一個整體而智能的生物。一個嶄新的篇章正在開啟，空間感知能力正擴(kuò)展為更加積極主動的能力。在我所從事的相機(jī)和機(jī)器人領(lǐng)域，人工智能開始在有形或無形的 3D 空間中進(jìn)行創(chuàng)造、理解、推理和互動。它可以用于與人或物交互，我們稱之為空間智能和具身智能。
如今，我們的視覺智能使我們能夠輕松識別出圖中的所有物體：貓、盆栽、桌子，當(dāng)然還有那杯牛奶。但這真的是我們感知能力的全部嗎？我敢肯定，仔細(xì)觀察這張照片，肯定有不少人不僅理解了畫面內(nèi)容，還非常想伸出手去扶住那杯牛奶，以免它掉在地上摔碎。這只是一個微小的例子，卻突顯了從“觀察”到“行動”之間存在著深刻的差異。它預(yù)示著我認(rèn)為我們即將到達(dá)的轉(zhuǎn)折點：人工智能將從觀察者轉(zhuǎn)變?yōu)榕c我們并肩行動的行動者。
事實上，就我所敬佩的艾倫圖靈而言，我現(xiàn)在認(rèn)為他對未來的愿景過于狹隘，略顯內(nèi)向。進(jìn)化本身明確地告訴我們，智能的真正力量不僅在于思考，更在于運用思考驅(qū)動行動。想想人類的空間智能如何賦予我們力量，去建設(shè)我們的文明，從古代金字塔到工業(yè)革命，從科學(xué)發(fā)現(xiàn)到藝術(shù)表達(dá)。當(dāng)人工智能擴(kuò)展我們的空間智能和具身智能時，我們與周圍世界的關(guān)系將發(fā)生怎樣的進(jìn)一步變化？它將幫助我們創(chuàng)造和發(fā)現(xiàn)什么？我們又將構(gòu)建怎樣的未來？
同樣令人興奮的是，機(jī)器人技術(shù)，作為具身人工智能的一種形式，也在迅速發(fā)展。我在實驗室的研究，是將機(jī)器人學(xué)習(xí)與大語言模型和視覺模型相結(jié)合的最新例證。與以往那些高度編程和精心設(shè)計的機(jī)器人相比，這些研究使機(jī)器人能夠在更加開放、真實的場景中執(zhí)行日常的人類任務(wù)。
這些都是令人振奮的可能性。但是，如果人工智能真的不僅成為會思考的機(jī)器，更成為會行動的機(jī)器，那么我們引導(dǎo)這項技術(shù)的集體責(zé)任就變得更加迫切和重要。我認(rèn)為，稱這一切已將我們帶到一個具有文明影響的時刻，絕不為過。那么，我們該如何應(yīng)對？
多年來，這個問題一直指引著我的工作。雖然我確信沒有簡單的答案，但有一個主題始終貫穿于我的所有研究：以人為中心的人工智能。它由三個簡單的價值觀構(gòu)成：尊嚴(yán)、自主性和社群。
首先是尊嚴(yán)。面對日益強(qiáng)大的技術(shù)，我們?nèi)祟惓３Ｃ媾R一個問題：是什么定義了我們？拋開我們能夠完成的所有任務(wù)，作為人類的自豪感，自主做出決定和采取行動的能力，仍然是我們存在的基石。如果這項技術(shù)能夠幫助守護(hù)，甚至將這種尊嚴(yán)感帶回給我們所有人，特別是最脆弱的群體，那將令我無比振奮。這是一個關(guān)于機(jī)器人技術(shù)和人工智能技術(shù)如何幫助賦予甚至癱瘓病人自主能力的例子。
在斯坦福大學(xué)，我的合作者和學(xué)生們通過非侵入式腦電圖（EEG）收集腦電波，純粹通過人的意念來控制機(jī)械臂。我們的人工智能算法能夠解碼人的意念和指令，并引導(dǎo)機(jī)械臂制作出一份完整的日式壽喜燒。
第二是自主性。我實驗室研究工作的一個核心原則是探索人工智能的應(yīng)用，以增強(qiáng)人類能力，而非取代人類。正如歷史上每一次重大技術(shù)變革都重塑勞動力市場一樣，人工智能的進(jìn)步也必然會對就業(yè)崗位產(chǎn)生影響。但我認(rèn)為，人工智能不應(yīng)取代我們，而應(yīng)助力我們提升能力，從創(chuàng)造力到醫(yī)療健康，從科學(xué)發(fā)現(xiàn)到工業(yè)制造。人工智能的諸多技能與人類技能互補，我們擁有大量機(jī)會，利用這種數(shù)字或物理的協(xié)作方式來增強(qiáng)自身能力。我實驗室過去十年在人工智能醫(yī)療健康領(lǐng)域的探索，讓我看到了諸多機(jī)遇，人工智能可以幫助提升護(hù)理質(zhì)量，減輕醫(yī)護(hù)人員負(fù)擔(dān)。這里有三個例子，展示了如何利用人工智能算法驅(qū)動的智能攝像頭，來幫助醫(yī)院提高臨床醫(yī)生的手部衛(wèi)生習(xí)慣，幫助記錄患者的行動鍛煉，以及輔助手術(shù)器械跟蹤。
