未經(jīng)許可不得轉(zhuǎn)載，務(wù)必保留原文出處鏈接和公眾號按鈕

關(guān)注本城公眾號并設(shè)星標(biāo)，不錯過最新精彩內(nèi)容

文：Web3天空之城·城主

前言：

考慮到不是所有讀者都有時間閱讀超長的訪談原文，嘗試把內(nèi)容的天空之城評述部分和原文部分分開，見最后傳送鏈接。

在昨天剛上線的這次訪談中，李飛飛深入探討了人工智能的歷史、現(xiàn)狀及未來發(fā)展方向。她從人工智能的起源講起，分析了自達(dá)特茅斯會議以來人工智能領(lǐng)域的演進(jìn)過程，特別是ImageNet項目對深度學(xué)習(xí)的重大推動作用。李飛飛還對當(dāng)前的語言模型如GPT進(jìn)行了詳細(xì)分析，指出其在語言生成和理解方面的局限性，同時呼吁在社會責(zé)任和技術(shù)創(chuàng)新之間找到平衡。她強(qiáng)調(diào)了人工智能在醫(yī)療、教育和社會治理等領(lǐng)域的應(yīng)用潛力，并提出應(yīng)加大公共投資以支持學(xué)術(shù)研究，縮小與工業(yè)界的資源差距。此外，李飛飛還探討了神經(jīng)科學(xué)對人工智能研究的啟發(fā)，強(qiáng)調(diào)了跨學(xué)科合作的重要性。這次訪談?wù)宫F(xiàn)了李飛飛對人工智能技術(shù)的深刻理解，也反映了她對技術(shù)倫理和社會責(zé)任的關(guān)。

人工智能發(fā)展的歷史與ImageNet的突破性貢獻(xiàn)：

李飛飛從人工智能的歷史角度展開了討論。她回顧了1956年達(dá)特茅斯會議對人工智能領(lǐng)域的奠基作用，以及之后人工智能發(fā)展經(jīng)歷的多次“寒冬期”。李飛飛特別提到ImageNet的誕生及其對人工智能復(fù)興的影響。在2012年，由多倫多大學(xué)的研究團(tuán)隊提出的AlexNet模型，在ImageNet挑戰(zhàn)賽中取得了歷史性勝利，開啟了深度學(xué)習(xí)的新篇章。ImageNet通過提供一個大規(guī)模、高質(zhì)量的標(biāo)注數(shù)據(jù)集，讓神經(jīng)網(wǎng)絡(luò)模型得以展示其在復(fù)雜任務(wù)中的潛力，從而重新點(diǎn)燃了學(xué)術(shù)界和工業(yè)界對人工智能的熱情。

ImageNet項目的成功不僅在于其數(shù)據(jù)集的規(guī)模和多樣性，更在于它驗(yàn)證了數(shù)據(jù)驅(qū)動模型的強(qiáng)大能力。這標(biāo)志著人工智能從以規(guī)則和邏輯推理為核心的傳統(tǒng)范式，向以數(shù)據(jù)和統(tǒng)計模型為主導(dǎo)的新范式轉(zhuǎn)變。然而，這種依賴大數(shù)據(jù)的方法也帶來了新的挑戰(zhàn)，比如模型對數(shù)據(jù)質(zhì)量和多樣性的依賴、對標(biāo)注過程中的偏見和倫理問題的忽視等。未來，如何在技術(shù)進(jìn)步和社會責(zé)任之間找到平衡，是人工智能研究必須面對的重大課題。

大型語言模型的現(xiàn)狀與爭議：

李飛飛討論了大型語言模型（如GPT系列）的局限性和爭議。她指出，這些模型雖然展現(xiàn)了出色的語言生成能力，但仍被批評為“隨機(jī)鸚鵡”，即僅僅對數(shù)據(jù)模式進(jìn)行模仿，而非真正理解和推理。李飛飛認(rèn)為，這些模型具有一定的推理能力，但遠(yuǎn)未達(dá)到通用人工智能（AGI）的水平。對于這些模型的研究，應(yīng)在欣賞其技術(shù)進(jìn)步的同時，也保持對其局限性的清醒認(rèn)識。

語言模型的成功引發(fā)了人們對“智能”本質(zhì)的重新思考。雖然它們在自然語言生成任務(wù)上表現(xiàn)出色，但在真正的理解和推理方面依然存在明顯不足。對于模型的能力和局限性的爭議，實(shí)際上是對人工智能發(fā)展方向的不同觀點(diǎn)的反映。未來的研究應(yīng)致力于提高模型的可解釋性和推理能力，而不僅僅是數(shù)據(jù)規(guī)模的堆積。與此同時，對這些模型在社會、倫理和法律層面的影響也需要深入探討。

人工智能的倫理挑戰(zhàn)與社會責(zé)任：

李飛飛在訪談中強(qiáng)調(diào)了人工智能的社會責(zé)任。她認(rèn)為，人工智能的發(fā)展不應(yīng)只專注于技術(shù)突破，還需關(guān)注其對人類社會的深遠(yuǎn)影響。她指出，人工智能在醫(yī)療、教育等領(lǐng)域有巨大的潛力，但同時也可能加劇社會不平等、侵犯隱私、以及引發(fā)倫理和法律挑戰(zhàn)。李飛飛呼吁業(yè)界和政府共同努力，通過制定政策和規(guī)范來確保技術(shù)以負(fù)責(zé)任的方式發(fā)展。

