# 塞巴斯蒂安·特龍：飛行汽車、自動駕駛與教育 > 斯坦福教授、谷歌自動駕駛專案發起者談飛行汽車、無人駕駛的落地與線上教育的變革。 - 原標題：Sebastian Thrun: Flying Cars, Autonomous Vehicles, and Education - 期數：特別節目 - 釋出日期：2019-12-21 - 嘉賓 / 主題：塞巴斯蒂安·特龍 - 網頁版：https://lex.qiaomu.ai/tw/ep/sebastian-thrun/ - 官方頁面：https://lexfridman.com/sebastian-thrun/ - 精讀字數：約 12434 字（閱讀約 28 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。 塞巴斯蒂安·特龍（Sebastian Thrun）說，他最不想要的就是一份自己擅長的工作。 這句話乍聽彆扭。一個連續推動三次技術革命的人，斯坦福終身教授、Google 自動駕駛專案創始人、Udacity 和 Kitty Hawk 的掌舵者，居然說自己刻意避開擅長的領域。他給出的理由很冷靜：**如果你待在自己已經擅長的工作裡，學到新東西的機率會被壓到最低。** 他去造飛行汽車的時候，對航空幾乎一竅不通。他做線上教育的時候，對教育行業同樣不熟。在他看來，這種“不懂”是資產，不是負債。 ## 先把宇宙是不是模擬這件事放在一邊 訪談從《駭客帝國》開始。Lex Fridman 問他，我們是不是活在一場模擬裡。 特龍的回答是那種讓人愣一下的型別：“也許我們是，也許不是。但這跟我們應該怎麼行動，完全無關。” > 宇宙是不是一臺資訊處理系統？毫無疑問。它是一個巨大的物理的、生物的、化學的計算機。但我活在這裡，活在此刻，我關心的是身邊的人。（塞巴斯蒂安·特龍） 他補了一句，說他不認為宇宙在“計算”什麼，沒有意圖，世界就是按它自己的方式演化，而這本身很美，他很感激自己能活著。 這個開場埋下了整場對話的基調。特龍不太吃那種懸浮在空中的宏大命題，他的興趣全部指向一個方向：一件事能不能讓具體的人過得更好。後面一個多小時聊自動駕駛、聊教育、聊飛行汽車，反覆回到的都是這個座標。 ## 他寫的第一批程式，跑在一個德州儀器計算器上 回到八十年代初，特龍還是個在 TI-57 可程式設計計算器上寫程式的少年。他那時候在電視上看過一次矽谷，從此著了魔。 八十年代到九十年代，他研究智慧、研究人類，最著迷的是人工智慧。但那個年代的電腦太小了。他的原話是：**那時候你能造出來的大腦，體積和複雜度都比不上一隻蟑螂。** 他當時就想造一個“人造人”，最接近的辦法是造機器人。幾十年過去，他承認我們離那個目標還差得遠，今天的機器人依然非常脆弱。但從“建構”的角度去理解智慧，這條路他一直沒有偏離。 ## 為什麼沒有人能寫下走路的規則 主持人問：造一個智慧系統，最核心的能力是什麼？ 特龍的答案落在機器學習上，用一個例子說明： > 每個人都會走路，我們在生命的頭一兩年就學會了。但至今沒有任何一位科學家，能把人類步態的規則完整寫下來。我們不知道怎麼描述它。我們可以練習，我們理解它，但我們無法把它講清楚，無法用語言傳給別人。（塞巴斯蒂安·特龍） 這就是傳統程式設計的死穴。計算機笨到極點，你必須為每一種可能情況預先寫好規則，而人類的知識絕大部分根本不在語言裡。人類大腦的多數部分處理的不是語言，是潛意識層面的、數值化的、感知性的東西，你自己都意識不到。 