李飛飛巴黎AI峰會演講：現(xiàn)在是真正的“第一個AI時代”

“人工智能的未來應(yīng)建立在科學(xué)基礎(chǔ)之上，而不是夸大其詞的科幻情節(jié)。當(dāng)前，無論是大街小巷還是華爾街，關(guān)于AI的話題中都充斥著夸張炒作和聳人聽聞的描述，往往導(dǎo)致對AI的治理政策被各種誤導(dǎo)。”2月10日，在法國巴黎大皇宮舉行的“人工智能行動峰會上”， AI學(xué)者、斯坦福大學(xué)教授李飛飛發(fā)表開幕演講。

在此次演講中，李飛飛系統(tǒng)地梳理了人工智能發(fā)展的歷史脈絡(luò)。她認(rèn)為，“毫無疑問，歷史學(xué)家今后一定會把這段時間稱作‘真正的第一個AI時代'”。在她看來，從任何維度來看——無論是計算機專業(yè)中人工智能方向的學(xué)生人數(shù)、投資金額、新創(chuàng)企業(yè)數(shù)量，還是技術(shù)突破——AI都正在掀起一場深度和廣度空前的革命。

以下是李飛飛演講內(nèi)容，略有刪減：

AI三大關(guān)鍵要素：感知算法的突破、認(rèn)知科學(xué)的啟發(fā)、計算能力的躍升

我們當(dāng)今所處的現(xiàn)代AI時代，正是三項極其重要又各自獨立的技術(shù)與科學(xué)進(jìn)步匯聚而成的成果。

第一項是對感知算法的研究——即生物（包括動物乃至人類）如何理解周圍世界，并最終創(chuàng)造出讓機器也能具備類似能力的數(shù)學(xué)模型。在達(dá)特茅斯AI夏季研討會上延續(xù)了圖靈的大膽假設(shè)之后，神經(jīng)生理學(xué)家戴維·休伯爾（David Hubel）和托斯坦·維厄瑟爾（Torsten Wiesel）率先揭示了哺乳動物視覺皮層中神經(jīng)處理的層次結(jié)構(gòu)，這為他們贏得了諾貝爾獎，也徹底改變了我們對視覺處理的認(rèn)知。大約在同一時期，心理學(xué)家弗蘭克·羅森布拉特

（Frank Rosenblatt）搭建了最早的神經(jīng)網(wǎng)絡(luò)原型之一——感知器（Perceptron）。這項工作啟發(fā)了數(shù)十年后無數(shù)計算機科學(xué)家，尤其是早期先驅(qū)者，如福島邦彥（Kunihiko Fukushima）、杰弗里·辛頓（Jeff Hinton）、楊立昆（Yann LeCun）、約書亞·本吉奧（Yoshua Bengio）等，去設(shè)計愈發(fā)先進(jìn)的模型，最終形成了我們今天所熟知的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法，讓機器擁有了自身近乎神奇的感知和分析能力。

與此同時，第二條研究脈絡(luò)也開始出現(xiàn)——認(rèn)知科學(xué)家轉(zhuǎn)而研究人類自身的大腦，揭示我們對周圍環(huán)境進(jìn)行感知時所擁有的驚人深度和復(fù)雜性。他們的研究明確指出，無法將我們的腦與其所處的進(jìn)化環(huán)境分割開來。大腦不過是一個被禁錮在顱骨黑暗之中的機器，卻又從生命最初時刻開始，就急切地向外部學(xué)習(xí)，通過每一次光線的照射、每一次觸覺刺激、每一聲細(xì)語來獲取信息。

對我個人而言，作為在21世紀(jì)初成長起來的科學(xué)家，當(dāng)時感知算法幾乎是我所在領(lǐng)域的唯一關(guān)注點，而認(rèn)知科學(xué)帶給我的啟示在于“規(guī)模”。演化與發(fā)育能如此有效地塑造人類智慧，是因為它們能利用大量數(shù)據(jù)來驅(qū)動我們的學(xué)習(xí)。我和我的合作者、學(xué)生們推測，同樣的規(guī)律也適用于機器，只不過這一次，數(shù)據(jù)來自現(xiàn)代數(shù)字設(shè)備和互聯(lián)網(wǎng)，而不再是依靠生物感官。由此激發(fā)了我所在實驗室發(fā)起的ImageNet項目——它是第一個針對人工智能的大規(guī)模互聯(lián)網(wǎng)訓(xùn)練與評測數(shù)據(jù)集。我們提出了一個關(guān)鍵假設(shè)：數(shù)據(jù)是讓神經(jīng)網(wǎng)絡(luò)等高容量算法真正“活起來”的關(guān)鍵。這個理念讓神經(jīng)網(wǎng)絡(luò)煥發(fā)新生，開啟了利用海量數(shù)據(jù)來推動AI進(jìn)步的全球趨勢，也成為如今所說的AI“規(guī)模定律”（scaling law）的一部分。

