炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
未经许可不得转载， 务必保留公众号名片
Web3天空之城·整理制作
【城主说】本次访谈深入探讨了李飞飞博士的最新动向与深刻见解。她详细阐述了其新公司 World Labs 的核心使命——开发“空间智能”与3D生成式基础模型，并解释了为何这项技术对实现完整的人工智能至关重要。访谈回顾了 ImageNet 的诞生历程，强调了数据、远见和无畏精神在科学突破中的决定性作用。最后，李飞飞博士分享了她对机器人技术、跨学科团队建设以及以人为本的AI未来发展的乐观愿景，强调AI的最终目标是赋能于人，解决医疗等领域的重大挑战。
核心观点
序幕：为何现在创业？
Sarah: 大家好，听众朋友们。今天我们的嘉宾是李飞飞博士，她是计算机视觉和深度学习领域的先驱。她创建了ImageNet，这个开创性的数据集帮助引发了深度学习革命。李飞飞是斯坦福大学教授，也是斯坦福以人为本人工智能研究院的联合主任。她还曾领导谷歌云人工智能部门，为国际政策制定者提供咨询，最近还联合创办了World Labs，一家致力于开发空间智能人工智能的公司。飞飞，感谢你今天加入我们。
李飞飞: 谢谢邀请。
Sarah: 这会很有趣。在过去的20年里，您对科学和政策做出了非凡的贡献。我先从最大的问题开始。比如，为什么现在创业？
李飞飞: 因为在我内心深处，我渴望创造。我认为这是一个至关重要、充满乐趣和令人兴奋的时刻，可以构建一些每个人都能使用的非凡技术。我对空间智能以及能够赋能如此多的人和如此多的用例的3D世界模型深信不疑。而且我认为这将会非常令人兴奋。而且我可以与一个极其、极其杰出的年轻技术专家团队一起做到这一点。
Sarah: 我想回到你正在合作的人这个问题上来，因为我认识你的一些联合创始人，而且不久前我还在拼命地试图说服他们创办一家公司。然后他们说，哦，不，我们现在和 Fei-Fei 有一个更大的使命。
定义空间智能
Sarah: 什么是空间智能？你能为更广泛的受众定义一下吗？
李飞飞: 对我来说，空间智能是理解、推理、互动和生成3D世界的能力，因为无论你怎么说我们可以投影它，我们的世界从根本上来说都是3D的。而且它是3D的，因为物理上它就是3D的。而且在数字层面，如果存在真正的3D呈现，那么我们可以更容易地实现很多事情，无论是设计、创造、导航，还是模拟，或是体验AR、VR，对我来说，这些都是空间智能的一部分。
再次强调，我认为真正让我兴奋的是人类拥有空间智能。这是我们核心智能能力的一部分。动物也拥有空间智能。整个进化过程也与空间智能的进化紧密相连。所以它是如此的根本。如果没有空间智能，人工智能将是不完整的。
李飞飞: 这如何转化为你正在用你的公司做的事情？或者说，你能分享一些关于这相对于你正在构建的东西意味着什么的信息吗？
李飞飞: 是的，我们正在破解人工智能领域最难的问题之一，即构建从根本上是3D的世界模型。因为一旦你攻克了这个问题，你就可以解锁大量的空间智能问题。据我们所知，我们是第一家解决这个问题的公司，即3D生成基础模型问题。
世界模型的愿景与挑战
Sarah: 我有很多问题。但是，既然你首先将这一点描述为3D对于理解世界的至关重要性，这是否意味着你认为，World Labs或其他学术界或公司创建的世界模型，将来会像现实一样准确，比如能够呈现物理规律并理解世界，从而使我们能够做更多的事情？
