Transcription
在我们晚餐前的最后一场会议上。我很高兴能请到李飞飞博士与我们同在。简单介绍几句后，我们就开始提问。李飞飞博士是斯坦福大学计算机科学系的Sequoia Capital教授。她是斯坦福大学以人为本人工智能研究所的联合主任，并且被人们亲切地称为“人工智能教母”。我不确定她是否不情愿地接受了这个称号。李飞飞博士创建的ImageNet，标注了数百万张图像，被广泛认为是现代人工智能革命的催化剂。她一直是推动人工智能以改善人类状况的方式发展的坚定支持者。她是我，我想也是我所有斯坦福同事以及这里和全世界无数学生的榜样。所以，也许我先问一些宏观的问题，然后我们可以深入探讨。自从您创建ImageNet以来，您一直在人工智能领域的重要里程碑的最前沿。我们所走的道路——我们所走的道路怎么样——有什么让您感到惊讶？以您这样的技术理解水平，哪些是可以预见的？又有哪些可能让您感到失望？也许我们可以进行得更快一些。是的，谢谢。谢谢你，尼尔。谢谢大家。能参加SIEPR的活动，我总是感到荣幸。好的。是的。我确实是在25年前进入人工智能领域的，那正值人工智能的寒冬时期；我当时是一名博士生。（我想我们仍然有这个说法。是的，所以我们会在解决自动驾驶汽车问题之前解决人工智能问题。）[笑声]是的。所以，是的。所以，作为一名博士生，在人工智能寒冬时期真正进入人工智能领域，这确实是出于个人的好奇心。当时没有光鲜亮丽，没有钱，也没有产业。但作为一个学生，我被问及人类最宏大的问题所深深吸引，因为我深受物理学和其他科学革命的启发，对我来说，“什么是智能，机器能否思考——而且，坦率地说，能否做到——这是我最宏大的问题。所以从这个角度来看，快进25年——人工智能已经成为一种文明技术，这并不令人惊讶，因为我真诚地相信，人工智能技术是一个文明层面的问题，而释放其能力将带来文明层面的影响。所以，这部分并不令人惊讶。我必须承认，人工智能的进步，即使对我这样的技术专家来说，在某些时候也比我们预期的要快得多。第一次感受到这种快速的进展是在2015年左右——我当时有一个研究生，他现在非常有名——他的推特粉丝比我多得多——他的名字是Andrej Karpathy，我和Andrej Karpathy做了一系列关于图像描述的工作，就是你给计算机一张图像，它会告诉你图像中有什么。当然，与今天生成式AI相比，图像描述相对简短——只有一两句话。不是这些巨大的段落，而是能够查看任何图像并不仅能说出有椅子、有猫，还能从中讲出故事的能力。你知道，两个人站在舞台上，在观众面前交谈。我当时认为，当我进入研究生院时，这种理解水平是我毕生的梦想——这需要一百年。我以为当我作为教授退休时，我会为我的领域——视觉智能或计算机视觉——能够解决这个讲故事的问题而感到非常自豪。但2015年，我和Andrej以及其他几位学生一起做了这一系列工作，基本上解决了这个问题。而这，是在生成式AI之前。所以，这是我的第一次体验。伴随那个时刻的是产业投资的体验，因为在此之前，你知道，我职业生涯的第一个阶段，人工智能这个问题是如此“不切实际”，以至于只有学术界和一些非常孤立的工业实验室在 tinkering。你知道，我们很高兴能参加一个有500人的会议，互相分享论文，但2015年，当我和Andrej研究这个问题时，我们正在与谷歌竞争。我们实际上在同一时间达到了同一个点；我为此感到非常自豪。但很明显，产业正在利用这项技术腾飞。