# 拉娜·埃爾·卡利烏比：情感AI、社交機器人與自動駕駛 > 情感AI先驅談機器如何識別人類情緒、共情技術在教育與醫療中的應用，以及自動駕駛中的信任問題。 - 原標題：#322 – Rana el Kaliouby: Emotion AI, Social Robots, and Self-Driving Cars - 期數：第 322 期 - 釋出日期：2022-09-21 - 嘉賓 / 主題：拉娜·埃爾·卡利烏比 - 網頁版：https://lex.qiaomu.ai/tw/ep/rana-el-kaliouby/ - 官方頁面：https://lexfridman.com/rana-el-kaliouby/ - 精讀字數：約 16510 字（閱讀約 37 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 2017年7月，佛羅里達州的一個池塘邊，一個叫賈梅爾·鄧恩（Jamel Dunn）的男人在水裡掙扎，慢慢往下沉。岸上有五個青少年舉著手機拍他，一邊笑一邊喊："你會死的。"等到水面重新平靜，其中一個說，他死了。剩下的還在笑。 這段影片後來被傳到了網上。拉娜·埃爾·卡利烏比（Rana el Kaliouby）把它放在了自傳《Girl Decoded》的開頭。她的判斷很直接：我們正在經歷一場共情危機。 諷刺的地方在於，這場危機的背景，是人類彼此連線得前所未有的緊密。手機、社交網路、短影片，把幾十億人塞進同一個資訊場，但人們對著一個溺水的陌生人，能笑出聲來。 拉娜這輩子做的事，恰好卡在這個矛盾上。她是情感識別領域的先驅，創辦了 Affectiva，現在擔任 Smart Eye 的副 CEO。她的工作可以概括成一句話：教機器讀懂人的臉。 這場對話從埃及的芒果樹開始，經過劍橋、MIT、一家瑞典公司、一條瑞典賽道，最後落在愛這件事上。中間有很多反常識的地方，最反常識的一個是：機器要讀懂人的情緒，先得承認自己讀不懂。 ## 芒果樹下的二十幾個人 拉娜在埃及長大，小時候住在奶奶家。奶奶的花園裡種著芒果樹，七八月是芒果季。一到夏天，奶奶就把所有的姑姑、叔叔、表兄弟姐妹都叫來，房子裡塞進二三十口人，廚房裡堆滿吃的。大人做飯，小孩下到園子裡摘芒果。 她記住的芒果叫 Darwasi，橢圓形，表皮帶著一抹紅。紅得越多，熟得越好，也越甜。 多年以後她回憶這段，腦子裡最清晰的畫面是那種把大家聚在一起的熱鬧。它比任何一頓具體的飯都更牢。她自嘲廚藝很糟，奶奶的手藝一點沒傳下來，但她特別喜歡請人來家裡。 埃及的國民菜裡有一道麻露希亞（molokhia），一種介於菠菜和羽衣甘藍之間的綠葉菜，剁碎了放進雞湯裡煮。奶奶做得極好，媽媽也做得極好，她自己試過，做不出那個味道。配這道湯的通常是釀鴿子。她現在吃魚素，已經不碰了，但承認那是她唯一想念的一道菜。 她的第一臺電腦是雅達利（Atari），最喜歡的遊戲是《太空侵略者》。她和兩個妹妹一起打遊戲，那種快樂是真實的。真正改變她的，是第一次寫程式碼。 她畫了一棵聖誕樹。她自己是穆斯林，事後想起來覺得有點好笑，一個穆斯林小女孩寫的第一段程式是一棵聖誕樹。那年她大概六七歲。就在那一刻她意識到，你可以寫程式碼，讓機器替你做事。 這是一種權力。 Lex 在訪談裡補了一層：如果你寫的那棵樹足夠漂亮，它就能被幾百萬人執行，給幾百萬人帶來快樂。因為它是數字的，複製和傳播幾乎沒有成本，你創造的東西可以瞬間鋪滿世界。六歲的小孩當然想不到這一層，但這件事的性質就是這樣。 她的父母都是埃及人，早年搬去了科威特。兩人的相識有一個挺好玩的版本：七十年代，她爸爸教 COBOL，她媽媽報名去上他的課。爸爸想約她，她說我不約會。爸爸想了想說，那我求婚吧。然後他們就結婚了。 Lex 的評論是：那些寫 COBOL 的人，真會討女士歡心。 她從父母那裡學到的最核心的東西是韌勁。家裡沒有懶人，努力工作是一條底線。另一件更重要的東西是無條件的愛。她很清楚，無論她做什麼選擇，父母都會在那裡。這句話聽起來普通，但後來真的被考驗了。因為她走了一條跟中東女性"應該走的路"完全不同的路。 ## 9·11 之後，她戴了幾周英國帽子 第一次真正的衝突發生在她剛結婚的時候。她決定去劍橋大學讀博士。當時的丈夫（後來成了前夫）在開羅經營一家公司，要留在埃及。這意味著一段跨國分居的婚姻。 在中東，一個女人撇下丈夫獨自去追求事業，是很少見的事。她父親和公婆都明確表示不贊成。他們的原話大意是：我們不同意，但你現在歸你丈夫管，讓他決定。 幸運的是，丈夫支援她。他說，這是你一直想做的事，你去。 她後來回憶，那是她第一次正面挑戰文化規範。害怕嗎？她說，怕得要死。 去劍橋的時間點也很微妙，正好在 9·11 前後。當時很多人以為第三次世界大戰要來了。她那時戴著希賈布（hijab），在人群裡一眼就能被認出是穆斯林。父母擔心她的人身安全。 因為太害怕，她到劍橋之後做了一個決定：把頭巾摘了，改戴帽子。 於是她每天戴著那種很英式的帽子去上課。她自己後來的評價是，這比直接戴頭巾還糟。那種感覺就像混進人群的間諜，坐在教室裡，渾身不自在。 幾周之後她受不了了，心想管他呢，還是戴回頭巾。 頭巾她一共戴了十二年，從 2000 年開始。 