目录
- 视觉是智能基石与现代AI的起源 [00:00:00 - 00:10:00]
- 从物体识别到情境学习 [00:10:00 - 00:20:00]
- 人类智能与机器学习的差异 [00:20:00 - 00:30:00]
- AI如何增强而不是取代人类 [00:30:00 - 00:40:00]
- 医疗中的AI与机器人 [00:40:00 - 00:50:00]
- 空间智能与World Labs [00:50:00 - 01:00:00]
- AI、教育与人类独特性 [01:00:00 - 01:10:00]
- 创造力、艺术与工作变化 [01:10:00 - 01:20:00]
- AI治理与以人为本 [01:20:00 - 01:30:00]
- 技术变革中的人类价值 [01:30:00 - 01:40:00]
- 给年轻人、教师和未来的建议 [01:40:00 - 01:42:56]
视觉是智能基石与现代AI的起源
Andrew Huberman：欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI 声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了语言主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经。健康与科技领域精品内容,我是主播一凯,一位热衷于AI领域的产品经理。很荣幸能为您搭建这座跨越语言障碍的桥梁接下来让我为您简单介绍本期，我们克隆的这档节目本期我们克隆的是知名播客Huberman Lab的一期深度对谈主持人是，斯坦福大学神经生物学教授Andrew Huberman而嘉宾则是被誉为AI教母的斯坦福计算机科学家，李飞飞博士这期节目发布于2026年8月两人从神经科学与计算机科学的交叉视角，聊了AI如何真正增强人类智能丰富生活体验也坦诚探讨了AI与人类认知的本质，差异以及那些无法被机器复制的直觉与情感 [00:01:09]
李飞飞：那我们就一起走进这期完整的对话我觉得人类最学不会的一件事就是老一，辈总在抱怨下一代好像下一代什么都不懂他们没礼貌他们忘了过去但如果，你看人类历史的整个轨迹总体而言我们是在往更好的方向前进我不是否认，那些暴行不是否认那些挫折这些我都不否认但根本上我对人类是乐观的我，看那些孩子他们充满好奇当然他们会被这些技术极大的娱乐但他们也开始，使用它我担心的是老师和一些家长因为我觉得我们今天的社会尤其是硅谷，并没有在帮他们我们把他们忘了欢迎收听Huberman Lab 播客 [00:02:03]
Andrew Huberman：在这里我们讨论科学以及适用于日常生活的科学工具工具我是Andrew Huberman我是斯坦福，大学医学院神经生物学和眼科学教授我今天的嘉宾是李飞飞博士他是斯坦，福大学的计算机科学家和教授也是人工智能和计算机视觉领域的先驱和杰，出人物之一大家都知道每天有数百万人使用AI聊天机器人查找信息当然很多，人对AI感到担忧担心它会走向何方担心它可能取代某些人类工作或者以某种，方式降低我们的生活体验今天我们从神经科学的角度讨论智能到底是什么，以及AI可以怎样正在怎样被用于善也就是真正去增强学习改善健康去丰富而，不是削弱人类的体验我们首先讨论不同年龄的人脑如何学习新信息大脑在，这个过程中遵循什么规则以及AI因为基于互联网内容既在某些方面像人脑能，学的东西又在某些方面有所不及我们还讨论了AI和机器人在医学中的激动人，心的应用需要说明的是菲菲承认并回应了关于AI的许多合理担忧但作为斯坦，福大学以人为本人工智能研究所的主任他的目标是确保人类和整个人类社，会在AI下一步走向中被代表你很快就会听到李飞飞博士是一位杰出的科学家，和教育家他被称为AI教母因为他开创了AI技术也因为他坚持让AI的伦理和善意用，途始终处于AI和机器人的核心位置所以无论你年轻还是年长今天的对话都会，让你了解并学会以真正有益于你丰富你生活的方式去理解和使用AI在我们开，始之前我想强调这个播客与我在斯坦福的教学和研究角色是分开的但它是，我希望并努力向公众提供零成本的科学和科学相关工具信息的一部分现在，开始我与李飞飞博士的对话李飞飞博士欢迎你谢谢我很高兴来到这里Andrew这次，对话期待已久你是AI领域的杰出人物但我也把你视为神经科学家和计算机科，学家我们通过视觉科学有共同的路径所以也是同事也是斯坦福的同事所以，我想从视觉开始视觉看见和光就AI及其走向而言有什么特别之处因为我觉得，对大多数人来说这些听起来可能是非常不相干的话题 [00:04:37]
李飞飞：但实际上一切正是从这里开始的对我把视觉看作智能的基石几乎从两条平，行的路径来看一条是进化交给我们的你知道视觉的进化动物智能和人类智，能的进化是怎样的另一条是计算机视觉和AI它们之间的关系是什么所以我分，别讲一下进化方面我常说5.4亿年前动物第一次看到了光这些是简单的海洋动物三叶虫和它们的近亲在，那之前几乎没有感知大约同一时期触觉也开始在动物身体中出现但没有听，觉没有你知道嗅觉没有但绝对没有神经系统但第一批感光细胞创造了一种，进化力量推动动物进化因为感知外部世界会改变你的自我认知改变你与外，部世界的关系简单说如果你去寻找你能看到食物这改变了你的生活对吧从，进化的角度看你也成了别人的食物同时你在主动寻找食物主动寻找配偶等，等所以真的因为感知和知觉进化在动物物种形成方面以难以置信的速度加，速化石研究告诉我们动物第一次看到光之后的一千万年就是我们所说的进，化大爆炸或者说动物物种形成的寒武纪大爆发再往后我认为视觉一直扮演，着巨大的角色不仅在动物早期进化中也在高级智能及其如何出现中你和我，都是视觉的学生和科学家据估计人脑一半的皮层活动与视觉功能有关儿童，在发育过程中先有视觉后有语言所以视觉直到今天在动物智能的进化里也，在人类的日常生活里都扮演着核心角色与此同时视觉作为人工智能的一个，学科一个领域在几个方面对今天这个现代AI时刻起到了关键作用首先是算法，也就是神经网络算法计算机科学家最早在1950年代初期开始尝试神经网络算法，Andrew你可能记得1950年代初期神经科学那边发生了什么像Huber和Wiesel这样的神经科学家开始，记录哺乳动物大脑里的视觉细胞并逐渐意识到神经细胞有一种层级结构一，层层叠在一起沿着这个层级传递神经信息从视网膜收集光线一直到识别出，眼前有个形状我们在哺乳动物大脑里看到的这种神经架构也正是神经网络，算法的灵感来源之一今天的神经网络算法运行在数千亿甚至上万亿的参数，上它的复杂度已经偏离了我们在哺乳动物大脑或视觉通路里记录到的东西，但两者的起源非常接近就在大约半个世纪前甚至更早一点这是视觉对AI贡献，的一个方面视觉对AI还有另一个同样关键的贡献那就是通过大数据这更接近，我自己的工作本世纪初的AI是一个机器学习的领域很多不同的实验室不同的，研究科学家在尝试各种算法不只是神经网络还有其他方法换句话说就是贝，叶斯方法支持向量机方法这些方法具体是什么不重要但那是一个探索阶段，我们想让这些算法跑起来好让机器能读能看我们一群计算机视觉科学家就，在跟这些算法较劲我当时是个很年轻的教员2006年在普林斯顿大学当第一年教，员我和学生们看着这些算法看着未给他们学习的数据有多可怜于是我去翻，认知神经科学的文献也就是视觉方面的文献我开始研究人类学多少能看多，少那些数字惊人人类到六岁时能学会成千上万种不同的物体类别而且接触，视觉世界的量也极其庞大对吧婴儿一出生大部分时间都在看所以他们被这，种大数据淹没于是我们推测数据的缺乏是AI进展缓慢的一个巨大原因所以我，们跟所有只盯着算法的人走了不同的路我们说我们需要数据我们需要数据，来驱动这些算法长话短说我们主导了ImageNet这个项目收集了人工智能领域第一个，互联网规模的大型数据集但其实是透过视觉这个领域做到的因为ImageNet收集了1500万，张图像ImageNet的目标是让机器识别日常物体比如麦克风杯子椅子这项工作跟神经，网络算法和GPU计算的进展汇聚到了一起到2012年现代AI这三个要素的汇聚成了定义，现代AI的那个时刻我记得大概在2012年前后有个叫Cold Cold Spring Harbor的视觉课程 [00:10:24]
从物体识别到情境学习
Andrew Huberman：每隔一个夏天办一次当时有个争论计算机能不能像人类一样学会识别特定，的人脸现在我想大多数人会说计算机其实比人类强多了哪怕有那些超级识，别者人脸识别能力特别出众的人你能不能告诉我们这项技术是怎么从那种，基本上会把我和你搞混或者把某个跟你有点像的表情搞混的状态走到现在，的一块饼干