最后，如果沒有極其強大的運算能力來支撐，以上所有成就都不會發(fā)生，或者根本連起點都無法跨越。最初的里程碑包括馮·諾依曼（von Neumann）在20世紀(jì)40年代提出的計算機體系結(jié)構(gòu)理論，它一直沿用至今，并在70年代初催生了第一批微處理器。可有趣的是，真正讓硅芯片原始運算速度獲得飛躍的，竟是電子游戲。為追求更逼真的游戲畫面，上世紀(jì)90年代初誕生了一個小型產(chǎn)業(yè)，但在短短二十年迅速膨脹為全球巨頭——以英偉達(dá)（NVIDIA）等公司為代表，開發(fā)出了越來越強大的圖形處理器（GPU）。結(jié)果證明，這恰恰是讓神經(jīng)網(wǎng)絡(luò)算法得以利用互聯(lián)網(wǎng)規(guī)模大數(shù)據(jù)進(jìn)行學(xué)習(xí)的最后一塊拼圖。所以，如果現(xiàn)場有游戲玩家，那我們要感謝你們。

大語言模型將三大要素推向更極致的規(guī)模

后面的故事不僅僅是“歷史”，更是建構(gòu)未來的“配方”。2012年，在ImageNet挑戰(zhàn)賽上，我的實驗室率先將算法、數(shù)據(jù)和計算這三大要素首次大規(guī)模結(jié)合在一起，幾乎在一夜之間就改變了我們整個領(lǐng)域。那是機器首次能夠理解并準(zhǔn)確地描述海量圖像——成百上千萬張之多。如今我們對此已經(jīng)習(xí)以為常，但在當(dāng)時，這是一項前所未有的壯舉，甚至有些像科幻小說里的場景。它就像推倒了第一塊多米諾骨牌，隨后的一系列突破接連不斷，并且來得越來越快。

如今，十多年過去了，我們依然在探索這一切的意義。當(dāng)初只是學(xué)術(shù)界的一個好奇心驅(qū)動的研究，如今卻年復(fù)一年地吸引著商界領(lǐng)袖、創(chuàng)業(yè)者、行業(yè)分析師，甚至政治家們的熱切關(guān)注。如今，十多年過去了，我們依然看不到盡頭。毫無疑問，歷史學(xué)家今后一定會把這段時間稱作“真正的第一個AI時代”。

高校、資本對AI的熱情 來源：李飛飛演講截圖

從任何一個你能想到的指標(biāo)來看——無論是計算機專業(yè)中人工智能方向的學(xué)生人數(shù)、投資金額、新創(chuàng)企業(yè)數(shù)量，還是其他方面——AI都是一場在深度和廣度上不斷擴大的革命。我想在座的各位都不需要我來重復(fù)，過去幾年里，人工智能又迎來了更驚人的躍進(jìn)——也就是大型語言模型的出現(xiàn)。

這些大型語言模型把現(xiàn)代AI所依賴的三大要素——算法、數(shù)據(jù)和計算力——都推向了更極致的規(guī)模。它們采用了一種名為“Transformer”的新型模型架構(gòu)，訓(xùn)練數(shù)據(jù)幾乎覆蓋了整個互聯(lián)網(wǎng)，并在數(shù)量驚人的最新、最強大芯片上運行。正如我們所見，其結(jié)果是在機器能力上比過去十年來的任何一次突破都更為迅猛。現(xiàn)在我們幾乎將“AI可以用自然語言流暢地跟我們對話”視為理所當(dāng)然，AI能回答我們提出的幾乎任何領(lǐng)域的問題，甚至能夠生成各種復(fù)雜形式的內(nèi)容——從圖像、聲音、音樂到視頻，無所不包。ChatGPT所取得的驚人成就是這項創(chuàng)新如何影響我們?nèi)粘Ｉ畹淖罴牙C，因其創(chuàng)造了用戶采用速度的歷史新紀(jì)錄。

而且，這些能力并不只是表面上看著“會說話”而已。

現(xiàn)在AI模型在各種基準(zhǔn)測試（從手寫識別到博士水平的科學(xué)問答）上的表現(xiàn)近幾年都在飛速攀升；其中一些難度極高、對人類來說具有挑戰(zhàn)性的任務(wù)，AI的成績簡直像坐火箭一樣往上躥，幾乎呈垂直上升的趨勢。

大模型正朝著更具“主動性”方向發(fā)展

不僅如此，從能夠流暢使用語言開始，大型語言模型還在朝更具“主動性”的方向發(fā)展——它們學(xué)會了將復(fù)雜任務(wù)分解成若干步驟，并逐步規(guī)劃如何實現(xiàn)目標(biāo)。人們目前將這種趨勢稱作“具備代理能力（agentic）的AI”。而在2025年，這似乎正成為這場深遠(yuǎn)技術(shù)演進(jìn)的新篇章。對許多用戶和企業(yè)而言，這些能力已經(jīng)非常實用，而它們還遠(yuǎn)不止于此，后續(xù)的發(fā)展?jié)摿Ω遣豢晒懒俊?/p>

我們目前所討論的還大多停留在“語言智能”層面，但人類之所以為人，是因為我們擁有更全面、更完整的智能。從“被動感知”到“主動行動”的新階段正在到來。在我自己的研究領(lǐng)域——涉及攝像頭和機器人時，我看到AI正逐漸具備“創(chuàng)造、理解、推理和交互”這些維度，進(jìn)而在數(shù)字或物理的三維空間里與人和環(huán)境相互作用。我們稱之為“空間智能（spatial intelligence）”和“具身智能（embodied intelligence）”。

