李飞飞 (Fei-Fei Li)
李飞飞（Fei-Fei Li）是斯坦福大学计算机科学教授、美国国家工程院与医学院院士，ImageNet 项目开创者，以人为本人工智能研究院（HAI）联合院长，世界实验室（World Labs）创始人，空间智能（spatial-intelligence）先驱。
Source: 2026-08-25-xiaohongshu-xhslink-cn-o-fXPbeQWlFi-30f5728d41.md（来源未公开）
AI 时代人类核心素养
- 提出精准问题的能力：在 AI 能够提供无限答案的时代，Prompt 的清晰度与特异性（Specificity）是调取优质信息的核心素养；
- 以人为本与通识教育：技术必须服务于人类福祉，跨学科审辩式思维是驾驭 AI 的根本支柱（uniquely-human-capabilities）。
视觉演化、AI 边界与主体性法则（李飞飞 × Huberman 对话）
Source: 2026-09-24-bilibili-b23-tv-7YbOIsa-12d5844310.md（来源未公开）
在与斯坦福神经科学家 Andrew Huberman 的深度对话中，李飞飞系统阐述了关于生物演化、机器智能边界与人类未来的认知框架：
1. 5.4 亿年视觉演化与寒武纪大爆发
- 视觉驱动的生命大爆炸：5.4 亿年前寒武纪生命大爆发的核心催化剂是动物“眼睛”的演化。一旦生物能够主动感知空间与三维物理环境，掠食、逃避、导航与复杂社交互动才得以诞生。
- 空间智能的演化先验：相比人类仅数万年的语言符号系统，空间视觉智能是生物经历了 5 亿年以上严苛自然选择沉淀的底层操作系统。单纯靠二维离散文本训练的 LLM 缺乏物理世界的因果锚点，必须迈向空间智能（spatial-intelligence）。
2. 现代 AI 三大基石与统计模式识别的局限
- 现代 AI 的三大动力：海量数据（ImageNet 为代表的大规模标注）、深层神经网络（Neural Networks）与强劲算力（GPU Compute）。
- 1500 万张图与人类婴儿的悬殊对比：机器需要喂入 1500 万张静态标注图片才能在分类上勉强逼近人类水平；而人类婴儿仅凭少得多的视觉输入与自主的物理探索（拿、摸、跌倒），就能建立起对重力、摩擦、因果与遮挡的深层世界模型。当前纯深度学习在本质上依然是高维相关性模式匹配。
3. 从“感知猫尾巴”到“理解意图”的质变鸿沟
- 感知与理解的界限：当前的视觉模型能够极其精准地框选出“猫的尾巴”或“猫的耳朵”，但这仅仅停留在“感知（Perception）”层面；
- 意图与因果理解（Understanding & Agency）：真正的智能体必须理解“这只猫为什么要在这一刻跳上桌子、它的饥饿动机或好奇意图是什么”。缺乏对具身因果和动机的理解，机器就无法成为真正自主与可靠的协作者。
4. 直觉、情景记忆与人类情感的不可上传性
- 生物学限制与意义的载体：人类的直觉、顿悟和情感不是漂浮的代码，而是由数亿年生物演化形成的神经内分泌网络、荷尔蒙波动、生存脆弱性与痛感记忆共同铸造的；
- 机器无意识与主观体验鸿沟：纯计算架构可以功能性模拟同理心，但它永远没有真实的自我存在焦虑与主观体验（Qualia）。试图将人类意识和直觉“无损上传”给数字服务器是一种科学幻想。
5. AI 最具价值的三大物理落地维度
李飞飞明确指出，AI 绝不该沦为制造空转信息与数字垃圾的玩具，其最大的人道主义与社会价值集中于三大场景：
- 重症监护与医疗看护：通过智能视觉传感器辅助疲惫不堪的护士与医生，实时预警重症患者跌倒、院内感染与手术盲区，挽救真实生命；
- 个性化教育辅助：根据每一个孩子的心理认知节奏提供自适应教学，保护好奇心而非用统一标准抹杀个性；
- 空间智能与具身机器人：进入危险、恶劣工况环境承担重度体力劳动，缓解老龄化社会的劳动力断崖。
6. 主体性（Agency）至高法则
- 李飞飞反复强调教育者与开发者最应守护的词汇是 Agency（个体主体性）：
- 拒绝剥夺试错与奋斗动机：技术最大的隐患不是取代某项具体技能，而是诱使年轻人放弃探索的痛苦与思考的阻力，沦为被动接受答案的空心个体；
- 杠杆而非拐杖：优秀的 AI 工具必须像杠杆一样放大人类主动探索与创造的意愿，把自主选择与创造的能动权牢牢留在人类手中。