李飞飞：或者说走到现在这个极其精准的地步我们是怎么走到这一步的我想好好深，入聊聊这项技术的汇聚我觉得大概在21世纪的第二个十年就像你说的2012年前后，最大的汇聚就是GPU计算能力的提升它基本上加速了计算实现了并行化让更多，浮点运算能跑在算法上对吧你需要那样的速度然后经过几十年的研究神经，网络算法也变得越来越成熟你知道从1950年代开始人们就开始创造这些非常简，单的算法行为上类似神经元但要简单得多神经元你也知道是非常复杂的但，这里的思路是你有一个节点单元接收一些输入然后输出一些东西它内部就，是一个函数一个非常简单的函数你把它们堆叠起来这就是神经网络但到了，2010年前后这些算法的成熟度已经达到了一个相当好的水平而且最后但同样重，要的是对大数据的认识互联网确实让数据变得更可得但那个觉醒时刻是哇，大数据必须成为这个等式的一部分我们需要用大数据来驱动这个算法让他，学习这些模式所以这三者的汇聚真正点燃了AI的革命那个具体的时刻也值得，一提因为你提到了人脸识别就是我的实验室提出的ImageNet挑战从2010年开始在我们收，集了这个巨大的数据集之后那时候GPU还不够成熟我们连续几年向研究社区发，出了公开挑战邀请大家来解决这个重大的计算机视觉问题叫做物体识别任，务非常简单我们有一个包含1000个不同物体类别的数据集这个数据集有超过100万，张图像我们称之为测试数据集算法的任务是我给你看一张图你要说出里面，的主要物体猜对了就得一分猜错了不得分所以那个ImageNet挑战我们后来过了几年，让斯坦福一个非常聪明的博士生来测人类的表现错误率大概是4%随机猜的概，率是千分之一对吧所以人类4%的错误率其实不算差头几年机器不如人类转折，点是2012年神经网络ImageNet数据集和GPU的汇聚即使是那一年虽然错误率被降到了顺便说，一句人类表现的错误率是4%抱歉我需要纠正一下错误率降到了百分之十几还，没达到人类的表现水平所以这是看图像然后给他分配一个千分之一的标签，明白了对但2012年之所以那么重要是因为这个神经网络算法让错误率比之前的，算法大幅下降我们在研究社区里知道当发生这么剧烈的变化时就意味着一，个拐点但算法真正在命名1000个物体上击败人类 [00:14:26]
Andrew Huberman：我记得又花了三年时间从2012年到2016年我能问一下这个4%的错误率那个非常聪明的，博士生是怎么产生的吗是他们认不出物体还是因为时间压力
李飞飞：比如他们被快速喂入图像偶尔会做出错误判断我觉得时间压力不是主要问，题虽然让一个博士生做这个我觉得他们也不想一直做下去但我觉得你知道，人脑你也知道记忆是有限的无论是长期还是短期记忆对吧所以记住一千个，物体类别的模式即使有些类别你很熟悉也不是那么容易你知道所以我觉得，有混淆的问题而且比如说不同品种的狗长得非常接近那是个挑战 [00:15:17]
Andrew Huberman：我能理解在视觉领域做这个的合理性但听觉声音方面有没有类似的探索我，的意思是你知道作为人类我们非常擅长识别语音的抑扬顿挫情绪语调之类，的但如果让我去分辨哪怕只是15种不同的声音频率作为一个非音乐人我可以，告诉你对我来说会非常困难绝对
李飞飞：我觉得你看到的就是闸门被打开了人工智能的每一个子领域不管是语音识，别声音识别还是自然语言处理那已经不只是识别了还有视觉呢所有领域在，技术上都被大大推动了我们在斯坦福有同事在研究鲸鱼的声音对吧现在用，机器学习和人工智能来研究鲸歌语音识别是这轮人工智能革命早期表现特，别好的另一个领域当然技术还在继续进步等到Transformer那篇论文在2016、2017年左右发表的时候很快就显示出它比早期的ImageNet、AlexNet算法还要强大那时候下一个大突破不是来自计算机视觉领域而是来自自然，语言处理领域因为配方没有变现在我们有了一个更强大的神经网络算法叫，Transformer但互联网上的数据更多了至少以文本形式更容易获取的数据更多了而且现，在我们有了更强大的GPU所以像OpenAI和谷歌这样的公司很快就围绕这项非常重要的，技术集结起来不过从2017年到2022年还是花了大约五年时间才在自然语言领域迎来，ChatGPT时刻 [00:17:16]
Andrew Huberman：但那又是向前迈出的一步所以我觉得对于既不是计算机科学家也不是神经，科学家的人来说自然的人类的经验也许更能引起他们的共鸣也许我可以从，这个角度来提出我的问题当一个孩子学到有个东西叫小猫咪他们会说猫然，后他们通常会去掉小这个字他们可能会说小猫咪然后学会说猫如果他们和，猫有足够多的互动他们就会意识到猫是什么哪怕是从侧面看从背面看最后，如果他们看到一条尾巴看起来有点像猫的尾巴而且他就在你知道一些书的，后面你会说那是什么他们很可能会说猫哪怕他们也见过狐狸和其他有尾巴，的动物这完全基于他们的经验他们在做一个概率判断而这基本上就是人工，智能能做的这基本上就是机器学习能做的但在我看来从计算器到我们现在，的人工智能这个发展过程中必须有一个关键时刻让机器能够看到一条尾巴，的图像然后做出合理的假设因为如果是在室内之类的地方那很可能是猫因，为狐狸一般不会在室内诸如此类那么机器学习和人工智能是在什么时候获，得了这种情境学习的能力能够得出某个东西最可能的归属因为展示苹果香，蕉和橙子是一回事它们都是水果好吧你能区分它们你能把它们和汽车卡车，区分开等等但物体恒常性这一点如果某个东西在移动你只看到部分图像这，不是大多数人想到智能时会想到的东西但它是让我们的大脑其他动物的大，脑尤其是我们的大脑如此卓越的一部分原因也是为什么我们认为自己可能，是地球上最聪明的物种如果不是最聪明的那肯定是最擅长技术开发的对那，么人工智能是什么时候实现这一点的又是怎么把这些写进计算机让他们能，做到的 [00:19:11]
李飞飞：那我们就来认真对待这个问题你描述的非常好这个问题就是瞥见一条猫尾，巴然后能认出是猫对吧或者判断出那里很可能有猫有意思的是,Andrew一代又一代的机器学习计算机科学家都尝试过这个问题,在如今机器能可靠地做到这一点之前,有过各种不同的算法,你可以想象一种常识性的思考方式是,哦,也许我们应该先识别出所有家具,知道这是在室内,所以不太可能是狐狸。所以确实有那样的规则被内置到前几代算法里也有这样的规则比如不要直，接猜是猫而是只从十种可能的动物里猜一种猫是其中之一这样就限制了搜，索或猜测的空间会有帮助所以试过很多想法那么什么时候它变得可靠的多，了呢就是现在这个时代这些算法学到的大量数据拿Gemini或GPT来说拿Gemini或GPT学到的数据，真的在机器的学习空间里创造了这种能力积累了如此多的知识如此多的模，式以至于当呈现一张或多或少有点新的猫尾巴从书架后面伸出来的照片时，那个模式激活了学到的我们称之为学习权重或学习参数的东西让机器对这，个物体的评估或猜测更接近他见过的东西那很可能是猫尾巴或者就是尾巴，因为数据实在太多了明白了这就是Andrew作为神经科学家我觉得我们和人类大脑，分道扬镳的地方因为那个学会你说的小猫咪的孩子不会有机会下载整个互，联网的猫图片他们很可能只见过三只猫最多十只但他们却能通过一种不同，的学习路径把那条尾巴识别成猫尾巴而不是狐狸尾巴这些是我们还没有完，全解开的谜团但我确实想指出今天的人工智能算法用海量数据学出来的和，人类是如何进化出来的这两者之间的差异 [00:21:39]
人类智能与机器学习的差异
Andrew Huberman：如果我们继续沿着这个层级往上走从简单的物体识别到你我所说的高级脑，功能比如更接近大多数人听到智能这个词时想到的东西某种更高级的东西，创造力想象力我们先看一个中间阶段再看一个更远的阶段还是用猫这个例，子如果一台电脑或一个孩子学会了通过尾巴整体轮廓之类来识别猫而且他，们看过猫移动那对那个大脑来说无论是孩子还是电脑就是一个全新的世界，对因为现在他们知道猫通常是朝头的方向移动而不是朝尾巴的方向这些都，是很简单的学习规则对吧它可能会去追老鼠但可能会躲开狗也许吧也许不，会如此类推所以看起来所谓智能的下一层就是给移动方向不移动的方向以，及那个物体可能与之互动的其他物体赋予可能性这些在人们听来都很基础，但大脑就是这么学习的机器也是这么学习的那么下一个大的拐点是什么时，候就是给电脑给AI一张猫的图片然后说帮我把这只猫动起来让它像猫一样动，而不给它任何关于四肢怎么动的具体指令我猜那应该是一个很快但极其重，要的转变 [00:22:57]
李飞飞：在我们称之为AI的整个领域里因为大脑就是这么做的对你问这个真的很有意，思你说的太好了我从来没想过用这种方式向公众讲述那个时刻就是当视频，成为训练数据的一部分时到来的你看我又要回到训练数据了大约在2023年也就，是XTPT时刻之后不久多个研究团队开始把视频放进训练数据里当然我不打算深，入算法的细节里面有一些变化和调整你还记得吗2024年1月SORA发布了那正是人们看，到视频可以被生成的时候就像你刚才说的人们可以输入文字说一只猫跑向，一只老鼠然后几秒钟的片段就被生成了里面有一只猫以合理的方式摆动腿，跑向老鼠那时候还有错误即使到今天它也不完美但已经好多了但那打开了，视频生成的闸门就像你描述的那样那到底发生了什么实际上那并不像你想，象的那么革命性因为归根结底它还是数据作为科学家我可以告诉你有各种，各样的算法调整改变和改进等等但总的来说如果你退一步看它仍然是这个，伟大神经网络时代的一部分对吧但发生的是我们现在能够以某种方式处理，视频数据又是靠一些巧妙的工程把它token化随便你怎么叫现在我们可以生成这，些短视频片段就是把针拼在一起看起来像合理的猫的动作你可能会问算法，知道猫腿的肌肉结构吗所以当算法展示猫以合理的方式移动爪子时按顺序，我要说算法不知道但它有的是海量的视频尤其是互联网上的猫海量的猫的，视频所以它学到了猫动起来应该是什么样子所以从某种意义上说人类也是，这样我们大多数人没有受过教育的话不会知道猫的肌肉是怎么动的我现在，也不知道你知道我们医学院的同事可能知道但我们只是太习惯看到猫这样，动了所以我们心里有个合理的概念知道猫是怎么动的所以这是相似的AAA就是，这么相似它就是统计就是大量的数据告诉你什么是猫动作的合理生成对所，以当人们听到几乎肯定听过大脑是一台预测机器一台学习机器这正是是的，你所说的对 [00:25:55]
