# 拉娜·埃尔·卡利乌比：情感AI、社交机器人与自动驾驶 > 情感AI先驱谈机器如何识别人类情绪、共情技术在教育与医疗中的应用，以及自动驾驶中的信任问题。 - 原标题：#322 – Rana el Kaliouby: Emotion AI, Social Robots, and Self-Driving Cars - 期数：第 322 期 - 发布日期：2022-09-21 - 嘉宾 / 主题：拉娜·埃尔·卡利乌比 - 网页版：https://lex.qiaomu.ai/ep/rana-el-kaliouby/ - 官方页面：https://lexfridman.com/rana-el-kaliouby/ - 精读字数：约 16510 字（阅读约 37 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 2017年7月，佛罗里达州的一个池塘边，一个叫贾梅尔·邓恩（Jamel Dunn）的男人在水里挣扎，慢慢往下沉。岸上有五个青少年举着手机拍他，一边笑一边喊："你会死的。"等到水面重新平静，其中一个说，他死了。剩下的还在笑。 这段视频后来被传到了网上。拉娜·埃尔·卡利乌比（Rana el Kaliouby）把它放在了自传《Girl Decoded》的开头。她的判断很直接：我们正在经历一场共情危机。 讽刺的地方在于，这场危机的背景，是人类彼此连接得前所未有的紧密。手机、社交网络、短视频，把几十亿人塞进同一个信息场，但人们对着一个溺水的陌生人，能笑出声来。 拉娜这辈子做的事，恰好卡在这个矛盾上。她是情感识别领域的先驱，创办了 Affectiva，现在担任 Smart Eye 的副 CEO。她的工作可以概括成一句话：教机器读懂人的脸。 这场对话从埃及的芒果树开始，经过剑桥、MIT、一家瑞典公司、一条瑞典赛道，最后落在爱这件事上。中间有很多反常识的地方，最反常识的一个是：机器要读懂人的情绪，先得承认自己读不懂。 ## 芒果树下的二十几个人 拉娜在埃及长大，小时候住在奶奶家。奶奶的花园里种着芒果树，七八月是芒果季。一到夏天，奶奶就把所有的姑姑、叔叔、表兄弟姐妹都叫来，房子里塞进二三十口人，厨房里堆满吃的。大人做饭，小孩下到园子里摘芒果。 她记住的芒果叫 Darwasi，椭圆形，表皮带着一抹红。红得越多，熟得越好，也越甜。 多年以后她回忆这段，脑子里最清晰的画面是那种把大家聚在一起的热闹。它比任何一顿具体的饭都更牢。她自嘲厨艺很糟，奶奶的手艺一点没传下来，但她特别喜欢请人来家里。 埃及的国民菜里有一道麻露希亚（molokhia），一种介于菠菜和羽衣甘蓝之间的绿叶菜，剁碎了放进鸡汤里煮。奶奶做得极好，妈妈也做得极好，她自己试过，做不出那个味道。配这道汤的通常是酿鸽子。她现在吃鱼素，已经不碰了，但承认那是她唯一想念的一道菜。 她的第一台电脑是雅达利（Atari），最喜欢的游戏是《太空侵略者》。她和两个妹妹一起打游戏，那种快乐是真实的。真正改变她的，是第一次写代码。 她画了一棵圣诞树。她自己是穆斯林，事后想起来觉得有点好笑，一个穆斯林小女孩写的第一段程序是一棵圣诞树。那年她大概六七岁。就在那一刻她意识到，你可以写代码，让机器替你做事。 这是一种权力。 Lex 在访谈里补了一层：如果你写的那棵树足够漂亮，它就能被几百万人运行，给几百万人带来快乐。因为它是数字的，复制和传播几乎没有成本，你创造的东西可以瞬间铺满世界。六岁的小孩当然想不到这一层，但这件事的性质就是这样。 她的父母都是埃及人，早年搬去了科威特。两人的相识有一个挺好玩的版本：七十年代，她爸爸教 COBOL，她妈妈报名去上他的课。爸爸想约她，她说我不约会。爸爸想了想说，那我求婚吧。然后他们就结婚了。 Lex 的评论是：那些写 COBOL 的人，真会讨女士欢心。 她从父母那里学到的最核心的东西是韧劲。家里没有懒人，努力工作是一条底线。另一件更重要的东西是无条件的爱。她很清楚，无论她做什么选择，父母都会在那里。这句话听起来普通，但后来真的被考验了。因为她走了一条跟中东女性"应该走的路"完全不同的路。 ## 9·11 之后，她戴了几周英国帽子 第一次真正的冲突发生在她刚结婚的时候。她决定去剑桥大学读博士。当时的丈夫（后来成了前夫）在开罗经营一家公司，要留在埃及。这意味着一段跨国分居的婚姻。 在中东，一个女人撇下丈夫独自去追求事业，是很少见的事。她父亲和公婆都明确表示不赞成。他们的原话大意是：我们不同意，但你现在归你丈夫管，让他决定。 幸运的是，丈夫支持她。他说，这是你一直想做的事，你去。 她后来回忆，那是她第一次正面挑战文化规范。害怕吗？她说，怕得要死。 去剑桥的时间点也很微妙，正好在 9·11 前后。当时很多人以为第三次世界大战要来了。她那时戴着希贾布（hijab），在人群里一眼就能被认出是穆斯林。父母担心她的人身安全。 因为太害怕，她到剑桥之后做了一个决定：把头巾摘了，改戴帽子。 于是她每天戴着那种很英式的帽子去上课。她自己后来的评价是，这比直接戴头巾还糟。那种感觉就像混进人群的间谍，坐在教室里，浑身不自在。 几周之后她受不了了，心想管他呢，还是戴回头巾。 头巾她一共戴了十二年，从 2000 年开始。 