李飞飞最怕的那件事，你或你孩子应该经常在做

两个小时的访谈，她说自己最放心不下的，是工具太顺手之后，年轻一代连“卡住”的耐心都不要了。大脑学习需要时间，需要挫折，需要那种解不出来、抓耳挠腮、第二天突然想通的笨拙过程。AI把这段过程压缩成一次回车键，她怕的是动机本身被抽走。

答案秒出。

少儿编程课上，不止一个孩子在循环嵌套搭到第三层时抬头问我，能不能直接给答案，反正让AI写也一样。既然结果可以秒出，为什么要在这里耗四十分钟——这道效率计算他们算得很清楚。李飞飞在节目里讲的学习动机被工具夺走，落到我面前就是这张仰起来的脸。

这不对。

她的担忧要放回她讲视觉演化的那条线里才好懂。五亿四千万年前，简单海洋动物第一次感光，大约一千万年后就是寒武纪大爆发。到今天，人脑差不多一半的皮层活动跟视觉处理有关。这条几亿年磨出来的通路，对照的是AI用另一种方式“看”世界。ImageNet收了一千五百万张图像。人类在这个一千类任务上的识别错误率大概在百分之四，这是基线。2012年，神经网络把机器错误率压到百分之十几，研究圈当时就知道这是拐点。到2016年，算法命名一千种物体头一回超过人类。她总结那个突破的公式——更好的网络算法、海量数据集、GPU算力，三样东西恰好凑到了一起。

李飞飞 × Huberman Lab 访谈节目（2026-08-10）

以下引语据访谈公开整理，非逐字转录。紧接着她把话翻过来：AI是从互联网上啃统计模式长大的。它没见过你昨晚失眠时盯着天花板的情绪，没有你奶奶厨房的气味，没有一只旧杯子突然唤起的那整段下午。人类的小样本学习机制，到今天科学界也没彻底搞清楚——一个孩子见过三只猫就能认出猫尾巴，目前还没有数据集能复刻这件事。她的原话整理下来是：“不在于深不深，在于数据可不可及。”这是人剩下的那块地方，也是她说“AI增强能动性”的底气——你拥有当前AI拿不到的那部分经验，问题只在于你**不愿意调动它。

聊到教育，访谈中她的说法是：“人类历史上最顶尖的提示工程师是苏格拉底。”诘问法的底子就是层层追问，把一个模糊的大问题拆成对方没法回避的小问题。她希望提示词教育从幼儿园就开始——她的说法是，提示词起决定性作用；在我看来，提问能力就是思考能力，而这是AI没法替你长出来的肌肉。一刀切地禁止，她认为同样不可取；我自己听到这儿，想到的是当年禁止计算器那一轮。但放任不管，就是把孩子一个人扔在一个只会给答案的机器面前。

2022年ChatGPT上线后，她做了一件很不像论文作者的事——主动给小学校长发邮件，提出进校做分享，重点对象是教师与家长。技术已经进了孩子的书包，大人如果还在原地焦虑，孩子就只能自己摸索，而摸索的方向往往是“怎么让AI帮我少写作业”。帮扶大人，才能接住小孩。

关于AI到底能不能替代人的判断力，她用了几组案例划边界。AlphaGo第三十七手，她认可那是一种“特殊创造力”，前提是围棋有清晰的数学规则；换到解法还没被发明的开放难题，她的判断偏向猜测：得人和AI并肩工作。她在节目里提到，Huberman靠AI分清了一次症状究竟是眩晕还是低血压，此前连耳鼻喉科专家都判错了方向。她也提到自己父亲做肝脏手术时用了达芬奇机器人辅助，失血量比典型手术少很多（她在节目里说的是少十倍）。但她加了限定：肝脏个体差异极大，数据稀缺的领域里，医生亲手操控仍然优于让机器自主执刀。

她2024年创立World Labs做空间智能，落点在老年护理、医院物流、野火响应、无障碍——扶不扶、走不走、撤不撤，最后一步还是人的。她的治理立场只有一句——不能只让少数科技企业替整个社会做决定……

下节课那个循环嵌套搭到第三层的孩子再抬头，我打算忍住不把答案递过去，蹲下来问一句：“第二层跑了几次？那第三层跟着跑几次？你数数看。”苏格拉底式的提示，要害就在这件事——忍住不给答案，把问题弹回去。

如果你家里有一个已经开始用AI写作业、用AI画画、用AI回答所有“为什么”的小孩，今晚可以试一件事。他下次拿AI生成的结果给你看，别评价好不好。问他：“你当时是怎么问的，换一种问法它会给你不一样的东西吗？”把对话从“看结果”拽回“看提问”。这个动作不需要任何教育学背景，不需要报班，不需要等学校开一门“AI素养课”。它只需要你在场，并且忍住不替他把问题问完。

一句话，够用了。

李飞飞说大脑学习需要挫折。大人陪着孩子一起被一个prompt卡住、一起改三遍措辞、一起发现换个角度问就通了——她讲的能动性，大概就是这个画面。工具不会消失。今晚那个举着AI生成结果跑过来的小孩，等的就是这一下追问。