Andrew Huberman：我们再去一个更远的大脑功能层面我们知道人类身上存在的东西那就是思，想和创造力对现在思想和创造力大概也有规则它们比视觉系统的例子更难，把握 [00:26:07]
李飞飞：比如如果是尾巴而且在室内那很可能是猫这种但规则是存在的规则就在那，里如果用苹果做例子我们可以从低层开始看到一只苹果到中层看到苹果总，是往下掉现在会飞了到最高层支配苹果运动的方程是什么对所以这就是往，更高阶更还原论的方向去分析你怎么看这个想法
Andrew Huberman：确实有智能他能做大脑能做的事甚至好吧肯定能做单个个体人脑做不到的，事我们知道这一点因为他能打败人类下棋之类的现在我的理解是AI是在互联，网上训练的图像讨论视频歌曲但那不是人类认知的全部对吧所以AI有没有一，些方面不管是ChatGPT还是Cloud甚至是最强大的还没发布的机器学习和AI工具他们还没有，触及人脑功能的某些特征因为这些特征从来没被上传到互联网上至少没有，以AI能提取出来的方式上传比如说你可以放一首交响乐进去它遵循音乐数学，和声音的某些规则这说得通但你和我整天都有一些想法他们没法完全贴合，语言让我能直接打到互联网上先听我说完我知道这是个很长的提问但我觉，得这正是你最有资格回答的问题我从一年半前在犹他州见到你之后就一直，等着问你在艺术世界里有样东西叫抽象对吧偶尔会有人画出一幅画它不像，任何具体的东西音乐里也有这种情况你就是感觉到某种东西好像有一条根，本的规则或一种情绪跟它相连好像它们触及了大脑功能的某个方面但你说，不出那是什么我觉得这类东西对AI来说很复杂或者说我很难理解AI怎么能做到，因为你可以把那件艺术品放进AI说这揭示了人类经验的什么根本特征而它只，能接触到互联网上的东西所以你怎么能用AI去捕捉一团复杂的感受和体验这，对我来说就是那个缺口我相信AI迟早能做到但我没看到从神经科学到AI有任何，直接的路径不像我们能一步步推过视觉运动悲伤快乐那样你能提取出很多，东西但很难到达那些更高阶的抽象表征那些说不出来写不下来画不出来的，东西如果我说给我一个你的例子比如对童年老家的乡愁你可以写出来但那，只是文字那不是我没法在第一人称层面理解你的体验完全同意安主 [00:28:41]
李飞飞：我知道你在这个问题上想了很多我觉得这是个非常重要的问题我们一步一，步来拆首先TLDR简短回答是我同意你的看法我理解你刚才说的是那些极其微妙，高度个人化难以描述甚至从未被捕捉到的人类认知行为因为他们没被捕捉，到所以也就没被上传到互联网上而我们今天的AI没有途径去获取那些所以当，你提到互联网它是AI数据的来源我们得说清楚互联网是什么互联网不是随便，什么东西互联网是人类行为在多种模态下最大规模的集合我们再猜细一点，互联网上有全世界的人在打字打了很久很久到现在已经好几十年了打字是，一种感知机制它捕捉了一切从青少年的闲聊一直到被数字化被上传的深度，科学文章对吧所以捕捉人类语言是互联网最擅长的事然后互联网捕捉图像，怎么做到的因为我们现在有数码相机智能手机和数码相机里到处都是所以，人类喜欢拍照从你家里的猫到自拍到漂亮的BBC拍的那种照片那些也被上传到，了我们的数字空间除此之外还有视频视频现在有声音有动作那些也被上传，到了数字空间再往上还有音乐我们甚至不进入版权的法律讨论先把那个放，一边我只是在说数据的形式演讲歌唱音乐管弦乐那些也被上传到了数字空，间所以现在我们创造了一个巨大的图书馆里面有文字形式的人类知识视频，里的人类行为人类的表情甚至自然的种种在声音里现在AI就在那上面训练这，就是它为什么这么强大这就是为什么尤其在文字方面AI能识别模式能综合模，式因为那么多东西已经在那里了但你刚才说的那个东西比如说毕加索对那，副年轻女子肖像的独特表达方式有过一个极其深刻的念头那个念头从来没，被捕捉到事实上作为神经科学家如果我问你那个念头来自哪个脑区你不知，道对吧是布罗卡区是V1是运动皮层是前额叶我们不知道也许他弥散在到处都，是因为那个念头如此个人化如此特别你可以叫他创造力可以叫他情绪你想，叫什么都行你可以叫他cat231随便给他什么名字那个念头没被捕捉到所以他不在，互联网上所以AI没见过他这就是人类仍然如此独特的地方但我们也要给AI记一，功因为AI学到了那么多东西它能以高度创造性的方式组合信息你记得第37首吗，这是AlphaGo那部对吧对吧对第37首象征着AI的创造力我觉得这话记对但也可能被断章，取义因为那是AlphaGo和李适时对弈的一局棋我记得那是五局中的第三局AlphaGo作为一个，计算机算法下出了一步人类围棋大师从未想过的一步那一步非常了不起对，吧因为如果人类集体这些可都是大事都从没想过这一步但如果你深挖AI当时，到底做了什么首先围棋是一个高度数学化的游戏它有非常清晰的数学目标，每一步都有非常清晰的数学规则所以当AI拥有更大的算力并且能记住更多步，数的时候它就能做到人类大脑通常做不到的事情那这算创造力吗我觉得算，但我们也必须认识到那是一种特殊的创造力我和我们这个时代一位非常了，不起的数学家聊过我问他关于数学中未解的问题以及AI能如何为此做出贡献，他非常乐观他说今天的数学有很多问题不管它们有多难哪怕我是一个菲尔，兹奖得主我可能也忘了数学里有已知的方法可以解决这些问题因为我是人，脑我不记得我不知道过去几百年里所有的数学解法哪怕我是菲尔兹奖得主，所以AI能帮我们解决这些问题但作为数学家他也告诉我他说我不知道AI能不能，解决所有数学问题因为有些数学问题需要的解法还没有被发明出来那会把，创造力推到另一个完全不同的层次而这就是我们应该保持好奇的地方那会，是人类的创造力吗还是AI通过一轮轮的迭代改进达到一种人类没有的创造力，还是说这是一种结合的创造力我目前的猜想是混合的就是人类和AI并肩工作，能帮我们解决那些解法尚未被发明的难题然后你说的尤其是你提到情感那，更是高度个人化的这不一定是逻辑不一定是演绎推理也许Andrew你看着这个杯子，说这是个好杯子但如果他在我心里唤起了一种情感呢一个童年时刻一个好，杯子可能只对我和我最好的朋友有特殊意义那是我大脑里完全无法触及的，信息从未上传到互联网上不管今天的AI多强大都无法触及所以我对这个杯子，的反应以及我可能因为那段记忆而用它做的事可能完全不同你可以叫它创，造力叫它表达叫他讲故事叫他什么都行但那就是AI无法触及的地方我觉得在，不太遥远的未来某个时候 [00:35:14]
AI如何增强而不是取代人类
Andrew Huberman：计算机将能以非侵入的方式读取我们的大脑活动所以你懂的我甚至可以想，象五年十年后我现在头上就带着什么东西你看不见它就是一个非常非常细，的发网说发网听起来好像随便吧就是一些电极就在我颅骨外面不打扰我感，知我大脑内部的活动也许还能感知我的心率自主神经活动我有多警觉然后，把这些对和我说的我做的进行比较这一切完全在可及范围内而且一定会发，生你我都知道这可能已经开始让一些人害怕了但让我们让我们让我们保持，善意对吧有这样的一个世界一台我拥有的电脑我不担心数据泄露之类的事，我们已经解决了那个问题他在感知我的所有这些方面并且捕捉到这样一个，事实是的我说的话可能很重要但我的内在状态和大脑活动里有些方面连我，自己都没意识到对我可以选择和自己的这个方面协作说让我们让我们想出，一幅我从未见过的真正有趣的画面但它来自我某段重要的经历基于什么什，么都行然后它可以把那个揭示给我看因为它能接触到我的无意识大脑活动，特征我觉得这在不太遥远的未来非常可能发生也许如果人们在自己经验的，泡泡里想这件事这不会马上传到网上也不会被用来对付他们你其实是在了，解你自己当然当然而且我觉得大多数人对自己身上发生的事有天然的兴趣，对别人也是谢天谢地但我觉得太棒了比如我很想知道为什么我在某些方面，会绊倒过不好某一天或者为什么有些天我过得特别好或者我的想法从哪来，我可以你懂的在哪些状态上在展开但我不会知道该怎么做除非好一杯咖啡，不错一杯半好一点两杯就太多了如果我坐下来比如现在你想想我们做这件，事的方式有多原始这挺疯狂的太疯狂了而且每个人都有不同的方法我们都，试着把它搞对然后等你搞对的时候 [00:37:22]
李飞飞：你已经老道的更新它了而且我们现在可能根本没有从我们的生物学和大脑，里得到最大的收益对我们确实没有这就是我一直说的也是为什么别人谈论，人工智能时我会不舒服有些人把它说的好像要取代人类似的但你刚才描述，的其实是增强和扩展人类对吧这甚至不需要科幻到带个发网去读取脑电波，光是让人工智能学习你的写作模式就已经能帮你成为更好的沟通者更有效，的沟通者更高效的沟通者这是今天的人工智能就能释放的一种赋能能力Andrew我，觉得作为神经科学家和教员我们最清楚的一点是自主权对人类太重要了归，根结底它落到每个个体层面的动机自主权和尊严我觉得我们需要认识到要，把人工智能看作帮我们维护自主权的工具它确实应该如此他不应该夺走我，们的自主权今天引领人工智能的人也不该说这种话说这项工作会夺走人们，的自主权对 [00:38:40]