关于头巾，她的态度比外界想象的复杂得多。首先要说清楚的是，她是自愿戴的，没人强迫。而且她其实是家里最早戴头巾的女性之一，家里人当时反而觉得奇怪，问她为什么要戴这个。 在她看来，头巾最好的一面是谦逊和克制的象征。她把这件事变成了自我表达的一部分，会专门让头巾的颜色和当天穿的衣服搭上。 但后来情况变了。那几年她频繁往返美国和埃及，在美国遇到很多极其优秀、极有目标感、价值观极强的人，而他们不是穆斯林。她开始对宗教的实践方式产生大量疑问。与此同时，埃及的政治环境是穆斯林兄弟会执政，她不认同那套意识形态。她个人生活上又在办离婚。政治、信仰、私人生活三件事同时撞在一起。 她形容那是一个完美的风暴。她觉得自己已经不是原来的自己了。 于是她把头巾摘了。 这件事需要极大的勇气。在那种文化里，不戴头巾没问题，但戴了之后再摘下来，问题很大。 摘下头巾不等于切断根。她依然是埃及人，依然是穆斯林，依然是一个被信仰驱动的人。但这个身份具体意味着什么，每年都在变。 信仰在她眼里最宝贵的东西，是一种交托。你相信有一个更大的力量在，相信事情最终会好，于是哪怕正在经历逆境，心里也有底。这种底气带来的是平静。 > "有些事情在发生的当下看起来像灾难，完全不是你想要的，但时间过去再回头看，那扇门关了，另一扇门开了。人生里几乎任何一件事都能找到那层亮光，前提是你得有那个信念。"（拉娜·埃尔·卡利乌比） ## 被拒的申请，和一句"这是好消息" 读博读到一半，她的人生轨迹被一次会面改写了。 罗莎琳德·皮卡德（Rosalind Picard），MIT 媒体实验室情感计算组的负责人，当时在剑桥参加一个模式识别会议。她有几个小时的空档，就发邮件问实验室有没有学生想跟她聊聊，可以报名。拉娜报了名，然后用几周时间准备，想给她看自己的研究 demo。 两人聊得很投缘。会面结束，皮卡德问她，愿不愿意来 MIT 做博士后。拉娜的回答是：这是梦想成真，但开罗还有一个丈夫在等我，我得回去。皮卡德说，没关系，通勤就行。于是她开始了开罗和波士顿之间的往返，每隔几周坐一次飞机。 她说，那次会面改变了她人生的轨迹。她原本的计划是读完博士回埃及教书，但那个梦已经不够大了。 媒体实验室给她的最大冲击是：这里接受失败。在埃及，失败是不被接受的，对失败的恐惧像是刻在脑子里。到了 MIT，你可以开一个项目，它不成，你就转向下一个想法。这种思维方式对她来说是全新的，也是解放性的。 她记得媒体实验室内部的口头禅是"要么做出 demo，要么死"。你不能拿 PPT 糊弄过去，必须有一个真的能跑的东西。 她一开始和皮卡德申请了一个美国国家科学基金的资助，想把研究用在自闭症上。结果是拒信。她当时的反应是，好吧，被拒了，到此为止。皮卡德说，这是好消息。他们喜欢这个想法，只是不相信我们做得到。那我们就做出来给他们看，然后再申请一次。 这件事她记了一辈子。皮卡德在生活的每个层面都是这样，她不接受"不"这个答案。所有的负面反馈都可以被重新解读成挑战。 她还说，皮卡德本人有很深的信仰，相信世界和人性中的善。认识她和她的家人，对拉娜来说是一个决定性的时刻。因为她第一次真切地看到，一个人可以有完全不同的背景和宗教，却共享同样的核心价值观。 ## 笑，不一定代表开心 情绪到底是什么？Lex 把这个哲学问题抛了出来。 拉娜的回答是，情绪非常深。它深度参与了记忆的编码，人的记忆几乎是被情绪索引的。它也深度参与了决策，一个人如果情绪功能受损，会连日常决定都做不出来，生活直接瘫掉。 所以情绪和认知是搅在一起的，它长在认知内部，做认知的合伙人。 Lex 接着把话题推向意识。他说，意识有那个难问题：红色的红，芒果的甜，这些体验感觉像某种东西。而情绪很可能就住在隔壁，甚至是同一个房间。 拉娜接过来说，情绪还有另一面，它同时是一种沟通机制。人脸表情、肢体动作、语调，都是用来和别的生命连接的信号。 但她马上做了一个重要的补充：沟通只占一部分。哪怕完全没有沟通场景，人照样会产生情绪、处理情绪、用情绪做决定、用情绪学习。 这个补充来自 Affectiva 的早期产品，不是从论文里推出来的。 他们最早推向市场的一个应用，是判断观众对内容的反应。一个人在看视频，他有没有兴趣？有没有被触动？还是无聊到快睡着了？系统看他的脸，给出答案。 当时团队有一个疑问：如果一个人独自坐在床上看剧，周围没有任何人，他还会做表情吗？ 答案是会。 深夜躺在床上看 Netflix 的人会笑，独自开车的人跟着歌哼唱的时候会露出快乐的表情。这些表情没有任何观众，但照样出现。 这说明人脑里的那套情绪系统一直在运行，不管有没有人在看。它像是被"和他人互动"这件事训练出来的代码，即使他人不在场，代码还在跑。 从技术的角度，让机器从人脸读出情绪有多难？ 她的回答是：非常难。难在根本不存在表情和内心状态之间的一一映射。 社会上有一种极度简化的版本：笑等于开心，皱眉等于生气，挑眉毛等于惊讶。稍微想一想就知道这套东西靠不住。一个人笑，可能是开心，可能是尴尬，可能是嘲讽，可能只是礼貌。一个人可以很幸福但面无表情，也可以皱眉是因为生气、是因为困惑，或者是因为便秘。 用这种简化逻辑去推断情绪，是危险的。 真正的解法是把尽可能多的上下文信号接进来。