李飞飞: 是的，它应该是现实般准确或合理的。所以你可以创造一个奇幻的世界，但它应该是合理的，因为它的几何结构和物理特性需要是合理的。而这对于空间智能来说是至关重要的。
Sarah: 这是否意味着你有一个特别的观点，从神经科学的角度来看，比如视觉智能有多么重要？我的意思是，你一直是计算机视觉领域的领导者，对吧，但是视觉智能与大型语言模型和文本智能相比，有多么重要？
李飞飞: 实际上，我的确有。我认为从神经和认知科学的角度来看，空间智能是进化必须为动物解决的一个非常困难的问题。真正有趣的是，我认为动物在某种程度上解决了这个问题，但并没有完全解决。这是最难的问题之一，因为动物必须解决的问题是什么？动物必须进化出在某种程度上收集光线的能力，我们通常称之为眼睛。然后通过这些眼睛收集的光线，它们必须在某种程度上于脑海中重建一个3D世界，以便它们能够导航并做事情。当然，它们可以互动。对于人类来说，我们在操作能力方面是最强的动物，我们可以做很多事情。所有这些都是空间智能。对我来说，这仅仅根植于我们的智能。
有趣的是，即使在动物中，这也不是一个完全解决的问题。我们，例如，就人类而言，对吧？如果我现在让你闭上眼睛，画出或构建一个你周围环境的3D模型，这并不容易。
Sarah: 在经过训练之前，我们没有那么强的能力来生成极其复杂的3D模型。
李飞飞: 你知道，我们中的一些人，无论是建筑师、设计师，还是只是接受过大量训练且天赋异禀的人。那是一件很难的事情。想象一下，你可以在指尖上更轻松地完成它，并且允许更流畅的交互性和可编辑性。对人们来说，那将是一个完全不同的世界，绝非双关语。
AI缺失的下一个领域
李飞飞: 是否还有其他像空间智能这样的大领域，你觉得从模型的角度来看，它还没有得到充分的发展，或者其他你认为普遍存在的缺失，随着我们构建这种人工智能的未来，我们应该随着时间的推移关注，或者人们应该构建出来？我只是想知道，除了3D和世界生成等其他大问题之外，因为感觉我们已经随着时间的推移解决了一些大问题，还有其他一些问题我们正在努力解决。
李飞飞: 我们正在某种程度上解决语言问题。我认为语言问题在很大程度上已经解决了。而3D，在我看来，和语言一样至关重要且困难。那么还有什么问题没有解决呢？我的意思是，整个情商领域是我甚至不知道该如何着手解决的问题。
李飞飞: 我认识很多人都没能解决这个问题。
李飞飞: 所以，那才是实现通用人工智能（AGI）的时候。
Sarah: 我可以告诉你，用于训练的数据不会来自硅谷的人们。不要低估硅谷。我会把自己归为这一类，但我认为我们可能需要更广泛的人群参与。
李飞飞: 是的，没错，我同意。
Sarah: 但这些是三个大类。
李飞飞: 说实话，我不知道，你们怎么看，伊兰和莎拉？
李飞飞: 我认为这很大程度上取决于你在每个模型中封装的内容。所以我同意你关于这三个方面的框架。然后像某些东西，你知道，空间智能，我假设它也深入到不同类型的物理模拟和世界模拟中。而且，你知道，就像那些是很大的领域，我认为很多人没有在研究，但我认为它们真的很有趣或很重要。而且存在着它的宏观和微观尺度。微观尺度最终会变成材料科学和其他非常不同的东西，与你所说的内容不同，它更像是分子建模，或者...