Andrew Huberman：我觉得那些对某种技术特别熟悉的人不管是电脑生物学还是任何技术汽车，也一样我们会变成那东西的极客以至于忘了他对别人来说可能很吓人对而，且围绕他的语言表达至关重要确实我记得90年代初有一阵子你肯定也记得基，因检测被看成那种东西你会想要做吗你会想抽血测一下吗因为天哪你可能，会看到让你吓一跳的东西现在围绕自愿做核磁共振这类事情也在讨论这些，都不是非做不可的但我的立场是信息越多越好不过我也慢慢明白不是每个，人都这么想 [00:39:18]
李飞飞：有些人就是不想知道他们不想知道对但他们应该有选择权同时我们该有足，够的公共教育和传播让人们了解利弊但不能剥夺他们的选择也不能说既然，你不懂这个我来替你做主什么对你好那不好对吧现在围绕人工智能的言论，越来越偏了因为懂行的人往往居高临下的对公众说话不管动机是正面的还，是负面的都有那种腔调你们不懂这是什么我来告诉你们我会让你们开心安，全不管是什么我来替你们决定这些都不健康也没帮助对我同意我觉得当初，做这个播客的原因之一 [00:40:08]
医疗中的AI与机器人
Andrew Huberman：就是展示那些真正心怀善意的科学家和医生他们没兴趣把事情讲的浅薄但，他们确实希望人们能理解是的很多人会觉得健康信息是更值得理解的东西，之一绝对幸好你正在打破我刚才描述的那种刻板印象还有少数几个人也在，做但你确实一直在最高层面做这件事真正鼓励人们去思考人工智能这种协，作思考那份自主权
李飞飞：以及用还是不用诸如此类我觉得有一项自主权对每个个体都很重要不管你，是学生老师医生还是政策制定者那就是去了解它不一定要学怎么写代码我，觉得那不一定必要取决于你的工作对吧比如说如果你是艺术家老师或医生，你不一定需要写代码但要了解这项技术是什么了解你自己怎么用它来赋能，自己赋能你的学习工作或表达通过学习人会更有掌控感通过学习你尝试时，没那么害怕通过学习你保住了那份自主权和尊严因为归根结底不管技术或，医学多先进作为人我们想要的是那种善意那种帮我们活得更好保住尊严让，社区变得更好的善意技术可以是连接者而不是分离者这个想法 [00:41:39]
Andrew Huberman：我觉得必须放在讨论的中心是的我们都知道他们是谁这个领域有好几位大，人物他们也处在成长过程中在学习怎么面对公众而且这个过程来得很快就，像你知道显微镜对着他们摄像机对着他们所以每一个细微的失调都被放大，了所以我愿意相信他们会成熟的够快意识到这一点而且我觉得他们正在意，识到其中一些人已经意识到了公众需要听到正确真实的信息但要用让他们，能理解的方式这就是医学和学术界那个不为人知的秘密你打破了这种模式，我愿意相信我也在打破这种模式那就是不分享事情怎么运作是有力量的对，但那对谁都没好处归根结底你揭开面纱让人们进来 [00:42:29]
李飞飞：人们反而觉得更安全对不分享确实有它的力量但同样也有一种力量是去说，请相信我我会告诉你的而作为教育者这两者我们都做不到我们不会走进课，堂说请相信我二加二等于四我们实际上会说来我教你怎么拆解怎么理解它，这样下次你自己就能算出来对吧我还觉得尤其是你的播客作为公共传播和，知识教育的一部分特别重要我也觉得我们需要听到来自不同背景的声音对，吧因为现在有大量的学者技术专家建设者思考者他们一直在接触AI使用AI认真，思考怎么用AI去赋能人这些声音太重要了 [00:43:20]
Andrew Huberman：当然除了你之外我一定会再邀请其他人来上节目但既然你今天在这我想接，着聊一个我觉得几乎所有人都会认同如果存在就太棒了的东西而且它已经，开始发生了就是用AI来加速健康发现疾病治疗等等就拿之前AlphaGo的例子来说大家，肯定还记得那个猫的例子那些都只是遵循特定规则alpha goal是一套非常复杂的规则，但只要你学会了它就是一套有边界的规则猫那个例子看起来没有边界像是，无限可能但它其实有足够的约束让机器和人都能学得很好一旦进入医学领，域医学有医学的规则科学有科学的规则你提出问题提出假设检验假设尝试，推翻假设如此往复这就是科学方法在医学里每个领域都有自己的方法我们，观察观察疾病观察谁康复了我们有病例报告我们做随机对照实验所以是有，规则的而且互联网知道这些规则所以LLM可以很好的用来挖掘健康信息因为有，约束的规则存在但我觉得你我都清楚因为我也把你当做生物学家生物学的，规则还在不断向我们显现这不是说皮肤科医生神经外科医生和肿瘤科医生，不懂自己在做什么而是他们在自己学到的有边界的规则体系内工作即便他，们持续学习更新这些规则现在似乎每个月都会冒出一个打破规则的新发现，比如我学到的是动作电位是全或无的他们看起来总是一样的要么放电要么，不放电但就在大约12年前有一篇论文显示动作电位的形状可以变化很大它发，表在自然上大家都看到了然后没人愿意去处理它这也太颠覆了它改变了规，则对神经元要么是分级电位要么是全或无而这个全或无我的意思是每一本，教科书里都写着所以现在如果我拿一堆神经活动然后给它一个规则说动作，电位可以大也可以小在同一个神经元里这完全打乱了我们理解神经科学的，一切我们对大脑的理解就直接归零了对但如果你给AI一个规则说这个信号可，能有一百种不同的形状那AI能做的恐怕比最顶尖的研究生还要多得多我敢说，斯坦福的或者公平起见麻省理工或加州理工的我觉得他不仅能做到而且能，在我问这个问题的这么长时间里就完成对虽然这个问题确实有点长所以我，想听听你的看法在医疗领域公众和AI怎么协作才能帮助解决疾病最好还能为，科学发现提出新规则让我们终于能在真正改变人类命运走向的层面上理解，生物学对安德鲁这可能是 [00:46:10]
李飞飞：你触及了AI最激动人心的用途之一那就是科学发现而在生物医学领域科学发，现直接关系到人类健康和疾病我觉得我们已经准备好彻底重写科学发现的，方式了因为多少年来我甚至不知道有多久他一直依赖聪明的人类记住其他，聪明人类教给他们的东西然后以我们自身肌肉的速度去推进我想大概就是，这样当然有超级对撞机之类的工具但总的来说做科学发现的方式里人脑或，者说科学家的头脑是这个过程中唯一的核心角色现在我们有了一个新工具，他的大脑能记住海量信息能帮我们综合知识能跨越学科跨越你和我都做不，到的领域比如我们俩恰好都在视觉神经科学和AI这个领域我对嗅觉一无所知，完全为零我可能连我们同事认识的那些词都拼不出来对吧所以对我们大脑，来说太难了但现在我们有了一个能打破壁垒的工具所以我觉得我们需要改，变我们需要用这个工具我们绝对我刚才在想150年前或者我也说不准具体多少，年前电改变了我们生活中的一切对吧我相信那也是一个我们在思考变化机，遇和恐惧的时刻我觉得我们必须认识到科学发现是AI和健康领域最激动人心，的机会之一对吧信息怎么被综合信息怎么呈现不仅呈现给临床医生也呈现，给患者患者怎么从诊断到治疗参与这个过程我们现在能做的实在太多了 [00:48:06]
Andrew Huberman：对我是说我不会说AI比所有医生都强但几个月前AI确实帮我区分了眩晕和低血，压而搞错的那位医生里有一位是研究前庭系统的耳鼻喉科专家你提供了什，么信息只是你的主观感受吗我过去一两天的主观体验好结果发现是医生给，我开的一种药我出现了轻微但不良的反应那种感觉很奇怪一迈步就觉得整，个世界都在往下坠对然后还有点天旋地转我当时想天啊这感觉像眩晕但我，记得头晕和头昏是两回事所以我就开始查这个果不其然是血压的问题他把，我的血压降得太低了不过我也咨询了一些我们认识的聪明医生我得说这些，医生都不在斯坦福这是实话但确实不我们就该实话实说这太了不起了当我，回头告诉他们时他们说这真的太厉害了你要是没在电话里跟我聊没来我诊，所我本来可以做一些额外检查的这我承认但这次是零成本花了一个早上就，知道如果我喝一些电解质喝到我本以为会过量的程度两小时后我就没事了，当然这里有可能存在安慰剂效应但两小时后我确实好了所以对病人来说有，这个东西也让人很安心 [00:49:22]
李飞飞：这不是说不用去看医生但这确实太不可思议了我是说这东西现在就有了医，生可以用这种工具顺便说一句我有个很有意思的例子我们这次对话之所以，改期是因为我父亲当时在做手术对吧在斯坦福由一位非常出色的外科医生，主刀但手术是由机器人完成的达芬奇机器人系统因为那是肝脏手术那位外，科医生非常出色的外科医生在操控机器人所以这是一次深度的人机协作手，术后我问那位外科医生我说你想象一下如果你做过一百万例这种手术这对，一个人类外科医生来说是不可能的但假设我们把全世过我们借所有外科医，生做这类肝脏手术的数据都收集起来我们能不能训练出一个自动AI来做这个，答案并不明确所以我们稍微深入探讨了一下因为肝脏是一个非常复杂的器，官血管极其丰富有很多血管而且每个人的肝脏都不一样所以考虑到每年接，受肝脏手术的患者数量即使你把全世界肝脏手术患者的数据都汇总起来可，能也不足以训练这个算法这说明了非常重要的一点AI是从模式中学习的当模，式不够丰富时我们就得小心我们必须知道怎么用AI或者怎么不用AI在这种情况，下人类与机器人协作远比一个训练不足的机器人独自做手术要好得多但同，样的问题可能也适用于外科医生因为一个外科医生能接受多少台手术的训，练呢所以这些都是人类和AI完全可以协作的机会而且可能会产生最好的结果，对吧未来还有待观察我们能不能创造一个肝脏的人工模拟环境然后训练出，无限的可能性这些都是摆在我们面前极其开放的科学研究可能性但也有一，些情况比如你遇到的那种眩晕和低血压的案例可能已经被报告过很多次了，数据库里有足够多的数据AAI已经学会了所以我们现在可以利用这一点来帮助，那些无法立即接触到医生的人太棒了你父亲的手术顺利吗很顺利实际上他，失血量比典型手术少了十倍 [00:52:06]