最后但同樣重要的是社群。過去十年，很多時候技術(shù)的故事都在將我們彼此分離：信息繭房、煽動性內(nèi)容等等。人工智能正處在又一個岔路口。一條路通向人工智能使真實的社交體驗黯然失色，個性化定制內(nèi)容強(qiáng)化我們偏見的世界；另一條路則通向人工智能幫助我們建立更美好、更強(qiáng)大社群的世界。例如，教育輔助工具可以將學(xué)習(xí)機(jī)會帶給更多人，包括孩子和成年人。
這里有兩個簡單的例子：左邊是使用人工智能和虛擬現(xiàn)實技術(shù)作為個性化學(xué)習(xí)工具，幫助患有閱讀障礙的大學(xué)生取得更好學(xué)習(xí)效果；右邊是由美國布法羅大學(xué)創(chuàng)建的人工智能專家系統(tǒng)，旨在彌補語言病理學(xué)家短缺問題，以便對 3 至 10 歲有言語和語言障礙的兒童進(jìn)行早期干預(yù)。
所有這些都引出了我想分享的最后一個想法。在這個具有文明意義的關(guān)鍵時刻，我們?nèi)绾尾拍芄餐Γ岳硇�、�?wù)實和負(fù)責(zé)任的態(tài)度治理人工智能，從而守護(hù)其驚人的潛力？
首先，至關(guān)重要的是，我們的治理要以科學(xué)為基礎(chǔ)，而非科幻想象。從街頭巷尾到華爾街，今天關(guān)于人工智能的大部分討論，都被聳人聽聞和夸大的言論所渲染，導(dǎo)致了具有誤導(dǎo)性的人工智能治理政策。相反，我們需要運用更科學(xué)的方法來評估和衡量人工智能的能力與局限性，從而制定更精準(zhǔn)、更可操作、更符合實際的政策。
進(jìn)而引出我的第二點，即在人工智能治理方面，要采取務(wù)實的態(tài)度，而非意識形態(tài)化的立場。人工智能有望成為一項強(qiáng)大技術(shù)，若能合理運用，它可以幫助我們生活得更美好，工作得更高效。因此，我們不應(yīng)阻礙這項仍處于發(fā)展初期技術(shù)的探索與研究，而應(yīng)更加關(guān)注其具體應(yīng)用，確保其有益用途，并防范潛在的負(fù)面影響。
最后，我們需要投入資源，構(gòu)建更健康、更具活力的人工智能生態(tài)系統(tǒng)。在這個生態(tài)系統(tǒng)中，學(xué)術(shù)界、創(chuàng)業(yè)者、開源社區(qū)和公共部門都應(yīng)積極參與，與大型企業(yè)共同發(fā)揮關(guān)鍵作用，推動技術(shù)進(jìn)步。如果人工智能要改變世界，我們需要各行各業(yè)的人都參與塑造這一變革。
在本文的前半部分，我提到了現(xiàn)代人工智能的三個關(guān)鍵要素：算法、數(shù)據(jù)和算力。如果這些資源過度集中在少數(shù)公司手中，人工智能生態(tài)系統(tǒng)將因缺乏好奇心驅(qū)動的研究、頂尖人才培養(yǎng)、開源協(xié)作和多學(xué)科探索而受到損害。
75 年前，艾倫圖靈就已洞見未來，并深受啟發(fā)，大膽挑戰(zhàn)人類去創(chuàng)造會思考的機(jī)器。今天，我們已將圖靈的挑戰(zhàn)推進(jìn)到他可能無法想象的程度。人工智能時代的科技進(jìn)步令人嘆為觀止。我認(rèn)為，現(xiàn)在是時候提出新的挑戰(zhàn)了。與其僅僅自問“我們能否創(chuàng)造人工智能”，不如反思“我們能否將人工智能塑造成一種向善的力量”。
簡而言之，今天我想向所有人發(fā)出挑戰(zhàn)：共同構(gòu)建以人為中心的人工智能。
峰會完整回顧：https://www.youtube.com/watch?v=UOyx1dTPAV4