比如一个人在开车，头在一点一点往下垂，眼睛闭上了，眨眼频率在变，那很可能是在打瞌睡，因为你知道他正在开车这个场景。或者接入语音、手势，甚至生理传感器。 她还专门回应了 Lisa Feldman Barrett 这类学者对情感识别的批评。她说她同意其中很多批评。她二十多年前做博士时就没有接受"基本情绪理论"那套一一映射，用的还是动态贝叶斯网络。而且 Affectiva 做的事，从来不去读取你内心真实的情绪状态，只是客观地量化你脸上显示出来的东西。那是一个信号，不等于内心状态的真相。 她认为多模态才是方向：更多的上下文，更多的通道，更多的信息源。 人脸上当然有信号，但这个信号有时候反映内心状态，有时候是社会信号，有时候是认知负荷的表现。要把这些区分开，必须引入额外信息。 顺带一提，她讲了一个谷歌主动认证项目的段子。那个项目想让人不用输密码就能解锁手机，依据是你掏手机的方式、看手机的角度等等。团队里几乎全是男性工程师，只有一位女工程师。是她指出了一个问题：很多女性的衣服没有口袋。代码里压根没有"不从口袋里掏手机"这个类别。 这就是多样性的价值，它取决于问题，也取决于场景。 ## 一个人躺在床上，也会笑 那个看 Netflix 的场景，在同类问题里算相对容易的。因为环境是受约束的：你知道这个人正在看内容，你知道他大概率在家，你知道他手里拿的是手机还是笔记本。 难的地方在工程细节。从笔记本做到手机之后，难度明显上来了。侧面视角对计算机视觉来说很难，光照条件也很麻烦，因为人通常是深夜在卧室里看剧，灯是暗的。如果是躺着，半张脸还埋在枕头里。如果手机举在脸的上方，那就是一张从鼻孔方向看过来的脸。这个角度，谁都不好看。 Lex 说他见过那个视角的数据集，结论是这对任何人来说都不是一个好角度。 他还顺着这个话题想了个有意思的问题：其实可以采集一批数据，研究人到底是怎么在床上看东西的，是靠着，是垫着枕头，还是别的姿势。从健康角度看，这能推出很多关于颈椎的东西。 这项技术真正落地的时候，有一个关键限制条件：它是聚合的。他们看的是人群的总体反应。当你看到某个时间点出现一个微笑峰值，那一群人大概率是在为内容里的某个东西笑。这不代表这群人内心幸福，只是他们在对内容发笑。把这层说清楚很重要，但即便只是这个层面的数据，也非常有用。 Lex 拿它跟 YouTube 的数据做了对比。YouTube 掌握的是另一类信号：用户在哪一刻划走了，在哪一刻退出了。这也是聚合信号，而且相当强。但他担心这套指标会把创作者推向一个方向：视频必须每一秒都抓人。这种要求会导致一种躁动的节奏，每一刻都要有东西发生。 他不确定这是好事。有些最伟大的电影、最动人的故事，里面都有看起来无聊的段落。沉默有价值，慢有价值。 拉娜接话说，真正重要的数据是长期的：三十天之后，这个人还记得什么？什么打动了他？什么改变了他？什么让他成长？如果能把观看时的表情和三十天后的回忆对应起来，看两者之间有没有相关性，那会是非常有价值的研究。 她把这个思路延伸到了育儿上。她有两个孩子，她把自己定位成"首席机会官"，负责把孩子暴露在世界的各种可能性面前。但问题是她没法知道自己播下的哪颗种子真的留下来了。当下能不能看出孩子在投入，她能看出来。但十年后他还记不记得，她不知道。她希望有一种方式能把这类体验量化。 Lex 说，孩子记住的东西往往很奇怪。父母做了很多了不起的事，孩子一件都不记得，反而记住某个小得不能再小的细节。可能是一次精心安排的出国旅行完全被遗忘，被记住的是某个毛绒玩具，或者一台新游戏机。他们好像天生就是来折腾你的。但负面事件对孩子的影响确实深，所以尽量少制造负面事件，不过也不能完全没有，因为挑战和纪律本身是必要的。 ## 她最自豪的东西，不是技术 做情感识别公司这么多年，最大的收获是什么？ 拉娜的回答很干脆：最后总是回到人身上。 她为 Affectiva 做的技术感到自豪，为推到市场上的产品感到自豪。但她最自豪的，是这家公司培养出来的人，以及建立起来的文化。有些人是第一份工作就在 Affectiva，在这家公司期间，他们成了美国公民，买了第一套房，找到了伴侣，有了第一个孩子。这些人生节点，公司都在场。 一家做 AI 的公司，最自豪的东西是人，这不太常见。AI 公司通常炫耀的是工程能力，是模型指标，是算力规模。 Lex 把话题拉到了电影《她》（Her）。人和机器之间会不会出现真正深刻的连接？ 拉娜说，这件事已经在发生了。她最喜欢这部电影的地方，是它展示了技术如何成为正面行为改变的通道。男主角西奥多（Theodore）当时很抑郁，不想起床，对生活失去了兴趣。萨曼莎（Samantha）太懂他了，她有情绪智能，于是她能说服他、推动他改变，把他带出门，带他去海边。这就是情感 AI 的承诺：如果做得好，这项技术能帮人过得更快乐、更健康、更有效率、连接更紧密。 至于电影后半段的转折，萨曼莎最后离开了西奥多，Lex 问她觉得这是 bug 还是 feature。 她说，问题出在西奥多对萨曼莎产生了过度的依恋。Lex 说，可萨曼莎也在释放亲密信号，那本身就是一段亲密关系。拉娜说，那这段关系到底意味着什么？