当然，对我们这样的技术人员来说，第二个重大惊喜是强大的LLM——大型语言模型——它们就在那里，我们知道技术正在发生，Transformer论文已经写好，我们知道缩放定律，我们知道大数据芯片和神经网络架构的融合，但看到大型语言模型掌握在全球人口手中，并看到它们如何迅速转变为改变工业的力量，这对我们所有人来说都是一个重大的顿悟。所以，肯定有惊喜。你想让我谈谈失望吗？哦，我们可以谈谈失望。我们可以谈谈研究所使命中以人为本的部分。你可以选择自己的冒险。哪一个？也许它们是相关的。我喜欢说，我如今是人工智能领域最无聊的演讲者，因为我的失望恰恰在于两方面的夸大其词。我认为，当我进入我钟爱的这个科学领域时，作为一名科学家，我对人工智能领域怀有如此多的敬意——对追求真理、追求创新的敬意，对严谨的评估和辩论，以及仅仅将这个领域视为一门科学。但人工智能不再仅仅是一门科学：人工智能是一种全速发展的工业力量，随之而来的是两方面的夸大其词。我们有彻底的灭绝、末日、p(doom)以及所有关于人工智能将毁掉人类、机器统治者的说法。坦率地说，我并不真正关心富人和有权势的人这样说；我真正关心的是当弱势群体听到富人和有权势的人这样说时对他们的影响。然后还有完全的乌托邦，对吧？有“后稀缺”、“后任何东西”、“无限生产力”这样的词语，我认为，作为一个学者，作为一个技术专家，坦率地说，作为一个世界公民，我认为我们必须以清醒的态度对待每一次变革的时刻，每一次技术，每一个工具。这是一个工具。它是一个非常强大的工具。它是一把双刃剑。我们人类有责任将其用于善，用它来做好事，用它来治理。但也要防止滥用或意外后果。所以，当人们，现在——此刻，世界人口，尤其是那些不在硅谷的人——需要听到事实，需要听到它到底是什么，需要听到这项技术将如何影响他们自己以及他们的孩子、他们的社区的生活时，这种充斥着空气的极端言论，这种话语，这种沟通，这种公众教育并没有达到我所期望的水平。所以，我认为我们可以就这些话题讨论几个小时，但我们的时间有限。所以，我确实想转向一个您再次引领的领域，那就是空间智能。我认为对我自己以及在座的许多人来说，当他们第一次想到人工智能时，他们会想到LLM，对吧：你在一个框里输入信息，你得到一个框里的文本；你认为空间智能是人工智能的下一个前沿。你能告诉我们你对空间智能的含义，以及一些具体的例子吗？是的。谢谢，尼尔。那么，什么是空间智能？为什么我认为它是人工智能的下一个前沿？这涉及到基本原理，智能是一件非常复杂的事情。它不仅仅是语言。如果你看看人类的智能，你知道，从20世纪60年代心理学家谈论多元智能理论到我们日常生活中的常识，对吧？你们有多少人开车来的？今天有多少人做了三明治？有多少人，你知道，拥抱了他们的孩子？所有这些都超出了语言的范畴。我开玩笑说，你不能只靠说话来灭火。所以，我们人类的智能，我们人类的发展，很大程度上依赖于我们感知、推理、做事、四处走动和互动能力。尼尔，你喝了一口水，而这个动作与语言无关。它与几何、空间、视觉、操纵等等有很多关系。所有这些就是我所说的空间智能。它是连接视觉与行动、感知与推理、想象与创造的关键技术。如果你看看人类的发展，我们最初的两年是前语言期的。如果你看看动物智能的进化，感知大约始于5.4亿年前；动物开始看到第一缕光。花了半个多世纪才达到我们视觉智能的复杂性、灵活性和创造性水平。然而，语言在进化上大约只有几十万年的历史。智能的很大一部分存在于语言智能之外。如果我们解锁了空间智能，会发生什么？嗯，我们将从根本上改变讲故事的方式，将改变从电影制作到游戏到沉浸式体验到教育的创意领域。它将改变模拟和机器人技术。它将改变设计。它将在商业、医疗保健、营销、科学发现方面产生深远影响。