《经济学人》约稿“AI教母”李飞飞：下一阶段的人工智能应具备空间智能，这将引领人类走向真正以人为中心的技术时代！

今天我们关注人工智能，选自《经济学人》“2025展望”专辑。文章提出，斯坦福大学教授李飞飞认为人工智能应从语言模型转向大型世界模型，以实现空间智能，推动以人为中心的技术革新。

李飞飞教授是全球人工智能领域的顶尖学者之一，也是华人的骄傲，被誉为“AI教母”。她在计算机视觉领域开创了诸多开拓性研究，例如著名的ImageNet项目，为现代AI的崛起奠定了基础。作为斯坦福大学教授，她不仅致力于技术创新，更强调AI发展应以人为中心，并推动教育与技术的深度融合。

我们先来观看一段她谈论AI时代教育核心的短视频，感受这位学者的深刻洞见。

接下来，我们就一起来看看这篇官网文章解析。今天的推文将涵盖三大内容：原文导读、写作技巧剖析以及好词佳句鉴赏。希望借此，在深入了解国内外热门话题的同时，收获英语写作技巧。

日更不易，也请大家帮个忙，点赞、点“在看”、分享，谢谢支持！

The World Ahead | By Invitation: Business in 2025

Fei-Fei Li says understanding how the world works is the next step for AI

Time to look beyond language models, argues the Stanford professor and “godmother of AI

近年来，人工智能技术的快速发展让我们见证了一个崭新的时代，从大型语言模型到生成式人工智能，AI的能力不断刷新人们的认知。

然而，人工智能领域的一位领军人物、斯坦福大学教授李飞飞却认为，AI的未来不应止步于语言模型，而应迈向更为深远的“大型世界模型”。

她主张，下一阶段的人工智能应具备空间智能，使其能够理解和互动于三维空间和时间之中，这将引领人类走向真正以人为中心的技术时代。

李飞飞是计算机视觉领域的先驱人物，她的研究核心一直围绕着一个问题：如何让机器拥有类似于人类的视觉能力？

正如她所言，孩子的眼睛如同生物摄像机，通过“拍摄”数以亿计的视觉信息构建对世界的理解，而机器学习的路径与此类似。

在这一过程中，李飞飞的团队于2007年创建了著名的ImageNet数据库，这一数据集包含1500万张经过标注的图像，跨越22,000个物体类别。通过这些海量的数据，神经网络得以学会识别并描述图像。这一技术突破不仅使得计算机视觉研究取得飞跃，也为推动现代人工智能热潮奠定了基础。

然而，即使是技术最前沿的生成式人工智能，在李飞飞看来仍然具有明显的局限性。目前的AI工具，无论是通过文本生成图像，还是借助模型对图像内容进行识别，它们的能力大多停留在二维层面。

这种单一的视角无法满足真正复杂的现实场景需求。例如，机器难以理解一张照片背后的空间关系，更无法与三维物理世界展开深度交互。

因此，李飞飞提出，人工智能的未来发展需要从语言模型转向“世界模型”。这一转变意味着AI不再仅仅依靠文本或图像，而是需要整合语言、视觉、视频以及来自传感器和机器人的空间数据，使其能够在真实世界中建模和推理。

例如，一个基于世界模型的系统，可以通过文字指令让机器人完成任务，如拔掉充电器或制作简单的三明治；或者，利用一张二维图片，生成一系列可信的三维空间模型，供人类探索和互动。

这样的空间智能不止是科学幻想，而是已经在实验室中初露端倪。李飞飞描述了其潜在应用场景：在家中，机器人可以自主导航，为老年人提供贴心服务；在手术室，AI助手可以为外科医生提供永不疲倦的双手支持；在课堂上，学生可以通过沉浸式的三维模拟场景学习复杂的知识。这些创新将不止改变某些行业，而是全方位地提升人类的生活质量。

