白小交 发自 凹非寺

　　量子位 | 公众号 QbitAI

　　我们无法忽视世界是三维的，解决三维智能是根本性的。

　　李飞飞最新采访来了，继续延伸她在NeurIPS有关视觉智能的话题。

　　她表示，解决空间智能问题是迈向全面智能化的基础和关键一步。

　　何恺明竟然探讨起了AI宿命论？？？

　　来来来，来看看一个吃瓜汇总。

　　李飞飞180页PPT谈视觉智能

　　采访实录：

　　Q：为什么演讲题目是“攀登视觉智能的阶梯（Ascending the Ladder of Visual Intelligence）”？

　　Q：你的意思是说，我们会对某些景象做出本能的反应？

　　李飞飞：我说的不仅仅是本能。如果你看一下感知力的进化和动物智力的进化，就会发现这两者之间有着深刻的联系。每当我们能够从环境中获得更多信息时，进化的力量就会推动能力和智力的发展。如果你不能感知环境，你与世界的关系就会非常被动；你是吃还是被吃，都是非常被动的行为。但是，一旦你能够通过感知从环境中获取线索，进化的压力就会真正增强，从而推动智力向前发展。

　　Q：你认为这就是我们创造更深入的机器智能的方式吗？让机器感知更多的环境？

　　李飞飞：我不知道 “深度 ”是不是我想用的形容词。我认为我们正在创造更多的能力。我认为它正变得越来越复杂，越来越有能力。我认为，解决空间智能问题是迈向全面智能化的基础和关键一步，这是绝对正确的。

　　Q：我看过世界实验室的演示。你为什么要研究空间智能并构建这些三维世界？

　　李飞飞：我认为空间智能是视觉智能的发展方向。如果我们真的要破解视觉问题，并将其与做事联系起来，那么有一个极其简单、一目了然的事实：世界是三维的。我们生活的世界不是平面的。我们的物理Agent，无论是机器人还是设备，都将生活在三维世界中。就连虚拟世界也变得越来越3D化。如果你与艺术家、游戏开发者、设计师、建筑师、医生交谈，即使他们是在虚拟世界中工作，其中大部分也是三维的。如果你能花点时间认识到这个简单而深刻的事实，那么毫无疑问，解决3D智能问题就是根本所在。

　　一旦你尊重了世界的三维性，很多事情就自然而然地发生了。例如，在我们发布在社交媒体上的一个视频中，篮球被投放到一个场景中。因为它是三维的，所以你可以拥有这种能力。如果场景只是 2D 生成的像素，篮球将无处可去。

　　Q：或者，就像Sora中那样，它可能会去到某个地方，但随后就消失了。在你尝试推进这项技术的过程中，最大的技术挑战是什么？

　　李飞飞：没有人解决过这个问题，对吧？这非常非常难。在世界实验室的演示视频中，你可以看到我们将一幅梵高的画作，以一致的风格生成了它周围的整个场景：艺术风格、灯光，甚至是那个社区会有什么样的建筑。如果你转过身去，它就变成了摩天大楼，那就完全没有说服力了，对吗？它必须是 3D 的。你必须进入其中。所以它不仅仅是像素。

　　Q：你能说说你用来训练它的数据吗？

　　李飞飞：很多。

　　Q：你们在计算负担方面遇到过技术挑战吗？

　　李飞飞：计算量很大。这是公共部门负担不起的计算量。这也是我很高兴能休假，以私营部门的方式来做这件事的部分原因。我的亲身经历强调了在获得充足资源的情况下进行创新的重要性。

　　知识的发现需要资源的支持，对吧？在伽利略时代，是最好的望远镜让天文学家观测到了新的天体。是虎克意识到放大镜可以变成显微镜，发现了细胞。每一次新技术工具的出现，都有助于知识的探寻。而现在，在人工智能时代，技术工具涉及计算和数据。我们必须认识到这一点。

　　Q：假设我们能让人工智能系统真正理解三维世界，这会给我们带来什么？

　　李飞飞：它将为人们释放大量的创造力和生产力。我希望能以更高效的方式设计我的房子。我知道，许多医疗用途都涉及到理解一个非常特殊的三维世界，那就是人体。我们总在谈论未来人类将创造机器人来帮助我们，但机器人是在三维世界中航行的，它们需要空间智能作为大脑的一部分。我们也在谈论虚拟世界，它能让人们参观景点、学习概念或娱乐。这些虚拟世界使用三维技术，尤其是混合技术，也就是我们所说的 AR（增强现实技术）。我很想戴着一副眼镜在国家公园里漫步，它能为我提供有关树木、道路和云彩的信息。我还想通过空间智能学习不同的技能。

　　Q：什么样的技能？

　　李飞飞：我举个蹩脚的例子，如果我在高速公路上爆胎了，我该怎么办？现在，我打开了一个 “如何换轮胎 ”的视频。但如果我能戴上眼镜，看到我的车发生了什么，然后在指导下完成这个过程，那就很酷了。但这只是个蹩脚的例子。你可以考虑烹饪，可以考虑雕刻—有趣的事情。

　　Q：你认为我们在有生之年能在这方面取得多大进展？

　　李飞飞：哦，我认为这将在我们有生之年实现，因为科技进步的步伐真的很快。你已经看到了过去 10 年所带来的变化。这无疑预示着下一步会发生什么。

　　今年NeurIPS好热闹

　　NeurIPS整个会议期间，可以说是好不热闹。

　　比如，Bengio和OpenAI的人吵起来了。

　　据在场的人爆料，在今年因果关系小组讨论中，OpenAI o1的主创表示，我们最终应该训练Agent来优化对世界的理解，来解决科学问题。

　　Bengio还有一位谷歌AGI安全研究员Tom Everitt则指出这样做很可怕！他们表示不应该制造这样强大的Agent，还有其他方法可以增强人类的能力，并进行科学研究，比如让模型学习因果图。

　　而就在刚才，Bengio还进一步回应了，再次强调了AI Agent潜在的风险。

　　据热心网友们的爆料，他是在被问到AI属于发明还是发现的时候。

　　据小红书网友爆料，他提到一个有意思的观点，他将人类比作大模型的传感器：

　　参考链接：

　　[1]https://spectrum.ieee.org/fei-fei-li-world-labs

　　[2]https://x.com/connoraxiotes/status/1866921924703498412

　　[3]https://x.com/kyliebytes/status/1866987524805234785

　　[4]https://www.xiaohongshu.com/explore/6759be860000000001029429

　　[5]http://xhslink.com/a/IFIoiN1IoRy1