所以，这是我真正兴奋的，因为我们作为一个领域——我并不居功——作为一个领域，我们在语言智能方面进行了巨大的革命；我认为下一章真正是解锁空间智能。所以，所以，让我来深入探讨一下，请原谅我的天真，但空间智能似乎很难，对吧？有了LLM，我们现在有了巨大的训练数据集，那就是互联网。我记得当时人们告诉我，到2018年，自动驾驶汽车将让所有卡车司机失业。是的，我也记得。我们现在才开始在帕洛阿尔托看到自动驾驶汽车。我们将在哪里看到对普通消费者、普通人的空间智能的第一个突破？你最乐观的是什么，或者你不同意这是一个更难解决的问题吗？我认为这是一个更难解决的问题；我们先解决了语言智能而不是空间智能，这本身就说明了问题。你说得对，互联网上有大量可用的数据是LLM如此强大的原因之一，如果不是主要原因的话。我不知道你们有多少人读过理查德·萨顿的开创性论文《苦涩的教训》，它的意思是： wherever there is large amount of data we unlock major progress in AI。所以我们确实在互联网上有大量的视频数据，但空间智能是深刻的3D——如果加上时间，那就是4D。所以，这不仅仅是视频。从技术角度来看，我正在经营一家名为World Labs的初创公司。我们是第一家创造了空间智能模型Marble的公司，它现在已经掌握在公众手中，你可以玩它。这是我们称之为的第一个世界模型，它实际上，普遍地，真正地是3D空间。为了做到这一点，我们付出了很多努力。我们不得不采用混合数据方法。你完全说对了，尼尔。你知道，我们都记得自动驾驶汽车的炒作，对吧？就像2018年、2017年，每家汽车公司都承诺L4全自动驾驶，而我们才刚刚开始看到有限的L4自动驾驶。我认为这将是一个漫长的过程，我们需要一段时间才能逐步解锁这项技术。我们将首先看到这个。我们已经看到了它的二维版本。每个人都喜欢我的旅程；昨天Nano Banana也让大家非常高兴——我敢肯定你做了很多表情包，我们看到了视频生成的曙光。但在真正的空间智能、真正的3D世界建模方面，我认为创造力和讲故事可能是第一个受益的行业，因为为讲故事创建3D世界非常痛苦。有很多人会花费数小时来一次创建一个资产，而这真的、真的会有帮助；如果你去我们初创公司的网站，你会看到一些用例。但我也认为这项技术将在模拟和机器人学习方面产生深远影响，而这些方面受到数据的严重限制。我个人，我看到了教育用例的曙光，这让我非常兴奋——你知道，这项技术可以真正为学生提供不同类型的体验。很好。所以，我要问一个问题，这也许是我们两个人的，然后我将向大家开放。所以，我认为斯坦福的一个优势是跨越不同学院和部门的合作。HAI是SIEPR的姊妹机构。计算机科学家、技术专家如何与经济学家合作？希望这是对话的开始，而不是结束。是的，我，首先，这是完全正确的：SIEPR是我们最亲爱的姊妹机构和合作伙伴之一。你们听了埃里克·布林约尔夫森教授的演讲，他还在那里，他是我们HAI和SIEPR的第一个联合招聘的高级研究员，也是经济学教授。我认为，首先，在经济学、社会科学和政策领域，人工智能和SIEPR将有深入的、许多许多——坦率地说，我认为我们应该——HAI或SIEPR的每一位高级研究员或教职员工都应该在一定程度上进行合作，因为这两个领域、学科正在变得越来越接近，对吧？经济影响、技术影响，以及经济学和社会科学的每一个方面都如此深远。你也说得对，有人告诉我，斯坦福是唯一一所拥有顶尖学校的大学——每所学校都在全国排名前列，而且你可以步行到达每一所学校，一年365天阳光明媚，除了今天，对此我很抱歉。