空间智能与World Labs
Andrew Huberman：这多亏了机器人手术的腹腔镜能力我想聊一聊一些我们认为人类独有的特，质他们到底是不是人类独有的你来告诉我这些是真心求问不是设套的问题，然后我也想学习一下I的结构是怎么让这些事情发生的比如说直觉我们都喜，欢把直觉想成某种神秘的确实很强大的东西像是我们独有的谁也拿不走没，法被模仿的东西但我也可以把直觉拆解成它就是我长期积累的经验它是一，套数据集加上一些身体和大脑的感觉还有一些预测线索比如上次我有这种，感觉结果发生了那件事上两次我有那种感觉结果事情没成所以我这次就走，这条路我是说这些规则你是可以交给计算机的但我们更深层的自我还有别，的方面如果我可以这么称呼的话比如我们不知道直觉在身体里映射在哪里，你可以做个影像实验但你不可能同时采集所有的神经元激素和所有东西所，以我们其实指不出一个位置甚至指不出一张网络像创造力直觉预感那种你，真的感觉到有什么事要来了但还没发生的想法AI能拿到什么样的规则从而获，得这类能力在这里我想放在能量的语境下来谈所以不管这东西是什么它就，像线粒体驱动细胞更倾向于一件事而不是另一件事就像恐惧或快乐那样对，吧我们刚才就在聊能量但在AI系统里我不是计算机科学家在AI系统和GPU里我们能，不能真的把更多的能量流分配到特定的学习规则上所以也许有一天我们可，以说基于你对我妹妹的所有了解我很爱她你觉得我们兄妹关系会怎么发展，你觉得我们今年生日做什么会很好这跟以前不一样以前她只能访问互联网，她能不能真的变得有点像心智或者像身心一体然后产生一种感觉知道什么，可能真的值得做还是说她只需要越来越多的提示比如她就一直问我问题所，以其实是我在做那个工作这个问题问得真好安德鲁为了讨论方便我想先把，直觉和创造力分开 [00:54:18]
李飞飞：也许我们之后会回到把他们合并的话题先说说这个直觉就是基于我对妹妹，的爱会发生什么对吧这真的是直觉吗今天你去问一个AI聊天机器人你会提示，说我是斯坦福教授神经科学家给我这个信息这已经叫上下文了我不知道你，会不会叫他直觉但因为你给了那条信息AI给你的答案就已经不一样了如果我，输入说我是个14岁的喜欢赛车的青少年即使我们问同样的问题他也会给出定，制化的答案那是一个数学上的事实我不会叫它能量我想说的是那只是这些，算法如何拿上下文来定制输出的数学事实它叫上下文在计算机科学里没那，么深那是一种比较浅的直觉因为你已经能用语言来描述它了或者你可以说，我要上传一张图片那也已经是可表达的了然后AI就能拿到你刚才说的更深的，直觉就像你根本不知道它们从哪来的对吧是因为我闻到了什么吗是激素吗，是情绪的混合吗是我的早餐吗那种直觉能拿它怎么办那我要说是不可及的，目前还没有感官装置能采集那些数据并喂给他不只是AI甚至都没法喂给比如，说有时候作为一对伴侣你们可能会有那种就是互相惹对方烦的时刻从来没，有没有我开玩笑的对当然有如果你们真的很熟你大概能感觉到但你说不太，清楚也许你就安静的走开让那个人独处所以这意味着那个人拥有的那种直，觉他甚至没法用语言或手势表达出来交给另一个人当做一条信息来用所以，当你自己都够不到他的时候不管是另一个人还是机器都没法对他做什么因，为没有通道高度个人化的直觉没有任何技术能做到除非你说我们放上脑波，采集器或者皮肤电导传感器我是说等我们做到那些的时候也许他们就变得，可及了所以我们必须认识到我想说的是关键不在于深不深而在于数据可不，可及你懂吗要么通过语言要么通过图片要么通过影像要么通过脑波不管是，什么它必须是一条可及的信息如果它是可及的那只要我们收集够了就可以，用它来训练机器或者如果机器训练的好它也许能像你说的以私密的方式先，不管隐私泄露的问题但以私密的方式机器大概能用它我想做的Andrew不是把它说，的神秘而是试着给它一个科学的过程来描述如果它真的发生 [00:57:31]
Andrew Huberman：那会怎么发生对因为基于大数据集和规则的模式识别能帮我们走很远这就，是我听到的意思而且我们之前聊过医生会犯错的地方机器人和机器也许做，得更好或者他们协作起来比任何一方单独做都更好你知道作为神经科学家，你在职业生涯的某个阶段会花很多时间看细胞令人惊叹的是电生理学家们，几十年来甚至更久你会培养出一种直觉我不是真正的生理学家但我学会了，识别细胞靠的是那些没写进任何论文的东西比如如果这个东西边缘比较直，形状和圆润度有某种特征我现在就能告诉你那是视网膜里的顺时关闭肺细，胞后来我们开发了基因标记证明每个案例都是如此但你也看到一些不符合，规则的机器能学会这个计算机能学会这个有了那些论文里的所有信息现在，我们有了相当完整的视网膜零件清单挺好这行得通然后你可以应用规则比，如他们这样放电他们那样放电好这些我都接受我想通过直觉表达的是可能，我没给出最好的例子就是人类有哪些内在状态真的很难想象机器能重现但，也许他们能比如动机机器会受激励吗机器人会受激励吗我们有动机的规则，比如当我真的想做什么事时我们称之为紧迫感一种紧迫的状态我可能会更，快的去做更少的激活能量你说走我站起来快一点机器可以朝某个方向更快，的移动但你能说我希望你去找这个东西但要带着更高的紧迫感吗还是他们，只能受限于他们能处理的数学规则 [00:59:14]
李飞飞：所以你可以把这构建到数学里某些东西不管你是叫它动机还是在机器学习，的世界里我们称之为目标函数你可以把某些东西构建到数学里比如现在你，去用chat tpt它有不同模式比如深度思考模式或者快速回答模式如果你不知道这是，怎么运作的你会觉得哦这很有趣一个更有紧迫感给我更快的答案另一个必，须更深入的搜索对吧然后花更长时间给我答案所以作为人类如果你过度拟，人化你可能会称之为紧迫感或动机但事实是这只是算法的不同目标你可以，说那个思考更快的有实现或令牌限制那个思考更慢的可以激活模型的不同，部分那会花更长时间所以这在数学上其实变得非常枯燥没那么深奥但对人，类来说你可以称之为动机或紧迫感但让我们更深入因为你问的比那更深对，吧那就是有些认知状态人类真正拥有的不管是动机紧迫感恐惧还是爱这些，非常难以获取和表达机器今天有这些吗没有让我们说清楚我们倾向于想象，机器有感觉或者他们没有他们没有那些数据他们没有那个数学目标函数所，以当机器说对不起你今天病得很重这和你朋友对你说这句话是非常不同的，因为机器说这个是因为他通过模式学到了当有人告诉他我病了你应该说对，不起你病了而不是我很高兴你病了因为那些数据存在而你朋友听到这个他，们真心希望你好他们爱你他们不想看到你受苦他们有那种共情感受如果你，在痛苦中我经历过痛苦所以这不是镜像神经元但至少是对痛苦意义的记忆，机器没有任何这些所以我们确实需要确保我们区分这些很多驱动人类触发，人类的东西在今天机器里不存在我们的运作方式与今天的人工智能根本不，同我们必须认识到这一点尊重这一点这就是公共传播如此重要的地方我们，不能在这点上混淆公众我觉得人们假设AI聊天机器人里面 [01:02:03]
AI、教育与人类独特性
Andrew Huberman：有一个有情感的人或什么东西因为我们太以语言为导向了他在跟我们说话，他在给我写东西我们现在比30年前做的更多了对当然我们已经非常习惯于接，收相当贫乏的语言交流短信不像长篇散文语言变了沟通方式变了变得更贫，乏而不是更丰富对但很快的某个时候我猜脸会开始进入画面无意双关比如，如果你或我给对方发短信下周这个时候校园间喝咖啡多久之后那条短信会，变成一张照片或视频就是你直接跟我说话告诉我这个我的意思是现在做这，个太容易了技术已经具备了
李飞飞：但我们现在得退一步看看社会参数法律影响人类用工具能做很多事但我们，不会全都去做比如今天任何一家汽车厂商都可以说每个星期五刹车失灵这，在技术上很简单车里的电脑有个时钟每到星期五就把刹车关掉但我们不会，这么做因为这对人类社会有极其恶劣的影响这时候就需要规则法律社会规，范道德来介入我觉得这正是我们跳出纯技术讨论进入AI社会讨论的地方 [01:03:21]
Andrew Huberman：那我们就来聊聊这个因为我知道生物学家或技术专家有个特点就是喜欢快，因为快让人兴奋那是下一个前沿对吧我记得很久以前有个朋友在研究病毒，以及把病毒导入的方法这些不是传染病病毒而是病毒载体用来让基因在动，物体内表达作为实验工具但后来有个机会真的可以把狂犬病病毒一种改造，过的狂犬病病毒放进果蝇里天哪在我看来如果你百分之百百分之一千确定，那是失去功能的狂犬病病毒版本那这么做没问题因为你可以往里面装别的，载荷做各种重要的实验信不信有你跟疾病有关的实验但如果有一只果蝇成，了漏网之鱼你拿到的是真正的狂犬病病毒它有可能跟另一只交配然后他们，最终找到其他果蝇我不知道这会是显性还是隐性遗传但你现在就有了带狂，犬病的果蝇而且那些东西跑得飞快所以这个实验不做是有原因的对但对他，们来说想想这事就很兴奋然后他们被拒绝了对吧理由很充分是的我当时很，庆幸对吧或者说任何一个生物系你都会看到一些果蝇飞来飞去顺便说一句，他们喜欢醋所以他们会飞向你的沙拉但重点是技术专家喜欢快他们喜欢感，知事物的下一个前沿那么在政府公众技术专家之间我现在把生物学和医学，先放一边这场对话要怎么进行才能让每一方都足够满意既不能拖我们后腿，因为我们现在据说也在AI竞赛里这要求我们跑得更快而不是更慢你怎么看这，个问题Andrew这正是我八年前 [01:05:05]