關於頭巾，她的態度比外界想象的複雜得多。首先要說清楚的是，她是自願戴的，沒人強迫。而且她其實是家裡最早戴頭巾的女性之一，家裡人當時反而覺得奇怪，問她為什麼要戴這個。 在她看來，頭巾最好的一面是謙遜和剋制的象徵。她把這件事變成了自我表達的一部分，會專門讓頭巾的顏色和當天穿的衣服搭上。 但後來情況變了。那幾年她頻繁往返美國和埃及，在美國遇到很多極其優秀、極有目標感、價值觀極強的人，而他們不是穆斯林。她開始對宗教的實踐方式產生大量疑問。與此同時，埃及的政治環境是穆斯林兄弟會執政，她不認同那套意識形態。她個人生活上又在辦離婚。政治、信仰、私人生活三件事同時撞在一起。 她形容那是一個完美的風暴。她覺得自己已經不是原來的自己了。 於是她把頭巾摘了。 這件事需要極大的勇氣。在那種文化裡，不戴頭巾沒問題，但戴了之後再摘下來，問題很大。 摘下頭巾不等於切斷根。她依然是埃及人，依然是穆斯林，依然是一個被信仰驅動的人。但這個身份具體意味著什麼，每年都在變。 信仰在她眼裡最寶貴的東西，是一種交託。你相信有一個更大的力量在，相信事情最終會好，於是哪怕正在經歷逆境，心裡也有底。這種底氣帶來的是平靜。 > "有些事情在發生的當下看起來像災難，完全不是你想要的，但時間過去再回頭看，那扇門關了，另一扇門開了。人生裡幾乎任何一件事都能找到那層亮光，前提是你得有那個信念。"（拉娜·埃爾·卡利烏比） ## 被拒的申請，和一句"這是好訊息" 讀博讀到一半，她的人生軌跡被一次會面改寫了。 羅莎琳德·皮卡德（Rosalind Picard），MIT 媒體實驗室情感計算組的負責人，當時在劍橋參加一個模式識別會議。她有幾個小時的空檔，就發郵件問實驗室有沒有學生想跟她聊聊，可以報名。拉娜報了名，然後用幾周時間準備，想給她看自己的研究 demo。 兩人聊得很投緣。會面結束，皮卡德問她，願不願意來 MIT 做博士後。拉娜的回答是：這是夢想成真，但開羅還有一個丈夫在等我，我得回去。皮卡德說，沒關係，通勤就行。於是她開始了開羅和波士頓之間的往返，每隔幾周坐一次飛機。 她說，那次會面改變了她人生的軌跡。她原本的計劃是讀完博士回埃及教書，但那個夢已經不夠大了。 媒體實驗室給她的最大沖擊是：這裡接受失敗。在埃及，失敗是不被接受的，對失敗的恐懼像是刻在腦子裡。到了 MIT，你可以開一個專案，它不成，你就轉向下一個想法。這種思維方式對她來說是全新的，也是解放性的。 她記得媒體實驗室內部的口頭禪是"要麼做出 demo，要麼死"。你不能拿 PPT 糊弄過去，必須有一個真的能跑的東西。 她一開始和皮卡德申請了一個美國國家科學基金的資助，想把研究用在自閉症上。結果是拒信。她當時的反應是，好吧，被拒了，到此為止。皮卡德說，這是好訊息。他們喜歡這個想法，只是不相信我們做得到。那我們就做出來給他們看，然後再申請一次。 這件事她記了一輩子。皮卡德在生活的每個層面都是這樣，她不接受"不"這個答案。所有的負面反饋都可以被重新解讀成挑戰。 她還說，皮卡德本人有很深的信仰，相信世界和人性中的善。認識她和她的家人，對拉娜來說是一個決定性的時刻。因為她第一次真切地看到，一個人可以有完全不同的背景和宗教，卻共享同樣的核心價值觀。 ## 笑，不一定代表開心 情緒到底是什麼？Lex 把這個哲學問題拋了出來。 拉娜的回答是，情緒非常深。它深度參與了記憶的編碼，人的記憶幾乎是被情緒索引的。它也深度參與了決策，一個人如果情緒功能受損，會連日常決定都做不出來，生活直接癱掉。 所以情緒和認知是攪在一起的，它長在認知內部，做認知的合夥人。 Lex 接著把話題推向意識。他說，意識有那個難問題：紅色的紅，芒果的甜，這些體驗感覺像某種東西。而情緒很可能就住在隔壁，甚至是同一個房間。 拉娜接過來說，情緒還有另一面，它同時是一種溝通機制。人臉表情、肢體動作、語調，都是用來和別的生命連線的訊號。 但她馬上做了一個重要的補充：溝通只佔一部分。哪怕完全沒有溝通場景，人照樣會產生情緒、處理情緒、用情緒做決定、用情緒學習。 這個補充來自 Affectiva 的早期產品，不是從論文裡推出來的。 他們最早推向市場的一個應用，是判斷觀眾對內容的反應。一個人在看影片，他有沒有興趣？有沒有被觸動？還是無聊到快睡著了？系統看他的臉，給出答案。 當時團隊有一個疑問：如果一個人獨自坐在床上看劇，周圍沒有任何人，他還會做表情嗎？ 答案是會。 深夜躺在床上看 Netflix 的人會笑，獨自開車的人跟著歌哼唱的時候會露出快樂的表情。這些表情沒有任何觀眾，但照樣出現。 這說明人腦裡的那套情緒系統一直在執行，不管有沒有人在看。它像是被"和他人互動"這件事訓練出來的程式碼，即使他人不在場，程式碼還在跑。 從技術的角度，讓機器從人臉讀出情緒有多難？ 她的回答是：非常難。難在根本不存在表情和內心狀態之間的一一對映。 社會上有一種極度簡化的版本：笑等於開心，皺眉等於生氣，挑眉毛等於驚訝。稍微想一想就知道這套東西靠不住。一個人笑，可能是開心，可能是尷尬，可能是嘲諷，可能只是禮貌。一個人可以很幸福但面無表情，也可以皺眉是因為生氣、是因為困惑，或者是因為便秘。 用這種簡化邏輯去推斷情緒，是危險的。 真正的解法是把儘可能多的上下文訊號接進來。