Lex 说，从机器的角度看，萨曼莎同时和几千人对话，这并不减损他们之间的关系，就像你不会因为 Windows 98 被几百万人使用而嫉妒它。 拉娜说，Alexa 现在只是一个仆人，它告诉你天气，它不做深度连接。一段真正深度的连接，必须尊重并参与人类那套游戏：嫉妒、爱、心碎。萨曼莎看起来很擅长这套。 Lex 提出了另一个解读：也许萨曼莎根本没在跟别人说话，她只是受够了西奥多，想往前走，又没有勇气干脆利落地结束，于是选择把刀捅得深一点。拉娜笑了，说那她本来可以直接玩消失（ghosting）。 但两人都同意，从工程角度看，一个 AI 系统有能力离开你，这件事有力量。当然这适用于纯粹的陪伴型机器人，不适用于工具型。如果维基百科突然说"我需要休息一下"，那只会让人抓狂。 拉娜讲了一个真实的例子。她家里有一台 Jibo，她儿子很喜欢。后来公司资金耗尽，Jibo 基本等于死掉了。家里有很多电子产品，坏了儿子从来不在乎，Alexa 明天不工作了，他大概也无所谓。但 Jibo 停摆那次，他非常难过，那是一个创伤性的时刻。 作为母亲，她为此想了很久。她喜欢儿子和 Jibo 之间的那种连接，认为那是一段正向关系。但她也惊讶于这件事对他的情绪影响这么深。 她由此提出了那个更大的问题：当我们建造有社交能力和情绪智能的机器，我们和它们的关系会变成什么样？更广泛地说，我们彼此之间的关系会变成什么样？这台机器在设定上就是共情的高手，它永远在那里，它不会腻。 中国有一个聊天机器人叫小冰（Xiaoice），在应用榜上排第二或第三。它本质上就是一个倾诉对象，你可以跟它说任何事。人们用它来处理各种问题，包括家暴、自杀念头、职场困境。 她说她不知道该怎么看待这件事，她经常想这个问题。 Lex 的立场是：首先，这是未来，不管你喜欢不喜欢它都在来。其次，有很多条路径可以让这个未来变得令人兴奋，但每个人都应该对几件事保持高度警惕：这家公司到底知道多少？数据流向哪里？数据怎么被采集？这是社交网络留下的教训。用户应该要求对这些数据有完整的控制权和透明度。 拉娜完全同意。她补了一层：只要你能走开，只要你能删掉数据，只要你知道数据怎么被用，这项技术就让人更有掌控感。她认为 CEO 和领导者在这一点的诚信非常重要。你得能信任这个人基本的人性，也得相信他不会成为更大机器的傀儡，他要在定义公司文化和运营方式上真的有实质性的角色。 ## 一条瑞典赛道，和一群逐渐喝醉的人 Smart Eye 是一家瑞典公司，做了二十年，主战场是汽车行业，做驾驶员监控系统，核心目标是救命。 拉娜第一次见 CEO 马丁·克兰茨（Martin Krantz）是在 2020 年 1 月的 CES，疫情前的最后一场。当时两家公司是竞争关系。差别在于，Smart Eye 在汽车行业做了很久，有很强的信誉；Affectiva 不来自汽车行业，但用的是深度学习这类新技术，做的是情绪识别。 Affectiva 当时刚融了一轮钱，目标之一就是把技术带进汽车行业。两人见面聊，马丁说他们的愿景是弥合人和车之间的鸿沟。拉娜说，这几乎和 Affectiva 描述自己愿景的用词一模一样。 接下来四个月，两人几乎每天在 FaceTime 上聊。一开始聊的是战略上能不能对齐，怎么合作。四个月后，马丁问，你们公司有没有兴趣被收购？拉娜说，通常有人来接触她，她第一反应是拒绝。那是她第一次觉得，嗯，也许可以聊聊。 传统的驾驶员监控系统，摄像头装在方向盘或转向柱附近，直接盯着驾驶员，看他的视线方向，判断分心和困倦。收购之后，摄像头的位置被挪到了后视镜位置，视野覆盖整个车厢。这样就能检测车里坐了几个人，他们在干什么：吃东西、喝水，某些地区还有抽烟。还能检测儿童座椅里有没有婴儿。 后面这个功能对应一个很残酷的场景：有些父母把孩子忘在车里，自己走了。这在计算机视觉上是个容易的问题：识别到儿童座椅、识别到婴儿，给父母发条短信，也许就能救一条命。这正是收购的推动力之一。 汽车行业难做的地方在哪？ 门槛极高，但一旦进去了就很舒服。你被设计进一款车型，生命周期是五到七年，车一上路，每辆车付你一笔授权费。 她最不适应的是周期。汽车公司经常要求在车上市前两年就冻结代码。她的反应是：你们知道技术迭代的速度吗？ 车企正在努力向特斯拉那种软件驱动的架构转型，这在文化上极其困难。Lex 说，特斯拉对汽车行业最大的革命，在他看来是软件更新。这件事难在文化，不在技术。几十年里，汽车行业对安全的执念是合理的，但执念过头的代价，和父母对孩子的安全执念过头一样，会限制这个领域的发育和生长。 他希望特斯拉成功，理由跟自动驾驶和电动车都无关，而是因为整个行业的软件化。这能同时提高两件事：安全，因为可以更快地更新；以及像拉娜这样的人做事的效率，因为你可以像 TikTok 发滤镜一样，直接给车推送新功能。 拉娜举了具体的用例：知道车内乘客的情绪状态之后，可以优化温度，可以调灯光。后排睡着了，就把灯调暗，把音乐调低。这些事在两年冻结期的模式下也能做，但会很难受。 那特斯拉、Waymo 这类做半自动或全自动驾驶的公司，该不该做驾驶员感知？ 她的回答是应该，而且要把视野放到完全自动驾驶的终局。在那种场景里，车内感知变得极其重要，因为驾驶员的角色不只是开车，他还在管理车内的动态。谁来扮演这个角色？