李飞飞：从谷歌回到斯坦福创办以人为本人工智能研究所的原因这些是我们必须面，对的重大社会问题2018年的时候还没有chat GPT但作为AI科学家我知道这只会加速所以我，去找同事和大学领导说咱们搭一个框架但这不只是我的框架也不只是斯坦，福的框架整个社会方方面面都需要意识到社会影响就像人类历史上做过的，无论是汽车飞机还是生物技术都是多维度的涉及多方利益相关者对吧有职，业规范比如你们生物学家不会偷偷溜进实验室试着把狂犬病病毒放进果蝇，里因为那是职业规范是你们的伦理训练有行业规则比如机构审查委员会今，天大学校园里每一项人体实验都要受机构审查委员会监管框架约束这样我，们才能把关然后还有法律和监管法规取决于它是用在人身上还是作物上所，以AI也要走同样的路对吧我们需要有职业规范需要有教育计算机科学家没有，受过伦理和社会研究的训练他们现在开始学了这就是为什么包括斯坦福在，内的一批大学正在拼命把这类课程加进我们的教育里这些是规范和教育但，我们也应该跟政府合作而不同的政府不同的社会有不同的规范传统和遗产，要看监管措施该用在哪里比如AI跟生物学交叉美国食品药品监督管理局我觉，得那是个非常重要的领域要看AI该怎么用来帮忙同时也要有护栏防止伤害这，样我们才能避免伤害我不希望看到的是一两个人或几个人从产业界出来告，诉所有人该怎么做我觉得那很危险因为市场力量跟社会规范不一样文化跟，遗产不一样教育跟伦理也不一样这些是多方利益相关者要一起解决的问题，我很喜欢这个回答 [01:07:21]
Andrew Huberman：而且这个话题现在非常非常及时我们这段对话的这部分以后肯定会越聊越，深但你确实一针见血我想听听你对这个问题的看法人类大脑如何被机器塑，造机器又如何被我们对人脑的理解所塑造先问第一个问题很多人家长和孩，子们都在想哎呀我的孩子现在啥也学不到了他们只会去聊天机器人那里查，一切但如果你回头看学习的历史当年对计算器对电脑对打字机也都提出过，类似的质疑一个接一个不过这确实是个有意思的问题我们脑袋里这个硬件，进化出来是为了处理现实世界里的物理事物的光声音气味等等然后他前面，长出了一块特别酷的部分前额叶皮层他能学习学习的规则还能更新这些学，习规则所以真要说什么的话我们被赋予的是一台学会学习的机器还能不断，更新学习方式这就是为什么孩子们能适应并利用大语言模型而我这一代人，是伴随着个人电脑长大的当然我是在帕洛阿尔托长大的那时候就是这里有，Pong那里有Apple II我们家里就有我当时想哇真酷大脑可以围绕技术成熟起来与技术协，作我觉得我的人生因此被大大丰富了但我认为智能手机也许还有带摄像头，的智能手机这个组合就像乔纳森海特指出的那样造成了一种局面大多数人，喜欢这些技术是因为它们方便省事但我们现在都多多少少更清醒了或者说，清醒了很多意识到我们也在失去一些东西对而且有些陷阱尤其是年轻人可，能会掉进去对那么在你看来非常乐观的一面和非常悲观的一面分别是什么，如果确实存在三种可能的话年轻人的大脑在现有的人工智能下是被丰富不，受影响还是受到伤害我们就先聚焦在当下已有的东西上好问题 Andrew而且答案几，乎是从我们刚才的对话里 [01:09:29]
李飞飞：自然冒出来的因为你用了动机这个词而我一直在用能动性最糟糕的结果是，我们年轻一代的能动性以及学习和生活的人类层面的动机被工具夺走了所，以负面信息刷屏被动的刷短视频这些都不利于能动性人类能动性学习从根，本上说尊重你刚才说的那个硬件它需要时间需要努力有时还需要一些痛苦，我们的大脑就是这样运作的不管经体管怎么运转我们的神经元有它特定的，运转方式我们的化学物质我们的激素也有特定的运转方式所以对年轻一代，来说无论社会将来变得多么不同工作变得多么不同我们的身体都必须经历，一个深度发育的阶段在这个阶段学习必须发生而那种学习的能动性学习的，动机任何人都不能夺走不应该被人类夺走也不应该被机器夺走这就是我的，担忧也就是说如果人工智能用的不对能动性和动机就会被夺走那样的话我，们留下的是一代又一代大脑没有得到充分发育的人另一种危险是打着能动，性和动机的旗号把工具从学生手里夺走因为我们担心你作弊担心你的答案，都是从XCPT那里来的那同样非常糟糕因为只要有恰当的能动性恰当的动机恰当，的使用工具的方式我们借助人工智能能学的比以往任何时候都深得多我刚，才就在想我曾经当过一阵子医学预科生天哪有机化学太难了你知道吗我记，得拼命去记那些分子他们的空间取向但助教达仪时间太短或者跟我另一门，课冲突教授也只有固定的办公时间学那个东西真的很挣扎对吧如果今天我，有一个AI伴侣我会问无数个有机化学的问题因为我知道自己卡在哪里对吧我，有学习的动机我只是需要有人引导那对我来说会是多么强大的学习工具所，以我们不应该把学生挡在门外所以让我担心的两件事要么是剥夺工具要么，是夺走能动性和动机当然另一面是好的那就是想办法保住我们孩子和学生，的动机与能动性想办法让他们获得这些工具并学会正确使用那样的话这一，代人即将到来的一代以及之后的许多代人会比我们聪明得多因为他们被赋，予了超能力 [01:12:31]
创造力、艺术与工作变化
Andrew Huberman：我很喜欢这个回答我对神经可塑性也对年轻一代抱有极大的信心就算是我，们自己我知道我们老了也不至于咱们得给自己一点肯定
李飞飞：可塑性在整个生命周期里都是存在的就算是我们自己的神经可塑性对吧我，就觉得人工智能是我学习的一个绝佳工具对我来说发现它能做什么
Andrew Huberman：本身就是一次了不起的发现对但我倾向于这样使用它如果我对某件事一无，所知我就以消费者的姿态去问如果我在所问的领域里已经有一些知识储备 [01:13:06]
李飞飞：我就以创造者的姿态去用其实我还有一件事去年一个斯坦福本科生教了我，一课我意识到在ChatGPT出现之前我有时候会偷懒我如果有问题就会去问我身边那，个我觉得聪明的人现在我意识到我不该问那些偷懒的问题因为在占用别人，时间之前获取信息已经变得太容易了再去问那种太偷懒的问题就不应该了，而人工智能正在逼我不要那么偷懒提示词的精确程度对从AI那里拿到最好的，信息有多关键提示词非常重要那这是一项技能对吧这确实是一项技能这就，是为什么公共教育这么重要这就是为什么教育这么重要我很希望看到我们，的学校从幼儿园到高中都教提示词我这有个小测验人类最会提问的人是谁，我肯定要考杂了苏格拉底如果他活着的话对因为那就是提问的方法对吧想，想看苏格拉底的方法是什么就是通过提问来引导来探寻真理 [01:14:20]
Andrew Huberman：我们应该回到那个方式教孩子们这么做而且讨论的时候还得边走边聊对这，其实是个不错的过渡正好引到巨神AI这个概念你知道吗给声音配上一张会说，话的脸跟只听到文字完全是两个世界我小时候的一个好朋友我希望你很快，能见到他因为你们俩都会从这场对话里收获特别多我真想当个旁观者埃迪，张博士神经外科主任生物工程师他研究言语和语言他和同事们搞清楚了神，经活动怎么转化为对喉部和咽部的控制他基本上把一些人从闭锁综合症里，带了出来让他们能重新说话哇十年里第一次他有个病人很不幸瘫痪了现在，能通过电脑说话他有别的病人其实这样的例子很多但最不可思议的是当他，开始在这位病人旁边放一台iPad特别是一位坐轮椅的女性他们有一段他婚礼上，的视频所以他们知道他的声音他们知道他的情绪模式也知道他身体怎么动，现在他通过旁边一台iPad说话旁边是他无法动弹的真实面孔但他能跟世界互动，世界也能以完全不同的深度跟他互动而不是只有一个麦克风就像史蒂芬霍，金那种而且这个系统通过机器学习不断更新现在还会关注他说话的对象以，及对方的反应我的意思是这就是巨声虽然是在一个二维的二维屏幕上这没，错但这比起单纯的机器人声音甚至只是准确的声音是一个指数级的飞跃这，不只是人的巨声巨声AI也会进入机器人领域 [01:16:01]
李飞飞：对吧AI的下一个前沿我一直这么说是超越语言的因为再说一次人类是先有前，语言阶段的进化花了你知道51年没有语言交流而且在正确的版本里有机器人，帮助人类世界会变得好得多能够举些例子吗我很喜欢这个想法但再说一次
Andrew Huberman：我意识到我可能现在技术兔子动力太深了可能吓到一些人所以机器人我们，有自动驾驶汽车其实威某总是会为我和我的小狗停下来我那漂亮的小家伙，六个月大的小狗他想过马路的时候你怎么能不停下来呢很多人不会停早上，差点把我们撞了威某非常礼貌威某得学会规则对吧没错所以那里有一种善，意人类身上并不总是有