李飞飞: 对。并且这超出了当前人工智能的定义，但我认为它们会因此而得到增强。当然，有机器人技术，但机器人技术很大程度上是一个系统集成问题，就像，你知道，即使你观察动物，也不仅仅是大脑中的计算本身。
李飞飞: 是的，相对于动物拥有的特定系统，很多这些事情在空间智能方面似乎更加分散。而且在某些情况下，正如你所说，并不像人们想象的那么集中。因此，开始根据有机体中更分散的智能模型，而不是中枢神经系统，进行思考是非常有趣的。但是，是的，我认为我认为这是非常有趣的事情。
机器人、模拟与数据金字塔
Sarah: 飞飞，你也做过机器人技术和类物理智能领域的工作。我认为，对于机器人基础模型和驱动的数据层级来说，你知道，人们当然想使用视频，对吧？因为那是我们可以获得的。关于模拟以及今天你能从中获得多少，存在一个很大的问题。也许人们没有看到未来可供我们使用的质量和物理特性。然后还有，你知道的，接近具身性的，比如不同形式的遥操作，以及类似具身数据收集。这是你脑海中的层级结构吗？或者你认为人们低估了模拟和世界模型在未来的作用？
李飞飞: 是的，好问题。首先，正如你所说，我的确从事机器人研究工作，尤其是在我在斯坦福的实验室里。我毫不怀疑人类将进入一个与机器人共存的时代。而且，“机器人”一词并不一定指人形机器人。机器人可以呈现各种各样的形式和形状。实际上，几年前，我的实验室写了一篇非常有趣的论文，关于形态智能，即智能体的形态实际上可以通过优化它们试图完成的任务来改变。所以我们应该比仅仅想象人形机器人更有想象力。
说了这么多，关于如何训练机器人，你提到了整个数据，有些人称之为数据金字塔或数据蛋糕之类的。我同意。我认为这将是许多不同形式数据的混合。我还认为模拟被低估了。实际上，很多专家和业内人士并没有低估它。如果你看看很多机器人公司，他们都在研究模拟和合成数据。我也认为我们必须意识到，与语言模型甚至与空间智能基础模型不同，机器人是一个高度多模态的系统。我认为真正被低估的是触觉，依我之见。如果我们想要进行操作，而不仅仅是导航，触觉就显得尤为重要。我认为将触觉真正整合到视觉、感知和空间数据中的能力是绝对关键的。
机器人的形态与未来
李飞飞: 你说过的一件事我觉得非常有趣，那就是机器人可能适应或采用哪些不同的形态形式。关于潜在的未来，人们提出了两种相互对立的论点。一种论点是，从供应链的角度以及管理构建和制造规模的角度来看，形态因子的数量将会大大减少。另一种论点是，专业化的经济价值非常高。因此，随着我们走向机器人驱动的未来，将会出现成千上万种不同的形态因子。对于我们可能在这两种观点之间最终落脚于何处，你有什么看法？
李飞飞: 我认为我们正处于一个梯度下降的过程中，最终目的是优化生产力和效率。我的假设是，不同任务的需求如此之多，以至于只有极少数的形态或坚持一种形态是能源效率低下的。并且许多任务可以并且应该由能源效率更高的形态因子来完成。只是一个极端而琐碎的例子。如果我们把机器人放到水下，它们就不应该做成人形。它们最好是鱼的形状，对吧？想想能源效率就明白了。飞行也是一样。我认为人形……我们的飞机正变得越来越像机器人。
3D生成模型的近期应用
Sarah: 所以我确实认为会存在多样性。机器人技术是未来一个潜在的应用领域。首先你是一位科学家，但同时，你也参与了Twitter董事会与初创公司相关的工作。你能想象到哪些近期可实现的、用于生成3D世界的商业应用？