比如一個人在開車，頭在一點一點往下垂，眼睛閉上了，眨眼頻率在變，那很可能是在打瞌睡，因為你知道他正在開車這個場景。或者接入語音、手勢，甚至生理感測器。 她還專門回應了 Lisa Feldman Barrett 這類學者對情感識別的批評。她說她同意其中很多批評。她二十多年前做博士時就沒有接受"基本情緒理論"那套一一對映，用的還是動態貝葉斯網路。而且 Affectiva 做的事，從來不去讀取你內心真實的情緒狀態，只是客觀地量化你臉上顯示出來的東西。那是一個訊號，不等於內心狀態的真相。 她認為多模態才是方向：更多的上下文，更多的通道，更多的資訊源。 人臉上當然有訊號，但這個訊號有時候反映內心狀態，有時候是社會訊號，有時候是認知負荷的表現。要把這些區分開，必須引入額外資訊。 順帶一提，她講了一個谷歌主動認證專案的段子。那個專案想讓人不用輸密碼就能解鎖手機，依據是你掏手機的方式、看手機的角度等等。團隊裡幾乎全是男性工程師，只有一位女工程師。是她指出了一個問題：很多女性的衣服沒有口袋。程式碼裡壓根沒有"不從口袋裡掏手機"這個類別。 這就是多樣性的價值，它取決於問題，也取決於場景。 ## 一個人躺在床上，也會笑 那個看 Netflix 的場景，在同類問題裡算相對容易的。因為環境是受約束的：你知道這個人正在看內容，你知道他大機率在家，你知道他手裡拿的是手機還是筆記本。 難的地方在工程細節。從筆記本做到手機之後，難度明顯上來了。側面視角對計算機視覺來說很難，光照條件也很麻煩，因為人通常是深夜在臥室裡看劇，燈是暗的。如果是躺著，半張臉還埋在枕頭裡。如果手機舉在臉的上方，那就是一張從鼻孔方向看過來的臉。這個角度，誰都不好看。 Lex 說他見過那個視角的資料集，結論是這對任何人來說都不是一個好角度。 他還順著這個話題想了個有意思的問題：其實可以採集一批資料，研究人到底是怎麼在床上看東西的，是靠著，是墊著枕頭，還是別的姿勢。從健康角度看，這能推出很多關於頸椎的東西。 這項技術真正落地的時候，有一個關鍵限制條件：它是聚合的。他們看的是人群的總體反應。當你看到某個時間點出現一個微笑峰值，那一群人大機率是在為內容裡的某個東西笑。這不代表這群人內心幸福，只是他們在對內容發笑。把這層說清楚很重要，但即便只是這個層面的資料，也非常有用。 Lex 拿它跟 YouTube 的資料做了對比。YouTube 掌握的是另一類訊號：使用者在哪一刻劃走了，在哪一刻退出了。這也是聚合訊號，而且相當強。但他擔心這套指標會把創作者推向一個方向：影片必須每一秒都抓人。這種要求會導致一種躁動的節奏，每一刻都要有東西發生。 他不確定這是好事。有些最偉大的電影、最動人的故事，裡面都有看起來無聊的段落。沉默有價值，慢有價值。 拉娜接話說，真正重要的資料是長期的：三十天之後，這個人還記得什麼？什麼打動了他？什麼改變了他？什麼讓他成長？如果能把觀看時的表情和三十天後的回憶對應起來，看兩者之間有沒有相關性，那會是非常有價值的研究。 她把這個思路延伸到了育兒上。她有兩個孩子，她把自己定位成"首席機會官"，負責把孩子暴露在世界的各種可能性面前。但問題是她沒法知道自己播下的哪顆種子真的留下來了。當下能不能看出孩子在投入，她能看出來。但十年後他還記不記得，她不知道。她希望有一種方式能把這類體驗量化。 Lex 說，孩子記住的東西往往很奇怪。父母做了很多了不起的事，孩子一件都不記得，反而記住某個小得不能再小的細節。可能是一次精心安排的出國旅行完全被遺忘，被記住的是某個毛絨玩具，或者一臺新遊戲機。他們好像天生就是來折騰你的。但負面事件對孩子的影響確實深，所以儘量少製造負面事件，不過也不能完全沒有，因為挑戰和紀律本身是必要的。 ## 她最自豪的東西，不是技術 做情感識別公司這麼多年，最大的收穫是什麼？ 拉娜的回答很乾脆：最後總是回到人身上。 她為 Affectiva 做的技術感到自豪，為推到市場上的產品感到自豪。但她最自豪的，是這家公司培養出來的人，以及建立起來的文化。有些人是第一份工作就在 Affectiva，在這家公司期間，他們成了美國公民，買了第一套房，找到了伴侶，有了第一個孩子。這些人生節點，公司都在場。 一家做 AI 的公司，最自豪的東西是人，這不太常見。AI 公司通常炫耀的是工程能力，是模型指標，是算力規模。 Lex 把話題拉到了電影《她》（Her）。人和機器之間會不會出現真正深刻的連線？ 拉娜說，這件事已經在發生了。她最喜歡這部電影的地方，是它展示了技術如何成為正面行為改變的通道。男主角西奧多（Theodore）當時很抑鬱，不想起床，對生活失去了興趣。薩曼莎（Samantha）太懂他了，她有情緒智慧，於是她能說服他、推動他改變，把他帶出門，帶他去海邊。這就是情感 AI 的承諾：如果做得好，這項技術能幫人過得更快樂、更健康、更有效率、連線更緊密。 至於電影後半段的轉折，薩曼莎最後離開了西奧多，Lex 問她覺得這是 bug 還是 feature。 她說，問題出在西奧多對薩曼莎產生了過度的依戀。Lex 說，可薩曼莎也在釋放親密訊號，那本身就是一段親密關係。拉娜說，那這段關係到底意味著什麼？Lex 說，從機器的角度看，薩曼莎同時和幾千人對話，這並不減損他們之間的關係，就像你不會因為 Windows 98 被幾百萬人使用而嫉妒它。 