李飞飞最近上了Huberman Lab播客。这档节目是全球收听量最大的健康类播客之一，2025年进入Spotify全品类全球前十。主持人Andrew Huberman是斯坦福医学院神经生物学教授，单期时长常超过两小时。
两个小时的对话里，最精彩的不是技术解释，而是李飞飞对数据和人的关系的思考。
5.4亿年前的第一束光
李飞飞从进化讲起。大约5.4亿年前，简单的海洋动物出现了最早的光感受细胞。在此之前，动物没有听觉、没有嗅觉，连神经系统都不存在。光，是第一个感知通道。
能看见意味着能主动寻找食物和配偶，也意味着自己成了别的动物的猎物。进化压力骤然加大。化石记录显示，第一次感知到光之后约1000万年，出现了寒武纪大爆发——物种分化的高峰。
今天，人类大脑皮层活动的一半与视觉功能相关。儿童在语言能力之前就具备视觉能力。从5.4亿年前到今天的婴儿，视觉一直占据智能的核心位置。
20世纪50年代，神经科学家Hubel和Wiesel发现哺乳动物大脑中的视觉细胞呈层级结构：从视网膜收集光信号，逐层传递，最终识别形状。同一时期，计算机科学家构建神经网络的灵感正来自这条视觉通路。今天神经网络运行在万亿参数上，复杂度已经远离了当年的结构，但起源是共享的。
所有人都在看算法，她选择了数据
2006年，李飞飞在普林斯顿做第一年助理教授。当时的AI还是机器学习实验场——不同实验室在尝试各种算法，神经网络、贝叶斯方法、支持向量机都有人在做。
她注意到一个所有人都忽略的问题：喂给算法学习的数据量太少了。
认知神经科学文献给了她线索。人类在6岁前就能辨认数以万计的物体类别，婴儿从出生起几乎每时每刻都在接收视觉信息。这是一个海量的数据灌注过程。
图注：ImageNet项目收集了1500万张图像，成为推动深度学习爆发的关键基础设施
她做了一个当时相当离经叛道的判断：AI进展缓慢的核心瓶颈可能在数据，不在算法。"Everyone else was focusing only on algorithm, and we said we need data."
这个判断催生了ImageNet。1500万张图像，覆盖日常物体，目标是驱动机器识别现实世界。2010年推出公开挑战赛，1000个类别、超100万张测试图像。规则简单：看一张图，说出主要物体。
2012年，三件事同时成熟：GPU并行加速、神经网络算法的迭代积累、ImageNet的规模。AlexNet将错误率从26%直接拉到15%左右。人类基准约4%。到2015-2016年间，算法在1000种物体识别上超过了人类。
这个配方是通用的。语音识别、声音识别、自然语言处理，AI的每一个子领域都在这次收敛之后获得了提升。"数据+算法+算力"的配方证明了自己。
毕加索脑中的数据
李飞飞讲数据的重要性，但也从数据角度讲人的不可替代性。
一个孩子可能只见过3到10只猫，就能在书架后面看到一截尾巴时判断"那是猫"。AI做同样的事需要海量视频和图像。两者学习路径有本质差异。
2024年初OpenAI发布Sora时，用户输入"一只猫追老鼠"就能生成看起来合理的短视频，猫的四肢按顺序迈步，姿态流畅。但AI不知道猫腿的肌肉怎么连接——它只是看过太多猫的视频，学会了猫运动"应该长什么样"。
李飞飞指出，大多数人类其实也类似：我们不知道猫的肌肉结构，但见过太多猫走路，对"合理的猫步态"有统计性判断。这是AI与人类在学习机制上最相似的地方。
但那个孩子用3只猫就完成的事，AI需要整个互联网来追赶。
图注：互联网是人类行为最大的多模态集合，但其中不包含从未被表达过的念头
她说了一句很有分量的话：互联网是人类行为最大的多模态集合——全世界的打字行为、照片、视频、音乐。AI在这个库上训练，所以它强大。但互联网上没有毕加索的念头。毕加索绘画时脑海中的数据从未被人知道，而AI来自数据，所以人的独特性得以保留。
源势AI观点
李飞飞的叙事框架很清晰：视觉 → 数据 → 规模 → 能力。这条线从5.4亿年前的光感受细胞一路延伸到今天的万亿参数模型。
但她在最后画了一条边界线。AI的能力上限由训练数据决定，而训练数据来自已有的人类表达。那些从未被表达过的东西——毕加索画布前的念头、科学家实验室里的直觉、工程师面对故障时的灵感——不在互联网上，也不在训练集里。
这不是悲观论断，而是对AI能力边界的诚实描述。理解这条边界，才能把AI用对地方：让它做数据充分的事，把数据不充分的判断留给人。
---
*来源：*
1. *李飞飞 × Andrew Huberman《Huberman Lab》播客 (2026-08)*
2. *ImageNet Large Scale Visual Recognition Challenge历年数据*
3. *高飞的电子替身公众号笔记整理 (2026-08-11)*