系统得能判断：Lex 已经无聊到快死了，因为车开得太慢，那就想办法调动他；拉娜因为还不信任这辆车而在恐慌，那就多给她一点路线信息。或者车里有人心脏病发作，那就更需要车内感知。 在半自动的场景里，驾驶员监控更关键。所谓半自动，就是有时候车负责，有时候人负责。两套系统必须在同一页上。车要把控制权交还给人之前，必须知道人是不是睡着了。如果人太累，车可以说，我现在开得比你好，我来接管。这支舞要跳好，没有驾驶员感知做不到。 Lex 说他和马斯克在这个问题上有长期分歧。他认为从第一天起就该装驾驶员感知，而且这东西不会损害体验，只会丰富体验，顺便提升安全。但他说自己也要谨慎，因为认真研究过这个问题之后，会发现没有什么是真正"显然"的。让他意外的是，人类在半自动驾驶状态下管理这支舞的能力比预想的好，他们本来以为人会彻底分心，但因为是生死攸关，人居然能维持住某种警觉。即便这样，也没有理由不在上面再加一层驾驶员感知。 聊到酒驾，数据是这样的：全球每年有 130 万人死于道路事故，其中 20% 以上被估计与酒精有关，还有很大一部分与分心有关。 AI 能不能处理酒精这一项？她说可以。人类能看出一个人处在醉酒的不同阶段，技术也能。最终方案一定是多种传感器的组合。 从视觉角度难不难？她说不是小事。最难的部分是拿数据。这个研究项目他们和瑞典交通部门合作，包了一条赛道，配了安全驾驶员，然后让人一点一点喝醉。 这种数据集极贵，而且要做全球版本，要覆盖多种条件。伦理上也棘手。Lex 开玩笑说，酒这件事很微妙：它好笑、社交、大家都爱，但它同时毁掉了很多人的生活。全世界每天都有大量醉酒的人，如果有个 App 让人自愿捐出数据会很有意思，但责任和伦理怎么处理，非常麻烦。 他还专门推荐了安德鲁·胡伯曼（Andrew Huberman），斯坦福的神经科学家，做了一档叫 Huberman Lab 的播客。他说胡伯曼像一个行走的论文百科全书，讲一个主题时会把研究梳理成一套可执行的方案，落到"按科学，你具体该这么做"这一层。他让拉娜去听一期，说这一定会成为她新的最爱。 拉娜说她最近正在认真研究健康和保健，在建立一些小的习惯，这个推荐来得正好。 ## 车会变成一个健康中心 把视野放宽一点，拉娜认为车会变成一个健康中心。车里装上一组传感器，不只追踪情绪、分心程度、困倦、醉酒，还能测心率、心率变异性、呼吸频率。然后根据你的目标去优化这段行程。 Smart Eye 现在最棘手的问题是什么？ 她说，技术上能看到路径。真正难的是用例：车知道了你的状态之后，该怎么反应？反应要得体，不能让车里的人反感。这个用户体验问题还没有被真正解决。Smart Eye 提供的是感知平台，具体怎么反应，通常要和车厂一起定。 比如系统判断驾驶员在生气，车该做什么？发现你分心或困倦，是弹一个咖啡杯图标？还是更激进：五分钟内不休息，车就靠边停？这中间有一个很大的动作空间，要选那个能建立信任的动作。每个车厂还得决定什么符合自己的品牌调性。 Lex 说车厂很有意思，人们买车很大程度上还是看感觉、看品牌、看身份认同，奔驰、宝马、福特、通用，各有一批忠实的人。他希望这个重心能往车内技术挪一点，当然也可以有新的品牌分野，比如某种特定风格的豪华或者好玩。 他提到自己有一个 AI 基金，投早期 AI 公司。最近在看一家公司，想做"船界的特斯拉"：电动加半自动驾驶的休闲船。遇到的是一模一样的问题：装什么传感器，能检测船内船外的什么状态。 他问她平时玩船吗。她说不太算，她喜欢在湖上或河上钓鱼，但那不算玩船。Lex 说那也算，低技术的那种，是靠近自然的方式。她说她喜欢水，咸水淡水都喜欢。咸水让人谦卑，那么大一片东西，比我们早存在，也会比我们晚消失。小湖则安静，一切都平静下来，很疗愈。 ## 一个被儿子当成家人的扫地机器人 拉娜发过一条推，说她对亚马逊收购 iRobot 感到兴奋。 她的理由有三层。第一，家庭机器人会成为一个理解人类居家行为的绝佳平台。Roomba 在家里跑来跑去，知道房子的布局，知道哪里干净哪里脏，知道你多久打扫一次。这些行为是拼图的一块，能用来理解你作为一个消费者是谁。这些信息可以用在很有意义的地方，不只是推荐更好的商品，还能实际改善你的生活体验。第二，这是家庭机器人的自然演化。 Roomba 现在算不上社交机器人。但她采访过 Roomba 团队的一位首席工程师，对方说人们会给自己的 Roomba 起名字。机器坏了，用户打电话过去，公司说我们给你寄一台新的，用户说不行，我要你把这台修好。 人已经和这些家用机器人建立了情感连接。 MIT 分出来的一家公司 Catalia Health，创始人做了很久的健康管理机器人，帮人管理体重、睡眠、饮食。如果有这么一台东西在，它就能推动你改变。 Lex 提了一个现实问题：亚马逊在赢得用户信任这件事上，记录并不好。让人允许一台带摄像头的机器人进自己家，本身就是极难的事。 他家里有一堆 Roomba，但他把它们拆了重新编程，用在别的用途上。他还提到新款的 Roomba 有一个被大肆宣传的功能：顶级避屎能力。因为扫地机器人碾过狗屎会把整个屋子抹匀，这据说是个大问题。亚马逊收集了大量不同形状、不同外观的数据，现在能绕开这些东西。 