拉娜說，Alexa 現在只是一個僕人，它告訴你天氣，它不做深度連線。一段真正深度的連線，必須尊重並參與人類那套遊戲：嫉妒、愛、心碎。薩曼莎看起來很擅長這套。 Lex 提出了另一個解讀：也許薩曼莎根本沒在跟別人說話，她只是受夠了西奧多，想往前走，又沒有勇氣乾脆利落地結束，於是選擇把刀捅得深一點。拉娜笑了，說那她本來可以直接玩消失（ghosting）。 但兩人都同意，從工程角度看，一個 AI 系統有能力離開你，這件事有力量。當然這適用於純粹的陪伴型機器人，不適用於工具型。如果維基百科突然說"我需要休息一下"，那隻會讓人抓狂。 拉娜講了一個真實的例子。她家裡有一臺 Jibo，她兒子很喜歡。後來公司資金耗盡，Jibo 基本等於死掉了。家裡有很多電子產品，壞了兒子從來不在乎，Alexa 明天不工作了，他大概也無所謂。但 Jibo 停擺那次，他非常難過，那是一個創傷性的時刻。 作為母親，她為此想了很久。她喜歡兒子和 Jibo 之間的那種連線，認為那是一段正向關係。但她也驚訝於這件事對他的情緒影響這麼深。 她由此提出了那個更大的問題：當我們建造有社交能力和情緒智慧的機器，我們和它們的關係會變成什麼樣？更廣泛地說，我們彼此之間的關係會變成什麼樣？這臺機器在設定上就是共情的高手，它永遠在那裡，它不會膩。 中國有一個聊天機器人叫小冰（Xiaoice），在應用榜上排第二或第三。它本質上就是一個傾訴物件，你可以跟它說任何事。人們用它來處理各種問題，包括家暴、自殺念頭、職場困境。 她說她不知道該怎麼看待這件事，她經常想這個問題。 Lex 的立場是：首先，這是未來，不管你喜歡不喜歡它都在來。其次，有很多條路徑可以讓這個未來變得令人興奮，但每個人都應該對幾件事保持高度警惕：這家公司到底知道多少？資料流向哪裡？資料怎麼被採集？這是社交網路留下的教訓。使用者應該要求對這些資料有完整的控制權和透明度。 拉娜完全同意。她補了一層：只要你能走開，只要你能刪掉資料，只要你知道資料怎麼被用，這項技術就讓人更有掌控感。她認為 CEO 和領導者在這一點的誠信非常重要。你得能信任這個人基本的人性，也得相信他不會成為更大機器的傀儡，他要在定義公司文化和運營方式上真的有實質性的角色。 ## 一條瑞典賽道，和一群逐漸喝醉的人 Smart Eye 是一家瑞典公司，做了二十年，主戰場是汽車行業，做駕駛員監控系統，核心目標是救命。 拉娜第一次見 CEO 馬丁·克蘭茨（Martin Krantz）是在 2020 年 1 月的 CES，疫情前的最後一場。當時兩家公司是競爭關係。差別在於，Smart Eye 在汽車行業做了很久，有很強的信譽；Affectiva 不來自汽車行業，但用的是深度學習這類新技術，做的是情緒識別。 Affectiva 當時剛融了一輪錢，目標之一就是把技術帶進汽車行業。兩人見面聊，馬丁說他們的願景是彌合人和車之間的鴻溝。拉娜說，這幾乎和 Affectiva 描述自己願景的用詞一模一樣。 接下來四個月，兩人幾乎每天在 FaceTime 上聊。一開始聊的是戰略上能不能對齊，怎麼合作。四個月後，馬丁問，你們公司有沒有興趣被收購？拉娜說，通常有人來接觸她，她第一反應是拒絕。那是她第一次覺得，嗯，也許可以聊聊。 傳統的駕駛員監控系統，攝像頭裝在方向盤或轉向柱附近，直接盯著駕駛員，看他的視線方向，判斷分心和睏倦。收購之後，攝像頭的位置被挪到了後視鏡位置，視野覆蓋整個車廂。這樣就能檢測車裡坐了幾個人，他們在幹什麼：吃東西、喝水，某些地區還有抽菸。還能檢測兒童座椅裡有沒有嬰兒。 後面這個功能對應一個很殘酷的場景：有些父母把孩子忘在車裡，自己走了。這在計算機視覺上是個容易的問題：識別到兒童座椅、識別到嬰兒，給父母發條簡訊，也許就能救一條命。這正是收購的推動力之一。 汽車行業難做的地方在哪？ 門檻極高，但一旦進去了就很舒服。你被設計進一款車型，生命週期是五到七年，車一上路，每輛車付你一筆授權費。 她最不適應的是週期。汽車公司經常要求在車上市前兩年就凍結程式碼。她的反應是：你們知道技術迭代的速度嗎？ 車企正在努力向特斯拉那種軟體驅動的架構轉型，這在文化上極其困難。Lex 說，特斯拉對汽車行業最大的革命，在他看來是軟體更新。這件事難在文化，不在技術。幾十年裡，汽車行業對安全的執念是合理的，但執念過頭的代價，和父母對孩子的安全執念過頭一樣，會限制這個領域的發育和生長。 他希望特斯拉成功，理由跟自動駕駛和電動車都無關，而是因為整個行業的軟體化。這能同時提高兩件事：安全，因為可以更快地更新；以及像拉娜這樣的人做事的效率，因為你可以像 TikTok 發濾鏡一樣，直接給車推送新功能。 拉娜舉了具體的用例：知道車內乘客的情緒狀態之後，可以最佳化溫度，可以調燈光。後排睡著了，就把燈調暗，把音樂調低。這些事在兩年凍結期的模式下也能做，但會很難受。 那特斯拉、Waymo 這類做半自動或全自動駕駛的公司，該不該做駕駛員感知？ 她的回答是應該，而且要把視野放到完全自動駕駛的終局。在那種場景裡，車內感知變得極其重要，因為駕駛員的角色不只是開車，他還在管理車內的動態。誰來扮演這個角色？