所以八十年代那波專家系統註定走不遠。它們的出發點是把專家的知識壓縮到一張紙上，再翻譯成機器可讀的規則。可“把大腳趾往前、腳跟往後、你就不會絆倒”這種規則，寫出來的永遠只是冰山露出水面的那一角。 機器學習的轉折點在於，計算機可以自己找規則了。它可以從跌倒和爬起裡學習，跟小孩學走路的方式一樣。 **於是出現了人類程式設計永遠給不出的能力：一個系統可以觀察專家工作，無論對方是醫生還是律師，捕捉到其中的規律，然後做到跟最好的專家一樣好。**放射科醫生、皮膚科醫生肩頭那些沒法用語言表達的手感，機器可以學。 ## 寫程式碼的人為什麼這麼貴 特龍順口拋了個說法：軟體工程師之所以值錢，是因為把指令集寫對實在太難。這句是玩笑也是實話，傳統軟體的成本幾乎全部壓在“人要把規則想清楚”這一步上，所以你得為這件事付出高薪。 機器學習的意義在於把這一步的成本結構改掉。規則由機器自己從資料裡長出來，人只需要提供經驗。這是過去三四十年裡最重要的一次正規化轉移。 ## 選問題的兩個標準 主持人問他，三次革命，怎麼選的問題。 特龍的答案只有兩條，說得很乾脆： - 第一，真的讓別人的生活變好。他說這話的時候自己都笑了，承認聽起來像口號，但他確實信。 - 第二，必須能學到東西。所以他要待在“不擅長”的位置上。 他解釋第二條的邏輯：如果一份工作你已經很擅長，那麼從中學到有趣東西的機率會急劇下降。**他在 Kitty Hawk 做電動垂直起降飛行器（eVTOL）的時候，對航空完全是門外漢，而這恰恰是他覺得最有意思的部分。** 離開斯坦福教職之後，他挑問題的標準變得更直接：什麼對社會影響最大。 他把交通排在通訊前面。理由很具體：城市形態不一樣，工人不一樣，女性權利不一樣，這些都是交通塑造的。可今天的交通方案低效得離譜，每年死於交通事故的人大約一百二十萬，在很多國家是年輕人的頭號死因，資源利用效率極低。他讓人去任何一個普通社群數一數停著的車，說那是一種荒謬。 而解決方案在技術上已經存在了。用他的話說：**你得閉上眼睛才能假裝看不見。** ## 那輛車每三十英里就想自殺一次 2005 年 DARPA 沙漠挑戰賽，斯坦福的 Stanley 拿了冠軍。2007 年城市挑戰賽，Junior 拿了第二。這兩臺車點燃了整個自動駕駛行業。 主持人問他最難忘的經歷。特龍的第一個反應是“痛苦”兩個字，然後講了一個 bug。 > 有一段時間，Stanley 每跑三十英里就自殺一次，我們完全不知道為什麼。最後查出來，是兩個計算機時鐘在同步的時候，偶爾有一個時鐘往回跳，出現負的時間差，把整套內部邏輯全部搞亂了。這種 bug 找起來要花很久很久。（塞巴斯蒂安·特龍） 時鐘同步這個問題，到今天依然是機器人系統裡最煩人的一類故障。無人機、自動駕駛、任何有多個感測器的實時系統，都躲不開。 除了 bug，斯坦福的路線選擇也很關鍵。特龍的判斷是：**車本身不用造，一臺租來的車就能跑完全程，人類駕駛員才是需要被替換的那部分。** 他把人類駕駛員拆成三塊：感測器是眼睛和耳朵，大腦在中間，執行器是手和腳。感測器和執行器都好辦，缺的是大腦。而大腦是什麼？大腦是一臺學習機器。所以整個團隊的重心壓在機器學習上，速度控制直接模仿人類駕駛，同時讓車從自己的失誤裡恢復並學習。 ## 比賽前一個月凍結程式碼 團隊只有四個人，為什麼是四個？因為五個人坐在一輛福特里不舒服。 特龍作為隊長，工作是買披薩、洗車、修壞掉的水箱、調系統。