李飞飞: 我相信创造力是一个非常令人兴奋的领域，在这个领域中，人类可以通过人工智能和空间智能获得超能力。在这里，我将它类比于软件工程。如果你看看当今大型语言模型在软件工程领域的成功，包括像Cursor和Windsurf这样的应用程序以及所有这些，你看到的是人工智能和人类之间的大量协作。而且这种协作体现在不同的技能水平等等方面。我认为创造力也会类似，无论是设计师、3D艺术家、视觉特效艺术家，甚至是营销人才和游戏开发者，在设计和创造3D空间方面都有大量的需求。即使对于训练有素的专业人士来说，这从根本上说也是一个非常困难的问题，如果我们能正确地进行协作，拥有一个协作者将会非常有趣。所以我将创造力看作是一个非常令人兴奋的领域。
我也确实认为，我们在元宇宙或增强现实、虚拟现实方面所等待的很多东西是内容创作。我理解硬件本身需要不断发展，但我也认为在软件方面，我们正在寻找内容创作。这自然而然地适用于3D建模和3D或生成式空间模型。这是另一个值得关注的有趣领域。
Sarah: 你对于世界模型是否是可扩展强化学习的一个有趣答案，以实现更具泛化能力的智能体，有什么强烈的观点吗？
李飞飞: 实际上，我的确认为它是这样的。就像我说的，如果没有空间智能，人工智能是不完整的，因为人类是在3D世界中互动的。在数字世界中，我们需要各种各样的互动。你知道，以设计为例。这是一个非常深刻的领域，你知道，当我们思考设计时，我们会在脑海中优化很多东西，无论是美观、效率还是最优化等等。这非常自然地适用于强化学习的设置。
Sarah: 我想，在尝试沿着这条道路，即设计和训练世界模型的过程中，最大的挑战是什么？我猜想其中之一是，例如，你研究过图像，研究过视频，但是我们拥有图像和视频，而我们没有很多，你知道，像你正在构建的那样，以某种格式呈现的3D世界。
李飞飞: 是的，数据绝对是一个挑战。你完全说对了。你知道，要创建世界模型、3D基础模型，我们需要越来越复杂的数据工程、数据采集、数据处理和数据合成。所以，我非常羡慕我的自然语言处理大语言模型同事们，他们在互联网上拥有如此丰富的数据，而我们不一定有这种优越条件。所以，这绝对是一个挑战。
另一个挑战是3D，这有点讽刺，对吧？我们每个人每天都在使用3D，就像在很多场合一样。基本上，你睁开眼睛，你所体验的整个生活都是3D的。即使我们一直在电脑上打字或者盯着屏幕，但与语言相比，它仍然不是一种更容易交付到人们手中的形式因素。语言是如此简单。而且它也是一种非常主动的形式……它不是被动地观看。没有人醒来说，我就要坐在这里看3D，你知道吗？所以，这给产品化以及如何以正确的方式进行产品化带来了挑战。你曾经玩过《第二人生》之类的游戏吗？
Sarah: 或是其他什么游戏？
李飞飞: 我不是一个游戏玩家，但是我的孩子们喜欢《我的世界》。
Sarah: 我本来想问你，是否存在你想要体验或想象的世界。
李飞飞: 莎拉，这是个好问题。你知道，我渴望看到各种各样的世界。我喜欢看到我未曾见过的世界。例如，像不断放大，进入微观世界，或者，你知道的，进入引擎的内部，了解引擎的实际运作方式。我知道，当然，我理论上知道它是如何运作的，但是亲眼看到它，体验它，甚至，你可能会觉得好笑，我想进入洗碗机内部。只是体验那是什么。如果我们能够创建任何事物的世界模型，所有这些都可以以虚拟方式完成。
回顾：ImageNet的诞生
Sarah: 好的，我想阿拉德和我都很想谈谈您过去的职业生涯，以及可能为正在进行研究或试图在人工智能领域产生影响的人提供的一些见解。在此之前，我问安德烈·卡帕斯我应该问你什么。他说，你知道，李飞飞在抱负和思考数据方面真的很神奇。你应该问问她关于她的博士学位，比如，以及与皮埃特罗一起创建那个一对一数据集的事情，因为它具有指导意义。所以我必须问问你这件事。