舉個例子：假設(shè)你看到這樣一張圖片，視覺智能很容易讓我們識別出里面的所有物品：那只貓、那盆植物、那張桌子，以及那杯牛奶。但是，這就代表我們感知系統(tǒng)的全部功能了嗎？我敢打賭，其中不少人不僅僅“看懂了”那張圖，還會產(chǎn)生“哎呀，快伸手把那杯牛奶抓住，別讓它掉到地上打碎了！”的沖動。這只是個小例子，但它清楚展示了“從觀察到行動”之間多么巨大的差別，也說明了我認(rèn)為我們?nèi)缃袼幍墓拯c：AI正從觀察者變成與我們并肩行動的“執(zhí)行者”。

實際上，就連我一直崇拜的圖靈先生，他對于未來的預(yù)見在這一點上也可能有些“過于狹隘”或“向內(nèi)看”了。因為進(jìn)化本身已經(jīng)一再告訴我們：智能的真正強大之處，不僅僅在于“思考”，而在于讓思考能驅(qū)動行動。想想看，人類的空間智能讓我們得以建立燦爛的文明：從古老的金字塔到工業(yè)革命，從科學(xué)發(fā)現(xiàn)到藝術(shù)創(chuàng)作。如今，當(dāng)AI逐漸拓展我們的空間和具身智能，這將如何進(jìn)一步改變我們與周遭世界的關(guān)系？它又能幫助我們創(chuàng)造和發(fā)現(xiàn)些什么？可以預(yù)見，我們已經(jīng)在打造某種面向未來的新形態(tài)了。

以人為本的AI的核心價值：尊嚴(yán)、能動性、社區(qū)

這個問題其實一直在指引我的研究工作。雖然我肯定，想要找到簡單答案幾乎不可能，但有一個主線在我多年的探索中始終貫穿，那就是我所說的“以人為本的AI（Human-Centered AI）”，并且它包含三個核心價值：尊嚴(yán)（dignity）、能動性（agency）和社區(qū)（community）。

首先是尊嚴(yán)。當(dāng)面對越來越強大的技術(shù)時，我們?nèi)祟惓３此迹旱降资鞘裁丛诙x“我們是誰”？如果把我們能做的所有事情都一一剝離，剩下的、那份能夠自主決策并親自行動的尊嚴(yán)感，依然是我們作為人的本質(zhì)之一。如果AI這項技術(shù)能幫助我們守護(hù)并且“找回”這份尊嚴(yán)，尤其是能幫助到最脆弱的人群，那將是讓我最激動的事情。

在這一點上，我想給各位看一個例子：如何讓機器人和AI技術(shù)幫助那些嚴(yán)重癱瘓患者重新獲得自主行動的可能。在這項斯坦福大學(xué)的研究中，我的學(xué)生利用完全“非侵入式”腦電波（EEG）記錄獲取使用者的思維信號，通過AI算法對這些信號進(jìn)行解碼并發(fā)送指令給機械手臂。最終，機械手臂在患者“意念”的控制下做出包括烹制日式壽喜燒在內(nèi)的一整套烹飪動作。這便是AI幫助人們重新贏得自主與尊嚴(yán)的一個示例。

其次是能動性（agency）。我所在實驗室多年來的核心理念，就是探索如何讓AI“增強（augment）”人類的能力，而不是取代人類。毫無疑問，每一次重大的技術(shù)變革都會對勞動力市場產(chǎn)生沖擊，AI也不例外。然而，我相信AI可以幫助我們從創(chuàng)造力到醫(yī)療保健、從科研到制造業(yè)，在方方面面獲得新的能力。因為在許多方面，AI的技能與人類的技能其實是互補關(guān)系。我們完全可以利用這個“數(shù)字或物理上的合作者”來強化自身能力。

過去十年里，我的實驗室一直在研究AI如何改進(jìn)醫(yī)療服務(wù)，這讓我見識到許多能讓AI幫助提高醫(yī)療質(zhì)量、同時減輕醫(yī)護(hù)人員負(fù)擔(dān)的機會。這里給大家展示三個例子：利用搭載AI的智能攝像頭來協(xié)助醫(yī)院監(jiān)督醫(yī)護(hù)人員的洗手規(guī)范，輔助記錄病人復(fù)健時的移動訓(xùn)練情況，以及跟蹤手術(shù)器械的使用狀況。

最后是社區(qū)（community）。過去十年里，科技也常常被詬病“把人們越拉越遠(yuǎn)”，催生了各種“信息繭房”和“狂熱話題誘餌”等。如今，AI又一次走到了十字路口：一條路是讓AI主導(dǎo)很多社交體驗，甚至為每個人極度定制并強化他們原本的偏見；另一條路則可能幫助我們構(gòu)建更健康、更強大并具有包容性的社區(qū)，比如借助AI教育助手，讓更多人（包括孩子和成人）獲得學(xué)習(xí)的機會。