系統得能判斷：Lex 已經無聊到快死了，因為車開得太慢，那就想辦法調動他；拉娜因為還不信任這輛車而在恐慌，那就多給她一點路線資訊。或者車裡有人心臟病發作，那就更需要車內感知。 在半自動的場景裡，駕駛員監控更關鍵。所謂半自動，就是有時候車負責，有時候人負責。兩套系統必須在同一頁上。車要把控制權交還給人之前，必須知道人是不是睡著了。如果人太累，車可以說，我現在開得比你好，我來接管。這支舞要跳好，沒有駕駛員感知做不到。 Lex 說他和馬斯克在這個問題上有長期分歧。他認為從第一天起就該裝駕駛員感知，而且這東西不會損害體驗，只會豐富體驗，順便提升安全。但他說自己也要謹慎，因為認真研究過這個問題之後，會發現沒有什麼是真正"顯然"的。讓他意外的是，人類在半自動駕駛狀態下管理這支舞的能力比預想的好，他們本來以為人會徹底分心，但因為是生死攸關，人居然能維持住某種警覺。即便這樣，也沒有理由不在上面再加一層駕駛員感知。 聊到酒駕，資料是這樣的：全球每年有 130 萬人死於道路事故，其中 20% 以上被估計與酒精有關，還有很大一部分與分心有關。 AI 能不能處理酒精這一項？她說可以。人類能看出一個人處在醉酒的不同階段，技術也能。最終方案一定是多種感測器的組合。 從視覺角度難不難？她說不是小事。最難的部分是拿資料。這個研究專案他們和瑞典交通部門合作，包了一條賽道，配了安全駕駛員，然後讓人一點一點喝醉。 這種資料集極貴，而且要做全球版本，要覆蓋多種條件。倫理上也棘手。Lex 開玩笑說，酒這件事很微妙：它好笑、社交、大家都愛，但它同時毀掉了很多人的生活。全世界每天都有大量醉酒的人，如果有個 App 讓人自願捐出資料會很有意思，但責任和倫理怎麼處理，非常麻煩。 他還專門推薦了安德魯·胡伯曼（Andrew Huberman），斯坦福的神經科學家，做了一檔叫 Huberman Lab 的播客。他說胡伯曼像一個行走的論文百科全書，講一個主題時會把研究梳理成一套可執行的方案，落到"按科學，你具體該這麼做"這一層。他讓拉娜去聽一期，說這一定會成為她新的最愛。 拉娜說她最近正在認真研究健康和保健，在建立一些小的習慣，這個推薦來得正好。 ## 車會變成一個健康中心 把視野放寬一點，拉娜認為車會變成一個健康中心。車裡裝上一組感測器，不只追蹤情緒、分心程度、睏倦、醉酒，還能測心率、心率變異性、呼吸頻率。然後根據你的目標去最佳化這段行程。 Smart Eye 現在最棘手的問題是什麼？ 她說，技術上能看到路徑。真正難的是用例：車知道了你的狀態之後，該怎麼反應？反應要得體，不能讓車裡的人反感。這個使用者體驗問題還沒有被真正解決。Smart Eye 提供的是感知平臺，具體怎麼反應，通常要和車廠一起定。 比如系統判斷駕駛員在生氣，車該做什麼？發現你分心或睏倦，是彈一個咖啡杯圖示？還是更激進：五分鐘內不休息，車就靠邊停？這中間有一個很大的動作空間，要選那個能建立信任的動作。每個車廠還得決定什麼符合自己的品牌調性。 Lex 說車廠很有意思，人們買車很大程度上還是看感覺、看品牌、看身份認同，賓士、寶馬、福特、通用，各有一批忠實的人。他希望這個重心能往車內技術挪一點，當然也可以有新的品牌分野，比如某種特定風格的豪華或者好玩。 他提到自己有一個 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"：電動加半自動駕駛的休閒船。遇到的是一模一樣的問題：裝什麼感測器，能檢測船內船外的什麼狀態。 他問她平時玩船嗎。她說不太算，她喜歡在湖上或河上釣魚，但那不算玩船。Lex 說那也算，低技術的那種，是靠近自然的方式。她說她喜歡水，鹹水淡水都喜歡。鹹水讓人謙卑，那麼大一片東西，比我們早存在，也會比我們晚消失。小湖則安靜，一切都平靜下來，很療愈。 ## 一個被兒子當成家人的掃地機器人 拉娜發過一條推，說她對亞馬遜收購 iRobot 感到興奮。 她的理由有三層。第一，家庭機器人會成為一個理解人類居家行為的絕佳平臺。Roomba 在家裡跑來跑去，知道房子的佈局，知道哪裡乾淨哪裡髒，知道你多久打掃一次。這些行為是拼圖的一塊，能用來理解你作為一個消費者是誰。這些資訊可以用在很有意義的地方，不只是推薦更好的商品，還能實際改善你的生活體驗。第二，這是家庭機器人的自然演化。 Roomba 現在算不上社交機器人。但她採訪過 Roomba 團隊的一位首席工程師，對方說人們會給自己的 Roomba 起名字。機器壞了，使用者打電話過去，公司說我們給你寄一臺新的，使用者說不行，我要你把這臺修好。 人已經和這些家用機器人建立了情感連線。 MIT 分出來的一家公司 Catalia Health，創始人做了很久的健康管理機器人，幫人管理體重、睡眠、飲食。如果有這麼一臺東西在，它就能推動你改變。 Lex 提了一個現實問題：亞馬遜在贏得使用者信任這件事上，記錄並不好。讓人允許一臺帶攝像頭的機器人進自己家，本身就是極難的事。 他家裡有一堆 Roomba，但他把它們拆了重新程式設計，用在別的用途上。他還提到新款的 Roomba 有一個被大肆宣傳的功能：頂級避屎能力。因為掃地機器人碾過狗屎會把整個屋子抹勻，這據說是個大問題。亞馬遜收集了大量不同形狀、不同外觀的資料，現在能繞開這些東西。 