李飞飞: 你知道，首先，我必须说，当你的学生比你更有名，取得的成就比你更多时，这总是最棒的事情。这让我感到非常自豪。为安德烈感到非常自豪。我很惊讶他记得我的博士研究。所以，是的，这是真的。那，嗯，天哪，要追溯到2003年左右，当时世界才刚开始触及互联网的皮毛，数据还算不上什么。但从事计算机视觉研究时，我们，我的博士研究真的试图让物体识别发挥作用。那个问题就是，当你看到一张图片时，要识别出猫、狗、微波炉、椅子等等所有东西。我们当时开始假设数据很重要，但我们毫无概念。没有比例定律。我们不知道，你知道的，数据能走多远。我们想要的只是，如果我们有一个机器学习算法，无论是神经网络还是那时非常流行的贝叶斯网络，或者是支持向量机，我们需要一些数据来训练。并且没有数据可供训练。
作为一名博士生，你当然想毕业。然后，Pietro就说，这样吧，Feifei，整理一个数据集。我，你知道，我当时在想，是的，我的确需要整理一个数据集，因为现有的每个数据集都太小了。我只是不太信服。然后Pietro和我一直在讨论，你知道，到底是15个不同的东西还是30个不同的东西，然后更可怕的是，博士导师说了三位数100。我当时就想，你知道，这工作量太大了。但我内心深处知道，从数学的角度来看他是对的，为了推动模型泛化，我们需要足够的数据，至少要足够。所以，你知道，我确实在我的书《我所看到的世界》中写到了这个过程，我偶然发现了一本词典。而且那真的是为了我自己的英语学习，那本词典，我想是韦氏词典，如果我没记错的话，它只是随机地包含了一些单词的视觉描述。我甚至不知道他们遵循什么规则，说实话，有些是花，有些是自行车，有些是狗。我当时就想，好吧，这实际上，你可以称之为作弊或者工具。我抓取了101个这样的词语。这真的让我博士生导师有点忍俊不禁，因为他会说，啊，是啊，你就是想比我要求的多做一点，你知道，想挑战我。所以我就那样做了。而且我得说，我仍然记得，我下载或者说，你知道，尝试从谷歌下载，那时候谷歌还很新。而且那时候的谷歌图片搜索非常糟糕，你知道，和今天相比。我不得不做大量的清理工作。有段时间，我变得非常绝望。我直接让我妈妈做图片清理，因为我在电脑上写了一个小界面。她不懂电脑，但至少她知道点击，点击。所以她帮我做了一些事情。
职业生涯的决定性时刻
李飞飞: 我的意思是，你在人工智能领域拥有着最辉煌的职业生涯之一。而且正如你所说，你的许多学生也都同样在整个领域、整个行业、甚至整个世界取得了非常伟大的成就。当你回顾迄今为止的职业生涯时，你会想到哪两三个时刻？当然，你的职业生涯还有很长的路要走。但我只是有点好奇。我的意思是，显然，你在图像和视觉识别相关系统以及各种方面都做了很多事情。但我只是有点好奇，比如，当你想到过去20年时，考虑到你所做的一切，什么是最突出的？
李飞飞: 哦，谢谢你问这个问题。当然，ImageNet是其中之一……ImageNet由多个时刻组成，从早期的挣扎和被告知我不会获得终身教职，到真正意识到亚马逊的Mechanical Turk来救援，再到AlexNet获胜的那一刻。并且在几年前，我和杰夫·辛顿在多伦多参加了一个活动。他当时公开表示，这件事是多么具有决定性意义。他甚至有点抱歉，认为 ImageNet 没有像神经网络那样被广泛认可。因此，这段历程非常有意义。对于科学家来说，这种意义不在于认可或奖励。而在于你做出了改变。就像那个没人相信的猜想，那个没人相信的假设，我们最终实现了它。这是其中一个线索。
Sarah: 为了确保那些不熟悉的商界人士了解，ImageNet 是一个大规模的数据集，拥有数百万张带标签的图像，涵盖数千个类别，而不仅仅是 101 个，对吧？1500万张带标签的图像。1500万张已标注图像。谢谢你，李飞飞。这促成了深度学习领域的惊人突破，特别是 AlexNet，以及计算机视觉领域整体的巨大进步。是的，极大地推动了机器视觉的发展。