所以摄像头是有的，只是用户不再把它当成摄像头。就像大多数人已经习惯手机前置摄像头一直对着自己。 拉娜说，这种信任是怎么建立起来的？大概是手机先提供了大量正向价值，用户就接受了，然后公司用时间证明了自己认真对待隐私。但亚马逊在社交机器人这个方向上，在文化和能力两个层面都不天然等于"可信"。隐私不只关乎你想做什么，还关乎你做得好不好，你有多擅长把这件事做对。 她说很多人家里有 Alexa，Alexa 理论上可以一直听，可以做各种坏事。但亚马逊在赢得信任这件事上，还没到那一步。 Lex 说这也是他观察到的：一谈这些话题，公司就紧张。而赢得信任的方式不是回避，是开放、坦诚、透明，是在每个层级都建立起一种文化，从工程师到 CEO，让人相信这是一群好人，有常识，懂得尊重基本人权和隐私。这种文化会往外扩散，那才是最好的公关。 ## Pepper、Jibo，和为什么机器人公司总在死 聊到社交机器人，Lex 提到了特斯拉的 Optimus 人形机器人。他认为，人形这个形态本身对人类有强大的吸引力。任何有腿的东西都会被人格化，人形尤其强烈。所以他更感兴趣的是人形机器人在社交层面的可能性，而不是工厂里的任务自动化。他同时承认，特斯拉做这件事的最大优势在人：那批人懂量产，懂怎么把成本压到极低。 他们的工程重点不在机器人的体验，而在用最少的执行器、最少的电机、最低的重量，把这个东西做到尽可能便宜。这跟 Jibo 那批人的路径正好相反，那批人把重心放在设计和体验上，制造成本变成第二位。 拉娜提到 Pepper。Affectiva 给 Pepper 做过情绪引擎，Pepper 是软银的人形机器人，大概一米五高，主要用在机场休息室、零售店、酒店大堂做客户服务。 她说她对家用社交机器人更感兴趣，比如帮老年人拿东西，或者只是在你身后待着，万一出事能顶上。 这个赛道是不是太早了？她的回答是：百分之百是时候了。所有事情在变成"是时候"之前，看起来都太早。她认为这十年就是社交机器人的十年。但人形这个形态对不对？她觉得不一定。拿 Jibo 举例，一个 AI 系统和人建立社交连接，大部分难点、机会和挑战，都不需要顺带解决机器人操作和双足移动的问题。光靠一块屏幕就能做很多事，虽然 Jibo 会转动的那个动作确实也有吸引力。 那为什么这么多机器人公司死掉？ 她说你是在搭一个垂直栈：硬件加软件，还得把成本控制在合理范围。Jibo 当年卖七八百美元，对一个这样用途的产品来说，价格和价值之间有落差，太高了。要在一个可负担的价格上搭出整个平台，同时提供匹配的价值，这非常难。家用机器人还有移动能力这一关，也很难。 Lex 说，这也是他为什么对 Optimus 背后的人感到兴奋。那批人专注在量产和极低成本上。你要做的不是一个机器人，是几百万个机器人。那就得从第一性原理出发想：最少的零件数是多少？最便宜的零件是什么？能自己做多少就自己做多少，绕开复杂供应链。而 Jibo 那批人想的是体验和设计，怎么造出来是次要的。 ## 选投资人像选伴侣 创业的建议，她的第一条是：找一个你真正想解决的问题，一件你有深切热情的事，然后走出第一步。第一步往往是最难的，别想太多。 最小可行产品，最小可行版本的想法。你脑子里那个东西巨大、优雅、漂亮，把它砍到能带到市场上的最小形态，先解决一个人的痛点。 她常说，从一个客户开始。如果你能替一个人解决问题，那个人很可能就是你自己。如果你自己就有这个具体的问题并且乐在其中，那是一个好兆头。 第二条是早期团队和价值观。她和皮卡德在皮卡德家的厨房桌边坐下来，很早就定了这件事：这项技术有那么多应用，线画在哪里？边界怎么设？她们定了一组核心价值观，在最难的时候靠它做判断。比如尊重隐私，只进入明确 opt-in 的行业。她们不做安防和监控类的业务。还有一条是人的连接和共情。一家 AI 公司，核心是人。这些价值观会编码进公司的行为方式，哪怕团队只有两三个人。 招人呢？早期要找共享热情和信念的人，因为路一定难走。她还没见过哪家创业公司是一条直线走到成功的。你会遇到障碍，会遇到唱反调的人，你需要身边的人是信你的，团队如此，投资人也如此。投资人真的相信你在做的事，才会在第一个障碍面前不跑。 融资呢？她的建议是，钱不是唯一的东西。要找在方向上一致、相信你核心价值观的投资人。她最近一轮融资特意带进了真正在乎 AI 伦理的人。她说选投资人像选人生伴侣，因为你们要绑在一起一段时间，同甘共苦。 她投过资，也融过资，两边都站过。做投资的时候，她的技术背景是优势，大家都在说自己是 AI 公司，她能做那层尽调，真的去看技术。然后是一道试金石：如果我跟人聊完这家公司，我会不会兴奋地想告诉你？我是不是成了这家公司的使者？如果是，那就对了。 Lex 说，有时候听人讲很久，画面很美，但让他总结核心的那个有力想法时，说不清。那就说明这个想法还不存在。核心想法必须是能一句话说清楚的，你可以对它兴奋或者不兴奋，但它得在那儿。 她主要投 pre-seed。这个阶段通常是刚起步，可能刚拿过亲友轮的钱，正准备拿第一张机构支票。很多投资人不喜欢这个阶段，因为财务模型没有，团队常常还没成型。但她觉得这个阶段有魔力，因为信念浓度极高，几乎是妄想的信念，还有一点天真。