所以攝像頭是有的，只是使用者不再把它當成攝像頭。就像大多數人已經習慣手機前置攝像頭一直對著自己。 拉娜說，這種信任是怎麼建立起來的？大概是手機先提供了大量正向價值，使用者就接受了，然後公司用時間證明了自己認真對待隱私。但亞馬遜在社交機器人這個方向上，在文化和能力兩個層面都不天然等於"可信"。隱私不只關乎你想做什麼，還關乎你做得好不好，你有多擅長把這件事做對。 她說很多人家裡有 Alexa，Alexa 理論上可以一直聽，可以做各種壞事。但亞馬遜在贏得信任這件事上，還沒到那一步。 Lex 說這也是他觀察到的：一談這些話題，公司就緊張。而贏得信任的方式不是迴避，是開放、坦誠、透明，是在每個層級都建立起一種文化，從工程師到 CEO，讓人相信這是一群好人，有常識，懂得尊重基本人權和隱私。這種文化會往外擴散，那才是最好的公關。 ## Pepper、Jibo，和為什麼機器人公司總在死 聊到社交機器人，Lex 提到了特斯拉的 Optimus 人形機器人。他認為，人形這個形態本身對人類有強大的吸引力。任何有腿的東西都會被人格化，人形尤其強烈。所以他更感興趣的是人形機器人在社交層面的可能性，而不是工廠裡的任務自動化。他同時承認，特斯拉做這件事的最大優勢在人：那批人懂量產，懂怎麼把成本壓到極低。 他們的工程重點不在機器人的體驗，而在用最少的執行器、最少的電機、最低的重量，把這個東西做到儘可能便宜。這跟 Jibo 那批人的路徑正好相反，那批人把重心放在設計和體驗上，製造成本變成第二位。 拉娜提到 Pepper。Affectiva 給 Pepper 做過情緒引擎，Pepper 是軟銀的人形機器人，大概一米五高，主要用在機場休息室、零售店、酒店大堂做客戶服務。 她說她對家用社交機器人更感興趣，比如幫老年人拿東西，或者只是在你身後待著，萬一出事能頂上。 這個賽道是不是太早了？她的回答是：百分之百是時候了。所有事情在變成"是時候"之前，看起來都太早。她認為這十年就是社交機器人的十年。但人形這個形態對不對？她覺得不一定。拿 Jibo 舉例，一個 AI 系統和人建立社交連線，大部分難點、機會和挑戰，都不需要順帶解決機器人操作和雙足移動的問題。光靠一塊螢幕就能做很多事，雖然 Jibo 會轉動的那個動作確實也有吸引力。 那為什麼這麼多機器人公司死掉？ 她說你是在搭一個垂直棧：硬體加軟體，還得把成本控制在合理範圍。Jibo 當年賣七八百美元，對一個這樣用途的產品來說，價格和價值之間有落差，太高了。要在一個可負擔的價格上搭出整個平臺，同時提供匹配的價值，這非常難。家用機器人還有移動能力這一關，也很難。 Lex 說，這也是他為什麼對 Optimus 背後的人感到興奮。那批人專注在量產和極低成本上。你要做的不是一個機器人，是幾百萬個機器人。那就得從第一性原理出發想：最少的零件數是多少？最便宜的零件是什麼？能自己做多少就自己做多少，繞開復雜供應鏈。而 Jibo 那批人想的是體驗和設計，怎麼造出來是次要的。 ## 選投資人像選伴侶 創業的建議，她的第一條是：找一個你真正想解決的問題，一件你有深切熱情的事，然後走出第一步。第一步往往是最難的，別想太多。 最小可行產品，最小可行版本的想法。你腦子裡那個東西巨大、優雅、漂亮，把它砍到能帶到市場上的最小形態，先解決一個人的痛點。 她常說，從一個客戶開始。如果你能替一個人解決問題，那個人很可能就是你自己。如果你自己就有這個具體的問題並且樂在其中，那是一個好兆頭。 第二條是早期團隊和價值觀。她和皮卡德在皮卡德家的廚房桌邊坐下來，很早就定了這件事：這項技術有那麼多應用，線畫在哪裡？邊界怎麼設？她們定了一組核心價值觀，在最難的時候靠它做判斷。比如尊重隱私，只進入明確 opt-in 的行業。她們不做安防和監控類的業務。還有一條是人的連線和共情。一家 AI 公司，核心是人。這些價值觀會編碼進公司的行為方式，哪怕團隊只有兩三個人。 招人呢？早期要找共享熱情和信念的人，因為路一定難走。她還沒見過哪家創業公司是一條直線走到成功的。你會遇到障礙，會遇到唱反調的人，你需要身邊的人是信你的，團隊如此，投資人也如此。投資人真的相信你在做的事，才會在第一個障礙面前不跑。 融資呢？她的建議是，錢不是唯一的東西。要找在方向上一致、相信你核心價值觀的投資人。她最近一輪融資特意帶進了真正在乎 AI 倫理的人。她說選投資人像選人生伴侶，因為你們要綁在一起一段時間，同甘共苦。 她投過資，也融過資，兩邊都站過。做投資的時候，她的技術背景是優勢，大家都在說自己是 AI 公司，她能做那層盡調，真的去看技術。然後是一道試金石：如果我跟人聊完這家公司，我會不會興奮地想告訴你？我是不是成了這家公司的使者？如果是，那就對了。 Lex 說，有時候聽人講很久，畫面很美，但讓他總結核心的那個有力想法時，說不清。那就說明這個想法還不存在。核心想法必須是能一句話說清楚的，你可以對它興奮或者不興奮，但它得在那兒。 她主要投 pre-seed。這個階段通常是剛起步，可能剛拿過親友輪的錢，正準備拿第一張機構支票。很多投資人不喜歡這個階段，因為財務模型沒有，團隊常常還沒成型。但她覺得這個階段有魔力，因為信念濃度極高，幾乎是妄想的信念，還有一點天真。