李飞飞: 我还记得在 2016 年或 2017 年，我曾经展示一张幻灯片，内容是人工智能的历史，或者，你知道的，那时主要是卷积神经网络 (CNN) 和循环神经网络 (RNN)，生成对抗网络 (GAN) 才刚刚兴起。我把 ImageNet 和 AlexNet 看作是人工智能发展史上具有开创意义的时刻之一，是定义人工智能进步的极少数事件之一。显然，现在我们有了 Transformer 模型，或许还有扩散模型之类的，但那（ImageNet和AlexNet）确实是一个巨大的突破。
李飞飞: 是的，谢谢。另一个让我非常自豪的时刻是安德烈（指 Andrej Karpathy）和贾斯汀·约翰逊的毕业论文。在我看来，那是语言和图像首次通过为视觉世界添加标题和编写故事而融合的时刻，这对我来说意义重大，原因有两点。
其中之一是我真的以为，我可没开玩笑，在我的博士生涯结束时，我认为如果我能活到100岁，那才是我们或许能够解决的问题。也就是图片的叙事。所以我进入我的职业生涯，就像我第一年当助理教授一样，心想着，好的，我要做ImageNet来解决物体识别问题。然后我将用我余下的整个职业生涯来解决这个叙事问题。然后当Andrej，以及稍晚些的Justin Johnson进入我的实验室时，那是大约2013年、2014年，深度学习的开端。然后突然间，序列模型的组合，当时是LSTM，还不是Transformer模型，但是LSTM和CNN就这样炸开了花。图像描述工作，Andrej和我的工作与谷歌的工作一起，是最早完成并发布的。那对我来说真的是，我几乎感到，它让我如此自豪，我几乎感到了一场危机，就像，我将在余下的70年或65年里做些什么呢？所以这真的令人兴奋，这个领域发展得如此之快，你知道的，发展得如此之快。
对研究者的建议：无所畏惧
Sarah: 我可以再问你一个关于这个问题的问题吗，就因为你已经，你知道的，取得了如此惊人的进展，而且非常高效，对吧？就像你我之前在线下谈过的那样，你觉得在人工智能研究领域存在超越大型企业资助实验室的登月计划和创造力，这一点非常重要，对吧。而且，你知道，你指出了几个时刻，它们来自于创造力以及学术界的研究，你对人们有什么建议，关于是否仍然存在这种机会？或者，你知道，从现在开始，一切都只是 100 亿美元的训练运行了。
李飞飞: 我唯一的建议，我仍然在我的公司、我的实验室里这样说，就是要无所畏惧。我认为科学家、技术专家和企业家都必须无所畏惧。你知道，最终你必须弄清楚，你是否需要 100 亿美元的运行？或者到那时你来找莎拉申请资金。可能两者都需要很多。是的。或者你必须弄清楚，你知道，我不知道，数据方面的问题。有时候，无畏是一种非常有趣的状态，你可能有点妄想和疯狂，但也可能仅仅是理性上的大胆。它介于两者之间。因为如果你过于理性，就显得不够勇敢。你就无法发现足够大的问题。但如果你完全疯癫，那么我不知道，可能会出现很多问题。所以要无畏。要勇敢。对我来说，即使我已经这么老了，我仍然是这样感觉的。我创办了我的初创公司WorldLabs，是因为我想无畏地解决空间智能这个问题。
Sarah: 作为解决问题的一部分，随着时间的推移，你已经与世界上一些最好的AI研究人员和最好的工程师合作。
招募无畏者：构建多元化团队
李飞飞: 你如何在你公司的背景下看待这件事？比如，你们正在尝试招聘哪种类型的人？目前有空缺职位吗？还有，数据看来这是一支非常棒的团队。我只是好奇，你们想增加哪种类型的人，以及你们如何随着时间的推移考虑这件事？