李飞飞：但你觉得这会最先出现在哪里会是什么样子如果我们把时间拉远到12个月后，12个月对机器人来说有点太快了两年三年要我说把时间拉长到30年来看30年好我，不是说那是机器人第一次上街我们已经有自动驾驶汽车了我只是说尤其是，硬件也参与其中的技术要真正落地需要更长时间但我想说但愿在你我有生，之年我很想看到机器人成为社会的一部分帮助我们比如我是独生子女要照，顾两位年纪很大身体又很差的父母而且他们碰巧也不会说英语我要做的活，多得惊人对吧所以我真的很想有人帮忙这不会剥夺家庭责任不会剥夺爱也，不会剥夺必要的沟通但体力劳动那一部分某些部分我真的很想有人搭把手，我们住在加利福尼亚州有一件事是我们所有人都经历过的是什么堵车高税，收加州某些地方不堵车但有山火哦哇对对吧谁在扑灭这些山火让人类去冒，生命危险做救援应对自然灾害这不是个好主意对吧所以我家和我父母碰巧，有足够的财力但我就在想一个独居老人他们怎么去买菜怎么去拿药现在我，们开始看到一些配送服务但要是他们想出去散个步或者去公园呢所以有太，多太多事情了顺便说一句你在医学院我们的护理人员不是过剩而是短缺我，们的护士极度疲惫超负荷工作过去一个月我literally在医院陪我父亲就看着护士们，干的活我们知道在一个班次里护士要走好几英里路去取东西拿药有太多太，多了你能想象机器人来帮忙吗对吧所以我们的社会有太多方式可以被组织，起来 [01:19:01]
Andrew Huberman：并从这种帮助中受益我太喜欢你举的这些例子了你说我脑子里就冒出好多，比如过街引导员对你可以想象借助视频一个因为年纪或疾病困在家里的人，能自己去商店从货架上拿东西对也不一定非得那么脱节就是他们设定好程，序然后他自己回来虽然那也可以是一种选择对我觉得我们必须修正对这幅，图景的想象因为我觉得关于机器人和计算机有几件事会吓到人一个是他们，的物理硬度对吧所以我们和他们共享空间的方式和我们和其他东西共享空，间的方式非常不同当然我不是在想你会和机器人拥抱虽然有些人可能会那，么想但那不是我的想法但我在想的是好吧如果我有一个机器人能叠衣服吸，尘浇花喂我的鱼虽然我喜欢自己喂鱼我真的很享受我喜欢看他们吃东西我，喜欢亲手触摸他们literally和他们接触他们会从我手里吃东西你的小狗喜欢你的鱼，吗喜欢它有自己的鱼缸我刚给它买了几条热带鱼对就在它的小窝前面它在，照顾它们它看着它们但它还没能力照顾它们我觉得可惜它的前额叶皮层不，够用而且它是一只它挺善良的但它是一只斗牛犬混种它们不是最聪明的品，种它们只有几条学习规则但它们非常善良但如果你想要一只能照顾鱼缸的，狗你可能需要一只西部高地白梗之类的不一样前额叶皮层更多一些但这里，的重点是如果一个机器人做一件事另一个机器人做另一件事那感觉就像我，生活里塞了一堆硬件我觉得人们大概就是这种感觉对但你可以想象一个多，形态机器人你知道大白吗不知道 [01:20:47]
AI治理与以人为本
李飞飞：不知道迪士尼的机器人大概是十年前十五年前的吧你可以谷歌一下图片那，是一个白色的医疗机器人医疗保健机器人它不是很蓬松而是很海绵感摸起，来像一个大气球对所以你可能会喜欢那种对更多曲线对对而且同一个机器，人能做更多事感觉那是一个我能更快适应的世界而不是一个到处是机器人，的世界是的安德鲁我觉得当我们想象未来讨论我们如何想象未来的时候我，总是不停回到一个词自主权人类应该有自主权去决定我们如何想象这一切，不能只是一家公司或者我不知道一个投资人决定这个世界应该充满金属质，感的机器人对吧我们的社会应该集体的主动的去想象而我在AI的这套话语里，担心的一点是公众被放在一个被动反应的位置上感觉好像只有一些人在做，决定而多方利益相关者并没有参与共同设计这个未来就像你父亲手术那个，例子 [01:22:03]
Andrew Huberman：把机器人和医生结合起来对吧如果我们遇到一个问题那里有脆弱性而机器，人显然能让事情变得更好那画面就朝着正确的方向改变了对所以我脑子里，马上想到几个例子比如我觉得大多数人都会同意如果孩子能自己走路上学，走回家那很好但你会担心安全问题但如果一个机器人真的能当好孩子的守，护者好到能报警甚至可能保护物理上保护你的孩子那就太棒了对给他们在，这个世界上更多的自主权你再想想那些更阴暗但不幸确实存在的线上掠夺，性行为父母能监督孩子行为的程度有限孩子能意识到的也有限但你可以想，象有一个化身陪在孩子身边真正为孩子代言能发现危险把掠夺者挡在外面，你看这就是个很棒的创业点子那会很酷但我觉得画面里还缺一样东西对我，来说我记得见过一个了不起的人我知道有人说他有点难相处但这个人真的，很了不起我当博士后的时候还有我小时候在帕罗阿尔托玩具体育世界打工，的时候他就在帕洛阿尔托市中心走来走去那个人就是史蒂夫乔布斯不穿鞋，看起来像个嬉皮士是的他工作时对人吼叫现在HR大概不会对他太客气但他明，白我们叫做电脑的东西需要有圆润的边角他们需要无缝的装进口袋他们需，要让鲍勃迪伦出现在首页上什么的这样才能软化人和技术之间的关系有些，人会说这走得太远了是个特洛伊木马但我不这么认为需要一个真正懂人性，的人才能让这些显然是善意的机器人和人类之间的协作发生因为正如你指，出的而且我完全尊重那些造出AI的技术专家和做出惊人科学的科学家但无论，是他们呈现技术的方式还是他们能分享的东西都有一种生硬感那真的会把，人隔开是的我不是治疗师但如果我能张开双臂抱住他们我会说听着各位你，们是房间里最聪明的人先生们女士们公平的说你们是房间里最聪明的人但，人们不喜欢你们因为人们不理解你们也许你们需要一个合作者帮你们用一，种不会让媒体钻空子的方式分享你们的愿景因为媒体确实在制造这道鸿沟，他搞得好像这些技术专家要来对付我们似的我觉得那完全是媒体的把戏就，是为了把钱装进自己口袋现在有太多事在发生所以谁是那个史蒂夫乔布斯，或者那个斯泰西斯泰西什么的可以是男的也可以是女的一个真正懂人性的，人这样的人有很多我们中间有很多你知道斯坦福创办了 [01:24:51]
李飞飞：以人为本人工智能研究所你就是啊你就是好吧但有很多人对有很多创业者，在做非常了不起的创业公司AI药物发现AI医疗AI抗衰老AI心理健康这些人关心AI对吧，还有很多设计师和产品经理在努力我确实觉得那个大喇叭太聚焦于那些锤，胸顿足用一种特定方式谈论技术的人了所以你知道甚至这个播客我希望也，在产生积极的影响但愿如此把人文视角圆润的人文视角人类视角人类的未，来放进这些对话里我并不绝望Andrew我是教育者是建设者是技术人我看到身边很，多人包括我整个创业公司这些才华横溢的年轻技术人他们可以去任何一家，创业公司或大公司但他们选择来World Labs是因为他们想赋能于人所以我看到很多人，但我觉得还不够你说的对我觉得现在的公共话语并不平衡极端言论太多了，要么是极端愚蠢主义忽视安全把人吓个半死要么是极端乌托邦好像技术永，远不会出错那也不真诚人们会说好吧你们是既得利益者你们当然这么说所，以我觉得我们应该回到中间地带谈谈这项技术到底是什么怎么用它我们怎，么共同保有引导未来的主动权对有件事是我的一个播客同行提醒我的 [01:26:45]
Andrew Huberman：本来应该显而易见但就是没人点破而且这显然是你身上的一种特质恕我词，穷你身体力行的体现了这一点就是人们其实不太想听机器的故事但人们爱，听的是某个人治好了自家狗的癌症或者某个孩子出现了疯狂的症状家人毫，无头绪医生也毫无头绪结果靠AI在指尖上解决了问题对这些故事才真正需要，放大因为我觉得它们能引起我们的共鸣它们是美好的故事是了不起的故事，但它们得到的关注远不如那些东西对而这正是挑战所在对你知道传统媒体，并不在乎事情的长远脉络它们按12到24小时的周期运转但还有另一些人比如那，些真正在推动AI善意用途的人那些我们该去了解的协作 [01:27:36]
李飞飞：斯坦福Heidi的新闻通讯我们的网站我们的研讨会我们推广了很多这类工作我很，想多了解你的创业公司因为你不会随便调项目所以这个项目是什么目标是，什么我的创业公司和另外几位联合创始人一起创办的叫World Labs我们在2024年初共同创，立了它对我来说这真的算是我毕生的事业我们都出身于视觉领域也认识到，语言智能之外还有更广阔的空间这正是促使我认真思考AI前沿下一章是什么，的动力我们认识到解锁空间智能和物理智能才是下一章这并不排斥语言当，然语言技术很了不起只是我们可以投入更多时间去构建模型或者最终构建，产品去帮助解锁空间智能的能力比如生成对创作者、机器人训练、建筑设计都极有用的3D、4D世界或者打造那些交互环境无论是医疗应用、教育应用、机器人应用还是工业应用这些能力超越了语言本身Volav就是基于这个前提创立，的我们还是一家年轻的公司非常以模型为核心正在构建这个基础模型我们，起步时有很多博士但现在我们开始做产品了所以还只是开始非常令人兴奋，作为技术人我内心深处觉得自己是个建设者也许也因为我是移民所以撸起，袖子和这群聪明的惊人的年轻人一起从零开始造东西就是特别让人兴奋我，记得有一段时间 [01:29:29]
Andrew Huberman：大概15 20年前吧有车在路上跑着拍图像现在还在拍还在跑着拍图像但我猜肯定，也有航拍视角不过你可以想象那种小无人机小到能飞过一个神经元把什么，都看一遍可以这么说或者无人机去采集挪威 辖湾每个鸡角嘎啦的信息有人，这么干过吗用来绘制三维世界的地图首先
李飞飞：别把无人机说得那么吓人好像要闯进人家家里和院子里我觉得捕捉世界影，像的能力确实在飞速进步对吧我们的手机就是不可思议的传感器它们不是，无人机但人们拍海量照片当然相机技术也进步了Wallab做的不是只拍真实世界的，图像我们让人把脑子里的想象呈现出来只要你能打一句话给一张图或一幅，草图描述你想象的东西我们就试着把它变成世界和环境这有什么用因为娱，乐产业会用设计产业会用机器人产业非常需要它来做训练环境等等所以捕，捉真实世界的东西加上捕捉你想象世界里的东西 [01:30:46]
技术变革中的人类价值
