# 李飞飞：当答案变得廉价，提问才真正开始值钱！

- 原文链接：https://mp.weixin.qq.com/s/--JdOprSrbMpMRIBcu_cGQ
- 来源：微信公众号「经纬创投」；文中标注“来源｜笔记侠”
- 原文署名：李飞飞；编辑：柒
- 发布时间：2026-08-24 11:50 CST；获取时间：2026-08-25
- 内容形态：对 Huberman Lab 2026-08-12 节目《Dr. Fei-Fei Li: Using AI to Increase Your Intelligence & Enrich Humanity》的中文整理。

## 正文

文章从一个判断展开：AI 能写代码、查资料和做总结，因而容易让人误以为只要会使用工具就够了；但答案可以被生成，问题不会自动出现。人仍要识别哪里不对、什么值得追问、什么只是表面答案。文章把这种不断向前追问的能力类比为苏格拉底式提问，并认为工具只能放大已有的好奇心、判断与方向。

### 1. “AI 什么都能干”仍是误解

文中转述李飞飞的看法：互联网保存了大量图文和行为数据，却没有完整记录每个人高度私人化的思绪、情绪和感触。因此，抽象画引发的私人情绪、由日常物件触发的童年记忆等主观经验，并不是模型可直接从公开数据中学习的对象。

文章进一步区分语言上的安慰与真实共情：模型可复用已学习的表达模式，却不等于具有恐惧、喜爱或发自内心的共情。人类儿童以少量样本形成概念迁移，模型更多依赖海量数据中的统计规律；“物体恒存”也被用作人类在局部观察中仍能结合环境判断对象连续性的例子。文中强调，大模型可在大量数据下做出近似判断，但不应把这种表现直接等同于人脑的理解机制。

### 2. 三种替代焦虑的误区

**医疗全自动。** 文中以达芬奇手术机器人为例：复杂肝脏手术因器官差异、血管结构和高后果风险而难以仅靠汇总病例实现稳定的自主操作。医生操控机器人执行，与机器人独立执刀是两种不同的路径。对病例充分的低风险或初步鉴别问题，AI 可提供参考；样本稀少、个体差异大和后果严重的任务则应更谨慎。

**教育一刀切禁止。** 文章反对因作弊风险而完全禁止学生接触 AI。若学生保有主动求知和自主思考，AI 学习助手可让其围绕卡点反复提问；但若把学习的内生动力和思考过程一并交给工具，便失去了学习本身。

**舆论两极化。** 文中批评“技术末日”与“技术万能”两种叙事，认为恐惧还来自普通人无法参与技术前期设计和选择。AI 在新药、辅助诊疗、衰老研究、心理健康和创作工具中已有真实用途，但应用边界仍需要具体场景判断。

### 3. AI 是放大镜，而非替代者

文章列举三类人机协作：医疗中，机器人可提升精准执行，医生仍带来经验、判断和责任；机器人可承担消防、搬运、取药等高危、繁琐或体力辅助工作，从而减轻护理压力；影视创作中，AI 可辅助生产，但叙事角度、人物塑造和情绪表达仍是创作者的核心工作。行业会转型，工具使用与新技能学习会成为从业者适应变化的一部分。

### 4. 提问是人的不可外包部分

文章最终将重点落在“提问”。AI 可以给出答案，但追问的方向、要检验的前提和要解决的问题仍来自人。文中将苏格拉底的诘问法视作一种提示词思维：沿线索递进追问，以暴露前提并靠近问题本质。它主张教育应引导学生形成这种思维，而不只训练其获得更快的答案。

## 来源限制

本文是公众号对访谈的再整理，并非 Huberman Lab 视频逐字稿或李飞飞的一手论文。关于模型与人脑的比较、医疗案例、术中效果、脑机接口可能性及引语，均未独立核验；不构成医疗、安全或技术选型建议。

标签： #主题/AI伦理 #主题/人机协作 #主题/提问能力 #主题/AI教育 #主题/医疗AI #手法/对比冲突 #手法/焦虑共鸣 #场景/公众号长文 #节点/问题定义 #节点/学习内驱力 #节点/场景边界