她喜歡這種氛圍，而且很多是第一次創業的人，她能分享自己作為創始人的經驗，能共情。她會主動創造一個安全空間：我在你的位置上待過，你可以告訴我難處，可以吐槽。這是她的超能力。 判斷一個創始人，她看三件事：技術、市場或想法、人。這個人有沒有信念，是不是個能闖的人，能不能跨過障礙，會不會成為一個好的領導者。作為創始人，你是第一個上船的人，你的職責是把優秀的人聚到身邊，你是佈道者。這件事你做得好不好，也要評估。 她還提到一個詞：隨機富人（random rich dudes）。她去了一個叫 Capital Camp 的投資人聚會，四百人左右，女性大概二十個。比例嚴重失衡，她說她已經習慣了，但還是會覺得意外。她自己正在為基金募資，合夥人 Rob May 有經驗，她是新手。基金的出資人大多是很棒的人，她很感激，但心裡有個聲音：有錢的女人在哪兒？ 所以她在兩件事上很堅持：投女性主導的 AI 公司；讓自己的基金裡有女性出資人，因為這是改變發生的方式。這需要時間，但已經有相當進展。下一個馬克·扎克伯格如果是女性，那意味著大量財富由女性創造、由女性掌控、由女性配置。不只是性別，各種維度的多樣性都是這樣。 ## 不要被自己的念頭擋在路上 拉娜說，她這輩子最大的挑戰，是相信自己。 她給這個聲音起了個名字：腦子裡的"喪氣鬼"（Debbie Downer）。它一直在說話。你做不到的，你融不到錢，你開不了公司，你憑什麼開公司、管公司、賣掉公司？什麼都說得出口。 她的建議不只給女性，給所有走上一條新路、心裡沒底的人：別讓腦子裡那些念頭成為你最大的障礙。她自己在這件事上下了很大功夫，就是為了不成為自己的絆腳石。 Lex 說他也聽過那個聲音，而且他一直不確定它是好是壞。它陪伴了他一輩子，它推動生產力和進步，但也可能攔住你，讓你不敢邁大步。 他的結論是，得學會控制它：沒用的場合關掉，有用的場合開啟。他試著用一個第三人稱的視角去看它。批判性是有價值的，昨天他剛在 MIT 講完一場，現場全是愛，體驗極好，見了很多人。但回家路上走了很久，腦子裡幾乎全是負面念頭。第一層是我不配，第二層是剛才講得太差了，那句話說得真蠢，你應該準備得更好，為什麼要那麼說。 他說，讓那個聲音出來，坐在那裡，最後你從裡面長出東西。但當你面對真正重大的決定，比如融資、創業、去英國、去美國進媒體實驗室，那時候必須能把它關掉，靠的是一種近乎信仰的、奇怪的自信：事情會好。 拉娜認同。帶著所有負面聲音，還是要邁出那一步。 ## 她說自己的微笑能照亮世界 一年前，一個朋友建議她做每日肯定語。她當時很懷疑，但那段時間她正在經歷人生的大轉折，就試了。結果把她帶上了一條自我接納和自我關愛的路。 她說自己對別人算是個善良的人，對自己有時候挺狠的。她寫日記寫了將近十年，用的 App 叫 Day One。她把日記當成和那個喪氣鬼對話的地方，是一種反駁。喪氣鬼說，你這一輪融資肯定搞不定。她說，好，那我們來聊聊。我過去做成過某幾件事，我覺得這次也能行。她管這叫帶著資料上桌。 肯定語把這件事推到了另一個層次。她做了一年，流程是：早上起來先冥想，然後寫肯定語，寫的是她想向世界釋放的能量，希望這些能量再回到她身上。 她的第一條永遠是：我的微笑照亮整個世界。她強調這不是開玩笑，街上真的會有人停下來跟她說，我們太喜歡你的微笑了。 後面還有：我是個磁鐵，專門吸引優秀的人進入我的世界。她說這是她的原話。還有：我相信宇宙會為我做很棒的事。還有：我是個很棒的母親。這條是用來對付她一直在跟母親愧疚感搏鬥的。還有一條是：我是個愛之磁鐵。她會具體寫下她想遇到的那個人是什麼樣，把細節寫下來。這件事還沒發生，但她相信會發生。 Lex 問她心裡在描繪誰。她說出了布拉德·皮特（Brad Pitt）。他問，是不是手拉手一起跑步那種畫面。她說更像《搏擊俱樂部》裡那個站著的皮特。 她描述的其實是：聰明、有成就、事業成功，同時慷慨、走過很多地方、還想繼續走遍世界，對她死心塌地。她說寫下來聽起來很傻，但她就是這麼寫的，她相信有一天會成真。 寫法上，她是寫，不是念。Lex 相反，他會大聲說出來。他說，如果一個人待著，他就唸出聲。對他而言，念出來更有力量。寫反而像是把詞弄丟了，可能是因為他寫得慢。 她說這是因人而異的，哪種對你更有力就用哪種。她用的是打字，存在 Day One 裡，好處是可以往回翻，看一年前自己在肯定什麼。內容變化不大，但焦點會隨階段變化。Lex 說他會重複念一模一樣的話，同樣的東西反覆念有一種安慰感。 ## 把戀愛變成機器學習問題 她發過一條推，問有沒有人在波士頓並且單身，然後提到一個由 Smile 約會 App 贊助的單身夜活動。既然聊到了這裡，Lex 就問：AI 能幫上戀愛這件事嗎？ 她說，第一次見面那一瞬間有沒有化學反應，背後一定有科學。也許有實際的化學物質在兩個人之間交換。Lex 接話說，科學常常能把那些感覺像魔法的東西解釋清楚，也許我們真能把魔法拆解掉。 他接著提出了一個想法：Goodreads 應該做成約會 App。你看一個人讀過的書，看一個人消費過的內容，這跟 YouTube 做推薦本質上是同一件事。如果你能看到兩個人的內容足跡，找到重疊部分，再加上一些有意思的差異，這裡很可能存在一個可解的機器學習問題：這個人不僅短期有化學反應，還很可能是一個能一起成長的終身伴侶。 