他說他們沒有任何來自官方的包袱，就想看看能走多遠。 真正讓他們贏的，是一件很少人做到的事：**比賽前一個月，他們把整個軟體凍結了。** > 回頭看其他隊伍，每一支都在說“再給我一週我就能贏”。我們決定不掉進這個坑。提前完工，然後我們有一整個月去搖這個系統。最後一個月裡，我們真的找出了兩三個小 bug，必須修。（塞巴斯蒂安·特龍） 他觀察到，創新專案裡最常見的死法是：所有人都知道還剩一個沒找到的 bug，也都後悔沒時間修，可那個 bug 本身其實很容易修，只是沒人騰出手。 所以他專門建了一支測試團隊。一本一百六十頁的測試手冊，一條一條過。測試團隊天天在旁邊念：今天我們去測鐵路道口，明天彩排比賽的起點。 然後出現了一個典型場景。團隊覺得鐵路道口嘛，小菜一碟。去測了一下，發現效果很差。為什麼？**系統把鐵軌認成了金屬護欄。** 這就是他總結出的方法論：持續攻擊系統裡最弱的那一環。只要你一直把注意力放在最弱的地方，最終你會得到一個真正強大的系統。 ## 多數管理者只是在搶功勞 聊到領導力，特龍先給了一句有點損的評價： > 大多數管理者做的事，其實只是把別人的功勞據為己有。這很方便。（塞巴斯蒂安·特龍） 他解釋自己為什麼會有這種感慨。他骨子裡是工程師，小時候喜歡電腦，是因為你告訴它做什麼，它就真的做。凌晨一點爬起來開機，昨天寫的東西還在那兒等著執行，這感覺太爽了。 可這套邏輯放到人身上就行不通。你告訴別人做什麼，別人不做，還因此討厭你；或者今天做了，明天就停了。 問題就變成：**怎麼把自己塞進人的腦子裡，而不是電腦的腦子裡。** 他說如果人像電腦一樣笨，他反而不想跟這樣的人共事。人聰明、有情緒、有自尊、有抱負。多數工程師轉型做管理時失敗，就是因為以為可以用對待電腦的方式對待團隊。 他給出的解法來自教書那幾年。當教授最美妙的地方，是整天在“讓別人發光”。你的工作就是讓學生看起來很棒，你是個教練。 > 如果你把“讓學生髮光”這件事做到極致，他們會愛你，他們的父母會愛你，還會把一堆你根本不配得到的功勞算在你頭上。我在斯坦福那些發明，全是我學生做的，不是我的。（塞巴斯蒂安·特龍） 他補了一句觀察：他這輩子見過的人裡，幾乎沒有一個是懷著壞心眼的。每個人都想有貢獻，每個人都想幫別人。問題是，怎麼給人合適的框架，讓這份善意變成有效的行動。 **最好的狀態是，他可以消失一個月，回來一切照常運轉。**這很難做到，但做到的時候是種魔法。 ## 我們用自己的意圖評判自己，用別人的行為評判別人 主持人接了一句，說“大多數人是好人”這句話很少聽到，很動人。 特龍引了他朋友的一句話：**我們用自己的意圖評判自己，用別人的行為評判別人。** 他提到矽谷的工程師，很多人共情能力極低，被這件事搞得一頭霧水。他認為最該練的技能，是把自己放到對方的位置上，然後聽。 他經常這樣對話：先說你乾得很好，我很喜歡；然後說，順便提一句，你剛才那個做法會產生這樣的效果，你意識到了嗎？對方通常會說，天哪，我完全不知道，我的本意是那樣的。 > 我就說，我相信你的本意，你是個好人。但為了你以後順利，如果你繼續那樣表達，別人只會討厭你。很多人回我：謝謝你告訴我，我的本意不是讓自己看起來像個傻子，我的本意是幫別人，我只是不知道怎麼做。（塞巴斯蒂安·特龍） 然後他提到了戴爾·卡內基的《人性的弱點》。他說那本書基本就是全部答案了，讀完照做就行。裡面寫的無非是：保持積極、記住別人的名字、微笑、練習共情。 