李飞飞: 是的，我们有空缺职位，并且目前我们非常希望为公司招聘最优秀的工程师以及产品思考者。所以，如果你是一名工程师、人工智能研究员或产品人才，并且热衷于加入最有才华的团队并解决这个问题，请加入我们。
那么，我们招聘什么样的人呢？首先，我们确实招聘具有思维多样性的人。这就是为什么，你知道，你们称我们为人工智能公司，但如果你深入了解，我们会发现我们有计算机图形学专家。我们拥有计算机视觉专家。我们拥有数据专家。我们拥有，你知道的，生成式人工智能专家。我们拥有机器学习基础设施专家。我们拥有优化专家。因此，聘用多元化且真正有才华的团队至关重要，因为像空间智能这样艰巨的问题并非同质化问题。解决这个问题需要来自各种背景的人才。然后我也寻找无畏精神。
李飞飞: 你如何做到这一点？例如，你如何识别某人的背景或思维过程中是否具有无畏精神？
李飞飞: 这是他们的背景决定的。你和他们交谈。你能感觉到某人是否无所畏惧。你知道，你能感觉到是什么驱动着他们。你知道，你能感觉到他们提出的问题。如果他们开始问你很多关于，我不知道如何完成这件事的问题。我的意思是，当然，你必须问这些问题，因为你想完成它。但如果你感觉到这来自于害怕解决问题的角度，那就不是无所畏惧。但那些无所畏惧的人，他们富有创造力。他们有雄心壮志。他们并不畏惧不确定性或未知。我真的很喜欢这一点。
终极愿景：以人为本的人工智能
Sarah: 嗯，我想阿拉德和我，你知道，我们努力做与无畏之人做生意的生意，并且希望那些人在技术上富有创造力。最后一个更广泛的问题想问您，因为我认为您工作的一个重要部分也在于思考如何将更多人引入人工智能领域，您知道，共同指导斯坦福以人为本人工智能中心。如果您设想一下，您知道，不是为了用书开玩笑，但如果您设想一下几年后，在您上一组预测之后的世界，您对以人为本的人工智能最乐观的看法是什么？
李飞飞: 是的，谢谢您提问。事实上，我职业生涯中另一点让我感到非常自豪的是创立了以人为本人工智能研究所，HAI，以及不断朝着这种思维方式迈进。我想构建一个人工智能协作并赋能于人的世界。我仍然相信我们的世界，我们人类的世界需要以人为本，你知道，在那里，爱、关系，以及各个社群的繁荣。这些都非常重要，公正也是，这些都是非常重要的价值观。而且我认为任何机械装置，无论是人工智能、飞机还是生物技术，都不应该剥夺这些。但考虑到那些关键价值观，拥有人工智能来赋能我们真的非常重要，因为有太多尚未解决的问题。
我曾经工作过的一个应用领域是医疗保健，例如在斯坦福大学，对吧？如果你看看医疗保健，从药物发现到治愈疾病，到能够覆盖全世界人民的诊断，到能够让全世界人民都能获得的治疗，再到整个医疗保健服务，如何让老龄化变得更好，如何照顾慢性疾病，如何处理精神健康，所有这些，我们不存在人类过剩之类的问题。我们缺乏帮助。你知道，我们缺乏科学发现，我们缺乏诊断，我们缺乏精准医疗，我们缺乏更安全有效的医疗保健服务和老龄化帮助等等。而这就是我相信的。我认为人工智能是帮助人们的工具。
Sarah: 是的，我认为我和很多人共同投资了一系列公司，我希望这些公司能在这方面发挥作用，从架桥到开放证据再到后期。但是正如你所说，存在着一个巨大的问题谱系。老实说，过去15年来，我对普遍的技术和医疗保健领域的应用并不那么乐观。但这一次感觉确实不一样。实际上，这绝对是一件整体利大于弊的事情。
李飞飞: 是的，实际上在此之前我创办了一家数字健康公司。
Sarah: 我希望，人们谈论了几十年的很多事情最终能够实现。
李飞飞: 看起来人工智能是实现这一目标的绝佳传递机制。
Sarah: 完全同意。好的，非常感谢您，飞飞。
李飞飞: 太棒了。
Sarah: 这次谈话令人鼓舞，并且很高兴更多地了解了世界实验室。非常感谢。
李飞飞:谢谢你，莎拉。非常感谢你邀请我。