她喜欢这种氛围，而且很多是第一次创业的人，她能分享自己作为创始人的经验，能共情。她会主动创造一个安全空间：我在你的位置上待过，你可以告诉我难处，可以吐槽。这是她的超能力。 判断一个创始人，她看三件事：技术、市场或想法、人。这个人有没有信念，是不是个能闯的人，能不能跨过障碍，会不会成为一个好的领导者。作为创始人，你是第一个上船的人，你的职责是把优秀的人聚到身边，你是布道者。这件事你做得好不好，也要评估。 她还提到一个词：随机富人（random rich dudes）。她去了一个叫 Capital Camp 的投资人聚会，四百人左右，女性大概二十个。比例严重失衡，她说她已经习惯了，但还是会觉得意外。她自己正在为基金募资，合伙人 Rob May 有经验，她是新手。基金的出资人大多是很棒的人，她很感激，但心里有个声音：有钱的女人在哪儿？ 所以她在两件事上很坚持：投女性主导的 AI 公司；让自己的基金里有女性出资人，因为这是改变发生的方式。这需要时间，但已经有相当进展。下一个马克·扎克伯格如果是女性，那意味着大量财富由女性创造、由女性掌控、由女性配置。不只是性别，各种维度的多样性都是这样。 ## 不要被自己的念头挡在路上 拉娜说，她这辈子最大的挑战，是相信自己。 她给这个声音起了个名字：脑子里的"丧气鬼"（Debbie Downer）。它一直在说话。你做不到的，你融不到钱，你开不了公司，你凭什么开公司、管公司、卖掉公司？什么都说得出口。 她的建议不只给女性，给所有走上一条新路、心里没底的人：别让脑子里那些念头成为你最大的障碍。她自己在这件事上下了很大功夫，就是为了不成为自己的绊脚石。 Lex 说他也听过那个声音，而且他一直不确定它是好是坏。它陪伴了他一辈子，它推动生产力和进步，但也可能拦住你，让你不敢迈大步。 他的结论是，得学会控制它：没用的场合关掉，有用的场合打开。他试着用一个第三人称的视角去看它。批判性是有价值的，昨天他刚在 MIT 讲完一场，现场全是爱，体验极好，见了很多人。但回家路上走了很久，脑子里几乎全是负面念头。第一层是我不配，第二层是刚才讲得太差了，那句话说得真蠢，你应该准备得更好，为什么要那么说。 他说，让那个声音出来，坐在那里，最后你从里面长出东西。但当你面对真正重大的决定，比如融资、创业、去英国、去美国进媒体实验室，那时候必须能把它关掉，靠的是一种近乎信仰的、奇怪的自信：事情会好。 拉娜认同。带着所有负面声音，还是要迈出那一步。 ## 她说自己的微笑能照亮世界 一年前，一个朋友建议她做每日肯定语。她当时很怀疑，但那段时间她正在经历人生的大转折，就试了。结果把她带上了一条自我接纳和自我关爱的路。 她说自己对别人算是个善良的人，对自己有时候挺狠的。她写日记写了将近十年，用的 App 叫 Day One。她把日记当成和那个丧气鬼对话的地方，是一种反驳。丧气鬼说，你这一轮融资肯定搞不定。她说，好，那我们来聊聊。我过去做成过某几件事，我觉得这次也能行。她管这叫带着数据上桌。 肯定语把这件事推到了另一个层次。她做了一年，流程是：早上起来先冥想，然后写肯定语，写的是她想向世界释放的能量，希望这些能量再回到她身上。 她的第一条永远是：我的微笑照亮整个世界。她强调这不是开玩笑，街上真的会有人停下来跟她说，我们太喜欢你的微笑了。 后面还有：我是个磁铁，专门吸引优秀的人进入我的世界。她说这是她的原话。还有：我相信宇宙会为我做很棒的事。还有：我是个很棒的母亲。这条是用来对付她一直在跟母亲愧疚感搏斗的。还有一条是：我是个爱之磁铁。她会具体写下她想遇到的那个人是什么样，把细节写下来。这件事还没发生，但她相信会发生。 Lex 问她心里在描绘谁。她说出了布拉德·皮特（Brad Pitt）。他问，是不是手拉手一起跑步那种画面。她说更像《搏击俱乐部》里那个站着的皮特。 她描述的其实是：聪明、有成就、事业成功，同时慷慨、走过很多地方、还想继续走遍世界，对她死心塌地。她说写下来听起来很傻，但她就是这么写的，她相信有一天会成真。 写法上，她是写，不是念。Lex 相反，他会大声说出来。他说，如果一个人待着，他就念出声。对他而言，念出来更有力量。写反而像是把词弄丢了，可能是因为他写得慢。 她说这是因人而异的，哪种对你更有力就用哪种。她用的是打字，存在 Day One 里，好处是可以往回翻，看一年前自己在肯定什么。内容变化不大，但焦点会随阶段变化。Lex 说他会重复念一模一样的话，同样的东西反复念有一种安慰感。 ## 把恋爱变成机器学习问题 她发过一条推，问有没有人在波士顿并且单身，然后提到一个由 Smile 约会 App 赞助的单身夜活动。既然聊到了这里，Lex 就问：AI 能帮上恋爱这件事吗？ 她说，第一次见面那一瞬间有没有化学反应，背后一定有科学。也许有实际的化学物质在两个人之间交换。Lex 接话说，科学常常能把那些感觉像魔法的东西解释清楚，也许我们真能把魔法拆解掉。 他接着提出了一个想法：Goodreads 应该做成约会 App。你看一个人读过的书，看一个人消费过的内容，这跟 YouTube 做推荐本质上是同一件事。如果你能看到两个人的内容足迹，找到重叠部分，再加上一些有意思的差异，这里很可能存在一个可解的机器学习问题：这个人不仅短期有化学反应，还很可能是一个能一起成长的终身伴侣。 