所以，斯坦福的跨学科和多学科文化以及机会真是太棒了。我们中的许多人来自其他大学，无论是作为学生还是以前的工作。我个人认为，正是因为这个原因，能在斯坦福工作是一种荣幸和机会。很高兴您能来。所以，让我——也许我再提一件事，然后就开放了——我有时会开玩笑，但我非常认真地说，经济学家在政策方面是专家，我们应该在十年前或五年前采取什么措施，因为我们直到现在才拿到数据，然后我们花很长时间写论文和发表。如果我们落后于人工智能的曲线10年、5年、15年，我认为我们就无法为我们的职业、我们的社会做出应有的贡献。我认为，要跟上时代，唯一的方法就是来拜访你们，了解接下来的内容，了解空间智能以及其他一切。所以，希望我们能继续这种合作。那么，我将开放提问。我知道飞飞要去城里看她女儿的演出，因为她身兼数职，包括一位出色的母亲。所以，我不想让她在这里待太久。这是在偿还债务——我过去几周工作太努力了。但是的，请，有问题的各位，我们也许就从后面开始，因为我们有麦克风。你好，医生，非常感谢你。我是一名研究生，也在Databricks从事人工智能政策工作。我们和斯坦福的许多人一样，拥有人工智能博士学位、研究科学家，但从政策角度来看，我非常担心人工智能素养以及我们如何教育您所描述的那些不在斯坦福、对人工智能一无所知，但将受到这项技术深刻影响的社区。您是如何考虑人工智能素养和所有人的公平结果的？我认为人工智能素养至关重要。感谢您提出这个问题。我一直在说，公众教育是这个历史时刻最重要、被低估的关键任务之一，而且我坦率地认为，斯坦福SIEPR、HAI，我们在公众教育方面负有更大的责任。我们不能仅仅满足于在这些围墙内教育四年本科生和研究生，而我们作为国家，坦率地说，作为世界顶尖的机构之一，并且校园里有如此多的了解这项技术及其影响的人才。我们确实需要尽一切可能进行合作和教育。例如，我知道SIEPR和HAI都非常积极主动；我们发布政策简报，我们不断与州、联邦和地方政府接触，无论是作证还是闭门会议。我们还有一个国会训练营。我们还与国际政府合作。坦率地说，我认为我所有的同事，尊敬的同事们，如果我们能共同呼吁在政策、商业和其他领域缺乏公众教育和人工智能素养，这将是改变的开始。我同意这一点。我们也许，我们到这边来。你好，我叫Klaus，来自丹麦驻硅谷科技大使办公室。我同样对空间数据感兴趣。但我想知道，是否有哪家公司比其他公司都占有优势，比如特斯拉，凭借他们从车辆收集的所有数据？特斯拉是一家汽车公司，当然它正在向机器人领域发展；它确实在（字面意义上）移动领域具有独特的优势，但空间智能远不止于驾驶。我不想粗俗地只谈论我的公司（但请查看我们的网站），但实际上，空间智能要广泛得多——从创造力到教育，从设计到交通。Ziyang Fan，你好，很高兴再次见到你，加州人工智能政策研究所。我的问题与政策有关。你提到了空间智能。我们需要什么样的政策来解锁空间智能的潜力或减轻潜在的危害——比如与生成式AI或其他AI相比？谢谢。这是一个可以讨论几个小时的对话。我只想快速地说，一个健康的人工智能生态系统。我对此感到担忧。我担心垄断。我担心缺乏创业精神。我深切地、深刻地担心公共部门缺乏资源。我担心创业的挣扎。美国建立在一个健康生态系统的基础上。我们今天的优势是因为几十年前，公共部门、学术界、我们的创业生态系统以及我们的公司都得到了投资。而现在，人工智能倾向于集中资源，无论是电力——电力——还是芯片，还是人才。我们看到公共部门的资源正在急剧减少，这将对未来许多年和几十年产生深远的负面影响。所以，我认为我们应该让你走了。为李飞飞博士献上热烈的掌声。[掌声]