从长远来看，李飞飞认为这是一场由人工智能引领的科技革命。正如人类通过数百万年的进化获得了强大的空间智能，如今的计算机也在短短数十年间迎头赶上。

这一领域的突破将彻底重新定义人机交互的方式，让AI从简单的工具进化为理解、适应并融入人类生活的真正助手。

李飞飞始终强调，AI技术的根本目标应以人为中心。空间智能的崛起，恰恰体现了这一愿景：它不仅是技术进步的体现，更是对人类需求和福祉的回应。

AI从二维世界迈向三维世界的步伐，也许正是通往未来的关键一步，而我们将成为这一跨越的最大受益者。

这篇文章的写作结构清晰且层次分明，通过递进的逻辑展开，李飞飞逐步引导读者理解从语言模型到世界模型的转变必要性。

文章开头以主题明确的标题引入，提出“理解世界的运作方式是人工智能的下一步”，并指出当前的研究重点应从语言模型转向世界模型。标题通过两部分陈述清晰地设置议题：人工智能的下一步发展方向以及这一转变的必要性。

第一段从背景切入，介绍计算机视觉（“computer vision”）这一AI领域如何致力于赋予计算机与人类相媲美甚至更优的空间智能能力。“A subfield of AI known as computer vision has long sought to teach computers to have the same or better spatial intelligence as humans.” 这一开头不仅点出计算机视觉的目标，也将李飞飞的研究方向自然融入，为后续内容提供了基础背景。紧接着，作者表明了自己的立场，强调“人工智能需要以人为中心”这一核心信念（“guided by the core belief that AI needs to advance with human benefit at its centre”），为全文设定了价值框架。

第二段通过类比人类视觉的发展，解释人工智能学习视觉能力的挑战。作者提到：“No one teaches a child how to see. Children make sense of the world through experiences and examples.” 通过这种通俗易懂的比喻，文章将复杂的技术问题转化为读者能够理解的日常现象。接着，她解释了机器学习视觉能力的复杂性，例如将三维形状转化为二维图像需要大量信息。这一段的目的是强调人类视觉进化和机器视觉发展的共通性，同时铺垫技术突破的必要性。

第三段转向技术历史，回顾了2000年代中期的三大关键突破（卷积神经网络、GPU、大数据）如何推动计算机视觉领域的进步。“This was not possible until three elements converged in the mid-2000s.” 通过这样的转折，文章介绍了李飞飞团队在ImageNet项目中的重要贡献。“My lab contributed the 'big data' element to this convergence.” 这一句突出了作者的学术成就，并为后续关于AI进步的讨论奠定了权威性。

第四段讨论生成式AI的崛起，指出虽然技术进步显著，但当前的AI系统仍然局限于二维世界。“The results are impressive, but still only in 2D.” 作者以此为过渡，引出AI从语言模型迈向世界模型的必要性。

第五段通过具体的实验室成果展示AI世界模型的可能性和潜在应用。她详细描述了基于世界模型的AI如何整合文本、图像、视频和空间数据，并通过实验例子如机器人制作三明治或将二维图像转换为三维空间来说明其实际可行性。这一部分通过具体案例使理论更具说服力。

最后一段收尾升华，作者提出了空间智能的广阔应用前景，并强调这是“真正以人为中心”的人工智能。她指出：“What took hundreds of millions of years to evolve in humans is taking just decades to emerge in computers.” 这句话不仅点明了AI快速发展的速度，也在情感上激发了读者对技术未来的期待。

综上，文章通过从背景到技术进展，从问题提出到解决方案，再到未来愿景的层层推进，形成了清晰的论述结构。作者运用了类比、数据支持以及具体案例等多种写作手法，使内容既严谨又通俗易懂，同时始终围绕“以人为中心的人工智能”这一核心主旨展开讨论。

原文中有很多值得学习和背诵的句式。例如：

这句话通过对比展现了人工智能快速发展的震撼力，既凸显了技术的进步，也暗含对未来潜力的期待。句式简洁明了，用“what...is taking...”的结构，强调时间跨度的对比，增强了说服力。同时，“evolve in humans”和“emerge in computers”运用了两个动词短语，既体现了人类能力的自然进化，又突出了计算机技术的快速崛起，形成平行对称的表达方式，读起来既有逻辑美感，又朗朗上口。这种对比句式适合用于突出某一现象的显著特点或成就，值得在写作中模仿。

以上，是《经济学人》“2025展望”专辑关于李飞飞文章的解读。文章指出，人工智能的发展需要从当前的语言模型转向能够理解和建模三维空间及时间的“大型世界模型”，以实现真正意义上的空间智能。李飞飞教授强调，这种以人为中心的技术进步，将极大地改变人类与机器交互的方式，并为社会带来广泛福祉。

点击左下角“阅读原文”获取推文相关文章资料。

日更不易，也请大家帮个忙，点赞、点“在看”、分享，谢谢支持！