Andrew Huberman：这两者的结合就是新前沿如果你不介意的话我想再多花几分钟聊聊这个从，想象过渡到实际的东西因为这里是洛杉矶我突然想到很多人会写剧本然后，想办法把电影拍出来但有了AI理论上你可以把剧本交给AI他就能把电影做出来，理论上对吧从文字到画面再到视频然后你也许可以在需要的地方稍微改一，改这个有人做过吗 [01:31:11]
李飞飞：有没有一部电影从头到尾是用AI成功做出来的这是个非常微妙的话题这里也，触及了人们对AI和创造力的担忧如果不小心的话听起来好像我们在强讲故事，的人和创作者的工作对吧所以我们先把工作层面的讨论和技术层面的讨论，稍微分开一点虽然他们纠缠在一起技术已经进步到拿剧本生成镜头生成视，频镜头已经做得非常好了我们见过短片甚至接近长篇长度的电影由AI工具评，出来确实见过而且有很多公司美国公司亚洲公司都在做这项技术但真正属，于人类的部分这一点很重要就是讲故事和故事创作的每一个环节背后都有，人带着他们独特的情感故事技法他们怎么看世界怎么运镜怎么塑造人物和，角色很多这些正是好莱坞和小说家们做的事所以怎么用现代工具去满足人，类讲故事的需求和渴望其实是个挑战因为有一种恐惧很大程度上来自好莱，坞觉得AI要接管一切讲故事的人演员编剧工作都受影响我觉得确实有影响但，影响是怎么发生的我们在做什么谁在建设性的做事你知道这严格来说不是，我的行业但我很希望看到这方面有更多细致的工作也有更细致的公众讨论，但我确实认为就像医疗一样我们刚才聊到AI能快速改变和颠覆旧的医疗方式，我觉得AI绝对在改变我们讲故事的方式说到这个讲个故事我有一个联合创始，人叫BenBen和我见过Ben Affleck我当时开玩笑说Ben 见 Ben他也在非常前卫的思考用AI工具做电影对吧，所以在这个时刻让技术专家和讲故事的人电影人对话是至关重要的对我觉，得在每个技术的例子里都有某个交叉点是的当一个真正的圈内人拥抱了一，项技术 [01:33:40]
Andrew Huberman：然后他就一下子起飞了像对你知道史蒂文斯皮尔伯格或者谁对这些可能不，是最好的例子但就像乔布斯和沃兹尼亚克那种交叉一个设计师对技术好奇，的人和一个真正的乔布斯粉丝原谅我真正的计算机科学家对吧那种融合这，些协作真的很关键所以你需要一个圈内人和一个圈外人才能做好 [01:34:07]
李飞飞：因为你得理解两种文化对以及怎么把行业把人容纳进来所以我真的很希望，因为World Labs也和视觉特效行业合作对我来说让我们的客户和用户感到被赋能太重，要了不是技术要把他们的工作抢走技术应该让他们的工作变得更好给他们，的创造力加超能力这就是我看待这项技术的方式也是我希望和用户客户合，作的方式想想挺不可思议的你知道我小时候
Andrew Huberman：在帕罗阿尔托的加利福尼亚大道上有家店叫Cabin Shack就是一家照相馆和相机店对你，走进去把胶卷拿去充印柜台后面有一帮人他们跟你说你可以租个长焦镜头，什么的这些现在全没了一切都数码化了你知道吧但还是有相机店在所以行，业会变形不一定会被消灭对它会变形人们也会在培训提升技能 [01:35:10]
李飞飞：你知道我们在和很多创作者合作他们用AI工具因为他们看到了技术走向想给，自己再培训提升技能所以我觉得变化的时刻既是机遇也是失去的时刻我们，真的需要认真对待这一点我最后一个问题是关于年轻一代的他们对AI是什么，感觉因为现在有这种你说的年轻是多年轻
Andrew Huberman：我说的是7岁到20岁之间的孩子好那说的就是我孩子这个年纪对所以我问这个，问题是有原因的你知道他们怎么看这件事他们兴奋吗因为有个现象是电脑，一出来你的书法老师就开始紧张担心大家都不在手写了现在大家都用手指，打字没人会写字了我们写了几千年这些故事已经流传很久了说如果我们不，把过去和未来一样重视 [01:36:03]
李飞飞：我们就会融化成一滩神经元我觉得两者都重要但孩子们怎么想他们怎么看，这其实是我最上心的项目作为教育者和技术从业者我走到哪儿都会找学生，家长和老师聊因为我觉得他们是被遗忘的最彻底的人群我们的政策制定者，技术专家和投资人他们不跟老师家长和学生对话他们都有自己的孩子也都，有自己的看法但他们不聊这个我对孩子总是抱有希望也许因为我是教育者，因为我觉得人类最学不会的一件事就是老一代人哀叹下一代人好像下一代，什么都不懂他们没礼貌他们忘了过去但如果你看人类历史的轨迹总体而言，我们是在往更好的方向前进我不是否认那些暴行不是否认那些挫折这些我，都承认但人类从根本上说我对人类是乐观的对吧所以这是我的出发点如果，你是个彻底的悲观主义者那我们可能从一开始就站错了脚但我看孩子们他，们好奇正因为是孩子所以才好奇他们当然会被这些技术强烈的吸引但他们，也开始在用它我真正担心的是老师和一部分家长因为我觉得今天的社会尤，其是硅谷没有在帮他们我们把他们忘了我们在说叫他们在训斥他们在俯视，他们他们是我们社会里最重要的人我们应该跟他们对话应该托举他们应该，支持他们应该给他们资源K12或者K16的老师他们扛着我们社会最重最关键的担子，我给你讲个真实的故事2022年11月ChatGPT出来了显然我在技术圈内部但我做的第一件事，是给我孩子所在小学的校长发邮件说我想来给你们的师生做一次课作讲座，不是因为我多特别而是因为我想让他们时时知道正在发生什么因为没有人，硅谷没有人没有投资人没有那些几十亿美元的投资公司或者几万亿几十万，亿美元的大公司ChatGPT出来的时候第一反应是我们社区里的老师怎么办没有人这，么想但我们必须这么做我们必须跟老师对话我们要给老师展示当然他们会，问孩子作弊怎么办没关系他们问这些问题很正常我们就展示给他们看跟他，们一起合作让他们有能力自己想出应对办法他们也很聪明他们也渴望改变，他们只是被遗忘了所以我对孩子有希望但为了不让这希望是盲目的我觉得，我们都该记住我们的老师帮助我们的老师和家长 [01:39:00]
Andrew Huberman：这样我们才能帮到我们的孩子我太喜欢这个回答了我知道这个感受被很多，很多听众共享上帝保佑老师们他们需要帮助支持和信息因为现在他们打开
李飞飞：不是你的播客是大多数播客他们只会害怕他们非常害怕他们听到这种末日，论调他们听到末日预言或者有人说别担心这是乌托邦这两种信息对我们的，老师都没有帮助如果老师得不到帮助我们的孩子就得不到帮助完全同意
给年轻人、教师和未来的建议
Andrew Huberman：非常感谢你从极其繁忙的日程里抽出时间我很高兴听到你父亲没事了而且，照顾父母孩子和其他一切也是你日程的一部分你还要来教育我们这件事它，不只是重要它是我们身处何处去向何方的一个关键鞋子我带着谨慎也带着，巨大的乐观尤其是在你今天分享的基础上另外也谢谢你一路教了我们更多，神经科学因为这些机器受大脑启发大脑也受这些机器启发这就是我们生活，的世界我抱有巨大的乐观很大程度上要感谢你存在于这个世界上谢谢你抽，出时间来分享我知道很多人非常感激所以谢谢你谢谢你Andrew我真的很珍惜这次，对话这是一个文明时刻感谢你收听今天我和李飞飞博士的这期对话想了解，更多他的工作请看节目说明里的链接如果你从这期播客里学到了东西或者，喜欢这期节目请订阅我们的YouTube频道这是支持我们的一种非常好的零成本方式，另外请在Spotify和苹果播客上点击关注按钮来关注本节目在Spotify和苹果播客上你都可，以给我们留下最高五星的评价现在你还可以在Spotify和苹果播客上给我们留言也，请看看今天节目开头和中间提到的赞助商这是支持本播客最好的方式如果，你有想问我的问题或者对节目嘉宾有评论或者有想让我在Huberman Lab 播客里考虑的话，题请把他们发在YouTube的评论区我会读所有的评论还没听说过的朋友我要告诉大，家我有一本新书要出了这是我的第一本书书名叫ProtocolsAn Operating Manual for the Human Body这本书我写了五年多基于，三十多年的研究和经验它涵盖了从睡眠到运动到压力控制的各类方案还有，关于专注和动力的方案当然书里收录的每个方案我都提供了科学依据这本，书现在可以在protocolsbook.com上预售在那里你可以找到各个销售渠道的链接选一个你最喜欢的就行再说，一遍这本书叫ProtocolsAn Operating Manual for the Human Body如果你还没在社交媒体上关注我我在所有社交平台上都叫Huberman Lab也，就是InstagramXthreadsFacebook和LinkedIn在所有这些平台上我都会讨论科学和与科学相关的工具其中一部分，和Huberman Lab 播客的内容有重叠但很多是和播客内容不一样的再说一遍所有社交平台，上都是Huberman Lab如果你还没订阅我们的神经网络新闻通讯这个新闻通讯是每月一期，的免费邮件内容包括播客摘要还有我们称之为方案的东西以一到三页的pdf形，式呈现涵盖从如何优化睡眠如何优化多巴胺刻意冷暴露等方方面面我们还，有一个基础健身方案涵盖心血管训练和抗阻训练所有这些完全免费你只需，要访问hubermanlab.com点击右上角的菜单栏往下滚动找到新闻通讯然后输入你的邮箱就行我要强，调一下我们不会把你的邮箱分享给任何人再次感谢你收听今天我和李飞飞，博士的这期对话最后但同样重要的是感谢你对科学的兴趣 [01:42:56]