人工智能的倫理問題是當(dāng)前技術(shù)發(fā)展的一個核心議題。從數(shù)據(jù)隱私、算法偏見到自動化帶來的就業(yè)沖擊，技術(shù)對社會的影響不容忽視。李飛飛提出的“以人為本的人工智能”理念，為我們指明了技術(shù)發(fā)展的方向。未來，在政策制定和技術(shù)開發(fā)中，如何實(shí)現(xiàn)技術(shù)進(jìn)步與社會責(zé)任的平衡，將決定人工智能的長遠(yuǎn)發(fā)展。特別是在醫(yī)療和教育等關(guān)系到公共利益的領(lǐng)域，如何在提升效率和保護(hù)隱私之間找到最佳平衡，將成為一個關(guān)鍵挑戰(zhàn)。

空間智能（Spatial Intelligence）的未來潛力：

李飛飛特別提到空間智能（Spatial Intelligence），即AI在理解和與物理世界互動方面的能力。她認(rèn)為，這一能力在未來的機(jī)器人和自動化系統(tǒng)中將發(fā)揮至關(guān)重要的作用。例如，要實(shí)現(xiàn)機(jī)器人做早餐等任務(wù)，機(jī)器需要具備對物理世界的深刻理解和推理能力，而這遠(yuǎn)比語言理解復(fù)雜得多。她預(yù)測，空間智能將是人工智能未來研究的重要方向之一。

與語言模型相比，空間智能代表了AI更高層次的能力需求。它涉及感知、理解和操作多模態(tài)數(shù)據(jù)（如視覺、觸覺等），并要求機(jī)器具備適應(yīng)動態(tài)環(huán)境的能力。目前，機(jī)器人和自動化系統(tǒng)在實(shí)際操作中的表現(xiàn)還存在明顯的局限，特別是在復(fù)雜和多變的物理環(huán)境中。未來，如何將空間智能與現(xiàn)有的深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等技術(shù)結(jié)合，將成為推動人工智能應(yīng)用于更廣泛場景的關(guān)鍵。

公共投資與人工智能生態(tài)系統(tǒng)的健康發(fā)展：

李飛飛談到，公共投資對于人工智能研究至關(guān)重要。她指出，目前學(xué)術(shù)界在計算資源上與工業(yè)界存在巨大差距，這可能限制學(xué)術(shù)研究的創(chuàng)新能力。她呼吁政府加大對AI基礎(chǔ)研究的投入，例如建立“國家研究云”這樣的公共資源平臺，以促進(jìn)學(xué)術(shù)界與工業(yè)界的公平競爭，并推動整個AI生態(tài)系統(tǒng)的健康發(fā)展。

在人工智能領(lǐng)域，資源不平等已成為學(xué)術(shù)研究面臨的重大挑戰(zhàn)。大型科技公司掌握著大量的計算資源，而學(xué)術(shù)界由于資金和資源的限制，無法在某些前沿領(lǐng)域與工業(yè)界競爭。李飛飛提出的公共投資倡議，為解決這一問題提供了有效的思路。政府的公共投資不僅可以彌合資源鴻溝，還可以推動基礎(chǔ)研究的長期發(fā)展，并確保研究的多樣性和創(chuàng)新性。未來，如果公共資源和學(xué)術(shù)資源能夠得到更好的配置和利用，人工智能的發(fā)展將更加均衡和可持續(xù)。

神經(jīng)科學(xué)與人工智能的交叉研究：

李飛飛討論了神經(jīng)科學(xué)對人工智能的啟發(fā)和影響。她認(rèn)為，許多人工智能的關(guān)鍵算法，如反向傳播和強(qiáng)化學(xué)習(xí)，靈感都來源于對人腦機(jī)制的研究。未來，人工智能的發(fā)展需要更加深入地理解人腦的工作原理，并將這種理解應(yīng)用于AI系統(tǒng)的設(shè)計和優(yōu)化上。她還提到，神經(jīng)科學(xué)家可以利用機(jī)器學(xué)習(xí)來分析神經(jīng)數(shù)據(jù)，從而推動對人腦工作機(jī)制的研究。

神經(jīng)科學(xué)與人工智能的交叉研究是未來技術(shù)突破的重要方向之一。雖然現(xiàn)有的神經(jīng)網(wǎng)絡(luò)模型在某些方面模仿了人腦的工作方式，但與人類大腦相比，其復(fù)雜度和靈活性依然相去甚遠(yuǎn)。未來，通過更深入地理解大腦工作機(jī)制，人工智能有望在學(xué)習(xí)效率、能耗優(yōu)化等方面取得重大突破。這種跨學(xué)科的研究將有助于推動人工智能的進(jìn)一步發(fā)展，同時也可能揭示更多關(guān)于人類智能的奧秘。

對原長訪萬字全文感興趣的讀者的傳送門：