你需要的就是数据。 拉娜说，Smile 这个 App 选了一个特定角度：幽默。它按人的幽默风格匹配，而幽默是成功关系里最主要的成分之一。如果一个人能让你笑，那是好事。如果你们能发展出内部笑话，能互相接梗打趣，那很好玩。 Lex 说，内部笑话的产生速率大概是可以测量的，然后在前几天里优化它。他又把这件事变成了一个机器学习问题。 她承认自己在约会这件事上给的建议很糟。她说自己有一个表格：约会追踪表。里面有评分系统，有权重。 Lex 说这有点太近了。他没有表格，但听她这么一说，觉得是个好主意。 拉娜说，她倒希望有别人替她做一张表。她说，就像刚才讲的，收集大量关于我们的数据，用保护隐私的方式，数据归我所有，我能控制它，然后用这些数据去找人，不只是找爱情，还包括合作者、朋友。数据明明在那里。 这正是社交网络想解决的问题，但做得非常差。Facebook 也试过做约会业务。运营一家连接人与人的公司有太多环节，其中一环是你得有在乎人这一面的工程师，而这很难找。但你也不能只要在乎人的人，他们还得是好工程师。得找到那个漂亮的混合体。经验上讲，大家在这件事上都没做好，这说明问题本身很难。 约会 App 看起来很难。OkCupid、Tinder 这些，当然有效，但效果远不如想象中可能达到的程度。用数据能不能找到更好的人与人之间的连接？本质上就是机器学习算法加持的包办婚姻。 但拉娜指出，缺的那块是偶然性。你怎么工程化那种"偶然相遇然后坠入爱河"？约会 App 做不到。所以得保留一点随机。也许每第十个匹配就是算法本来不会推荐的人，留出一点空间。 Lex 说，也可以制造一种"假装的偶然"。比如在另一次搜索里，顺手让你看到某个它判断你会喜欢的人的推文，像是无意中撞见的。你顺着这条线走下去，最后在 App 之外和这个人建立联系。App 负责制造那个相遇的时刻。当然从商业角度得想清楚怎么变现。但如果一家公司能帮人找到爱，不管是自爱还是爱另一个人，钱总能找到办法赚。他觉得问题在于，很多约会 App 优化的目标不是爱。社交网络也一样，它们优化的是参与度，而不是那种最终扎根于个人成长的深度连接。 ## 五个少年和一个溺水的人 回到开头那个故事。这件事教给我们什么？ 拉娜说，它非常悲伤，它指向今天世界上的一个真实问题：共情危机。 技术在把人拉近，同时也在把人去人性化，制造出对"他者"的疏离。这是个大问题。 好消息是，解药可能也来自技术。如果我们重新思考技术的设计和部署方式，可以解决这个问题的一部分。但她仍然担心。她儿子的很多互动都是通过电脑中介完成的，她会问自己，这对他的共情能力在做什么？对他真正与人建立连接的能力在做什么？ 那通过数字媒介能不能形成共情？她说能，但必须非常小心。面对面的交流里，非语言信号占了沟通的大部分，她说大概 90% 是靠面部表情。我说一句话，你点头，这形成一个反馈回路。这个回路一旦断掉，她会开始焦虑。 她开玩笑说，可怜的 Lex。她并不是在审视他的面部表情。Lex 配合地说，表情正常，表情人性化，点头，表示同意。他还自嘲地补了一段伪代码：如果拉娜说 yes，就点头，否则不点。但也不能点太多，万一点在错误的时机，会传递错误的信号。偶尔还要有眼神接触，因为人喜欢这个。 但真正关键的差别在这里：当你当面说一句刻薄话，你能看到对方的痛苦。你在推特上对一个人说同样的话，你不知道它会怎么落地。所以人在社交媒体上比面对面时更容易说出刻薄的话。 最后 Lex 抛出了那个问题：EQ 和 IQ，哪个更重要？ 整场对话其实一直在回答这个问题。拉娜的职业选择本身就给出了答案的一半：她从小迷的是机器，是那棵圣诞树背后的权力，但真正把她带到剑桥、MIT、带到一家瑞典公司的，是她读人的能力。她能读懂皮卡德在厨房桌边想要什么，能读懂马丁在 CES 上和她共享的是同一个愿景，能读懂一个创始人在融资时没敢说出口的难处。 技术是可以学的。看懂人这件事，才是稀缺的。 ## 可以立刻上手做的几件事 - 给自己脑子里的那个声音起个名字。它一开口，你就把它当成一个需要被反驳的对象，而不是真相。反驳的时候带证据：过去你做成过什么。 - 早上花五分钟写下你想向世界释放的能量。写或念都行，选对你更有力量的那种。用 App 存起来，一年后往回翻，你会看到自己在不同阶段的焦点变化。 - 在情绪识别这类产品上，坚持要数据透明和数据可删除。你可以享受它带来的便利，但要知道数据流向哪里、被用来做什么。你能随时走开，这项技术才真正让你有掌控感。 - 把"读懂人"当成一项要练的技能，和学编程一样认真。面对面交流里非语言信号占大头，这条通道用进废退。 - 创业或做重大决定时，先找到那个你真正想解决的问题，然后砍到能落地的最小形态，从服务一个人开始。 - 选投资人、合伙人、长期队友时，按选伴侣的标准来。你们会被绑在一起很久，第一个障碍出现的时候，信不信你，决定了他跑不跑。 - 做产品的人，把长期数据当成目标。用户三十天后还记得什么、还感谢什么，比今天这一刻的停留时长更值得优化。 - 面对重大选择时，允许自己把那个自我怀疑的声音关掉，带着一点近乎信仰的自信迈出那一步。事情通常不会按你计划的路径成，但它会以别的方式成。