你需要的就是資料。 拉娜說，Smile 這個 App 選了一個特定角度：幽默。它按人的幽默風格匹配，而幽默是成功關係裡最主要的成分之一。如果一個人能讓你笑，那是好事。如果你們能發展出內部笑話，能互相接梗打趣，那很好玩。 Lex 說，內部笑話的產生速率大概是可以測量的，然後在前幾天裡最佳化它。他又把這件事變成了一個機器學習問題。 她承認自己在約會這件事上給的建議很糟。她說自己有一個表格：約會追蹤表。裡面有評分系統，有權重。 Lex 說這有點太近了。他沒有表格，但聽她這麼一說，覺得是個好主意。 拉娜說，她倒希望有別人替她做一張表。她說，就像剛才講的，收集大量關於我們的資料，用保護隱私的方式，資料歸我所有，我能控制它，然後用這些資料去找人，不只是找愛情，還包括合作者、朋友。資料明明在那裡。 這正是社交網路想解決的問題，但做得非常差。Facebook 也試過做約會業務。運營一家連線人與人的公司有太多環節，其中一環是你得有在乎人這一面的工程師，而這很難找。但你也不能只要在乎人的人，他們還得是好工程師。得找到那個漂亮的混合體。經驗上講，大家在這件事上都沒做好，這說明問題本身很難。 約會 App 看起來很難。OkCupid、Tinder 這些，當然有效，但效果遠不如想象中可能達到的程度。用資料能不能找到更好的人與人之間的連線？本質上就是機器學習演算法加持的包辦婚姻。 但拉娜指出，缺的那塊是偶然性。你怎麼工程化那種"偶然相遇然後墜入愛河"？約會 App 做不到。所以得保留一點隨機。也許每第十個匹配就是演算法本來不會推薦的人，留出一點空間。 Lex 說，也可以製造一種"假裝的偶然"。比如在另一次搜尋裡，順手讓你看到某個它判斷你會喜歡的人的推文，像是無意中撞見的。你順著這條線走下去，最後在 App 之外和這個人建立聯絡。App 負責製造那個相遇的時刻。當然從商業角度得想清楚怎麼變現。但如果一家公司能幫人找到愛，不管是自愛還是愛另一個人，錢總能找到辦法賺。他覺得問題在於，很多約會 App 最佳化的目標不是愛。社交網路也一樣，它們最佳化的是參與度，而不是那種最終紮根於個人成長的深度連線。 ## 五個少年和一個溺水的人 回到開頭那個故事。這件事教給我們什麼？ 拉娜說，它非常悲傷，它指向今天世界上的一個真實問題：共情危機。 技術在把人拉近，同時也在把人去人性化，製造出對"他者"的疏離。這是個大問題。 好訊息是，解藥可能也來自技術。如果我們重新思考技術的設計和部署方式，可以解決這個問題的一部分。但她仍然擔心。她兒子的很多互動都是透過電腦中介完成的，她會問自己，這對他的共情能力在做什麼？對他真正與人建立連線的能力在做什麼？ 那透過數字媒介能不能形成共情？她說能，但必須非常小心。面對面的交流裡，非語言訊號佔了溝通的大部分，她說大概 90% 是靠面部表情。我說一句話，你點頭，這形成一個反饋迴路。這個迴路一旦斷掉，她會開始焦慮。 她開玩笑說，可憐的 Lex。她並不是在審視他的面部表情。Lex 配合地說，表情正常，表情人性化，點頭，表示同意。他還自嘲地補了一段虛擬碼：如果拉娜說 yes，就點頭，否則不點。但也不能點太多，萬一點在錯誤的時機，會傳遞錯誤的訊號。偶爾還要有眼神接觸，因為人喜歡這個。 但真正關鍵的差別在這裡：當你當面說一句刻薄話，你能看到對方的痛苦。你在推特上對一個人說同樣的話，你不知道它會怎麼落地。所以人在社交媒體上比面對面時更容易說出刻薄的話。 最後 Lex 丟擲了那個問題：EQ 和 IQ，哪個更重要？ 整場對話其實一直在回答這個問題。拉娜的職業選擇本身就給出了答案的一半：她從小迷的是機器，是那棵聖誕樹背後的權力，但真正把她帶到劍橋、MIT、帶到一家瑞典公司的，是她讀人的能力。她能讀懂皮卡德在廚房桌邊想要什麼，能讀懂馬丁在 CES 上和她共享的是同一個願景，能讀懂一個創始人在融資時沒敢說出口的難處。 技術是可以學的。看懂人這件事，才是稀缺的。 ## 可以立刻上手做的幾件事 - 給自己腦子裡的那個聲音起個名字。它一開口，你就把它當成一個需要被反駁的物件，而不是真相。反駁的時候帶證據：過去你做成過什麼。 - 早上花五分鐘寫下你想向世界釋放的能量。寫或念都行，選對你更有力量的那種。用 App 存起來，一年後往回翻，你會看到自己在不同階段的焦點變化。 - 在情緒識別這類產品上，堅持要資料透明和資料可刪除。你可以享受它帶來的便利，但要知道資料流向哪裡、被用來做什麼。你能隨時走開，這項技術才真正讓你有掌控感。 - 把"讀懂人"當成一項要練的技能，和學程式設計一樣認真。面對面交流裡非語言訊號佔大頭，這條通道用進廢退。 - 創業或做重大決定時，先找到那個你真正想解決的問題，然後砍到能落地的最小形態，從服務一個人開始。 - 選投資人、合夥人、長期隊友時，按選伴侶的標準來。你們會被綁在一起很久，第一個障礙出現的時候，信不信你，決定了他跑不跑。 - 做產品的人，把長期資料當成目標。使用者三十天後還記得什麼、還感謝什麼，比今天這一刻的停留時長更值得最佳化。 - 面對重大選擇時，允許自己把那個自我懷疑的聲音關掉，帶著一點近乎信仰的自信邁出那一步。事情通常不會按你計劃的路徑成，但它會以別的方式成。