对话“AI教母“李飞飞：我们究竟需要什么样的AI Agent？如何正确把握这个风口（附视频）

全文 7,000字 | 阅读约18分钟

，时长37:15

未经许可不得转载| 转载必保留本公众号名片按钮

2025年，被众多硅谷科技领袖称为'AI Agent元年

2025年，随着Claude 、ChatGPT、Gemini Pro等大模型能力的跃升，AI Agent成为科技领域最炙手可热的话题。这些Agent不再只是被动回应，而是展现出惊人的主动性：它们能理解复杂指令、分解任务目标、持续追踪进度，甚至在完成任务时像人类助手一样主动提供建议。

采访中，李飞飞表示:'我自己也会用一些大型语言模型去理解某个概念、读一篇论文，或者提出一些我不太懂的问题。'作为斯坦福'以人为本的人工智能研究院'的创办者，她对AI Agent的理解更加务实，'最让我兴奋的是看到别人，尤其是孩子们，也在用它来学习和提高自己。''我认为，靠自然语言来分享知识，或者让人们通过自然语言去搜索、构思、学习，是一个非常强大的方式。'但她同时提醒：不管AI多么强大，都要确保人们保留自己的'自主性'（agency）。在她看来，AI Agent的根本定位应该是工具而非主导者，是赋能者而非替代者。这种观点在当下显得尤为重要：我们既要拥抱AI带来的改变，又要保持清醒的认知。

那么，在2025年这个被称为'AI Agent元年'的时刻，我们究竟需要什么样的AI Agent？又该如何把握机遇？在这次深度对话中，这位计算机视觉领域的先驱者给出了她的答案。

采访文稿：

主持人： F.F.，很高兴见到你，欢迎来到 Possible。

李飞飞： 同样，也很高兴在这里见到你。

一、创业项目“空间智能”

主持人： 我想问一下，你当初是怎么想到 ImageNet 这个主意的？那个让你觉得“啊，我们需要做这个”的契机是什么？

李飞飞： 要说清楚具体的那个“关键时刻”其实不太容易，但大约是在 2006 年前后。当时我非常投入地在做研究，使用机器学习算法来尝试理解物体和图像。无论我怎么做、怎么看，都无法逃避一个数学概念：那就是机器学习中的“过拟合”（overfitting）。所谓过拟合，就是模型的复杂度和模型所用数据之间不匹配。尤其当数据——不仅仅是数据量，还有数据的复杂度——并不能有效驱动模型的时候，这个问题就会非常突出。

当然，并不是所有模型都生而平等。我们现在知道所谓“NE 网络模型”（注：此处原文中出现“NE Network models”，可能指的是神经网络模型）具有更高的容量和表征能力。但撇开这些术语不谈，数据和模型之间一定是存在相互作用的。然而我当时发现，大家只关注模型，却不关注数据，或者说只关注模型却以错误的方式看待数据。这正是当时我产生灵感的原因——我觉得我们不仅要关注模型，或者说不能只用一种方式关注模型，而是要关注数据，让数据来驱动模型。那时我刚好到了早期职业生涯的下一阶段，去普林斯顿大学任教。我在那里接触到了一个叫做“WordNet” 的项目。WordNet 与计算机视觉本身没有直接关系，但它是一种很好的方式来组织世界上的各种概念，而且我也很喜欢“WordNet”这个名字。然后，一件事情推动着另一件事的发展，ImageNet 就这样诞生了。它其实源自我对“大规模数据以及对视觉世界多样化表征”的强烈信念。

主持人：  你在 AI 职业生涯的中段，创建了这个了不起的 ImageNet。现在你们还有一个 World Labs（世界实验室），我想把这条线从 ImageNet 一直延伸到 World Labs。能不能和我们谈谈 World Labs 的想法是什么？你正在构建什么，这对我们理解 AI 的未来以及对 World Labs 本身，都具有怎样的关键意义呢？

李飞飞： 确实如此。我整个人的研究生涯——尤其是在 ImageNet 之后——一直在非常专注地思考一个问题：什么是“智能”？我们如何在机器中实现智能？归根结底，对我来说，它可以分解为两个非常简单的方面：如果我们观察人类智能，一方面，我们会“说话”。我们使用语言来沟通，来组织我们的知识，来交流信息。但是，智能还有另一个“半边”，对我们来说同样深远，那就是我们会“做事”。我们会去做各种事情，比如做早餐煎蛋饼，或者去远足；又或者跟朋友们一起玩耍，享受彼此的陪伴。这些行为远远超越了我们说出的任何语言。比如我们可以