他還講了一個判斷：**那個你討厭、你覺得是白痴的人，如果你像對待自己一樣對待他，你會發現他只是一個在掙扎的人，本意不壞，可能需要幫忙。** 主持人提到斯蒂芬·施瓦茨曼（黑石集團創始人）說過的話：你能做的最有價值的事之一，是聽別人說出他的問題，然後幫他解決這個問題。而令人驚訝的是，願意真正聽的人少之又少。 ## 自動駕駛的 90%、99% 和最後那個 0.01% 話題回到技術上。 特龍把自動駕駛的難度曲線講得非常清楚： > 造一臺能處理九成路況的自動駕駛車，太容易了。一個週末就能做到。做到 99%，大概一個月。但剩下的那 1%，意味著你每週還會發生一次致命事故，這完全不能接受。你繼續攻這 1%，其中 99% 仍然相對好辦，然後你被壓到了萬分之一，而這依然在安全上完全不能接受。（塞巴斯蒂安·特龍） 他因此對人類駕駛員充滿敬意。高速公路上的眼神交流、突然竄出來的鹿、爆胎，這些情況沒有人被專門訓練過，可人在緊急狀態下處理得相當成功。考慮到美國每年開出的里程數，駕駛能有今天這個安全水平，本身就非常了不起。 他覺得技術這一關已經過了。Waymo、Cruise 這些公司的車已經在限定場景裡基本無瑕疵地載人。去拉斯維加斯叫一輛 Lyft，如果 App 裡設定了正確的選項，來接你的可能是無人車，雖然車裡還坐著安全員。他說這些小毛病已經變得非常罕見。 下一步是三件事：把成本降下來、把車規級感測器硬化、把商業模式跑通。他強調最後一件最難。**不是“我們有這個能力，人們就會買”，而是要讓人買得起，還要讓人接受。** 還有一個門檻沒跨過去：**至今沒有任何一支隊伍，敢讓車在完全沒人的情況下上路跑。**這是下一個魔法時刻。 ## 特斯拉和 Waymo 是兩種不同的賭注 主持人問得挺尖銳：Elon Musk 那一派更激進，Waymo 那一派更謹慎，哪種領導方式是對的？ 特龍的回答先劃清立場：他不在任何一方的團隊裡，沒法核實。 然後他把問題抬到更高的層面：任何這個領域的創新者，都要面對一個根本矛盾，**公共安全與創新衝動之間的平衡**。他說這個國家做這件事已經成功了一百多年。航空每英里的安全性大約比地面交通高一百倍，原因不是運氣，是人們找到了一整套方法論，在保證公共安全的同時還能在噪聲、油耗這類關鍵指標上持續推進。 他舉了兩個例子說明我們處理危險技術的能力：核能、核武器。都做到了可控。 > 我們生活的世界比以往任何時候都安全。總會有意外，總有人會犯錯，總會有意料之外的失效。除了乾脆不做，我們永遠無法保證百分之百的絕對安全。但我為美國這段歷史感到驕傲。（塞巴斯蒂安·特龍） 兩種路線的差異，他自己是這麼看的：Waymo 那一派是直接跳到 L4、L5，靠模擬和安全員；特斯拉那一派是從 L2 起步，靠人類駕駛資料做機器學習，一點點往上爬。 他本人是特斯拉車主，每天用 Autopilot，說這技術確實讓他更安全，尤其是在高速上有點累的時候。**他對這一點百分之百確定。** ## 螞蟻覓食和兩條技術路線的對錯 特龍用螞蟻類比西方社會的技術路線之爭。 螞蟻出去覓食的時候，一部分往一個方向，一部分往另一個方向。如果所有人先開會討論哲學和智識問題，統一意見後再出發，一旦方向錯了，就浪費一天，回頭還得再討論一週。而分頭走的方案更好：總會有一支成功，回來宣佈勝利，然後所有螞蟻跟著那條路走。 > 這就是西方社會好的地方。不是陸地本位，不是中央本位，我們沒有蘇聯式的中央計劃告訴我們去哪兒覓食。我們就是去覓食。你拿著錢，出去試，誰知道誰會贏。（塞巴斯蒂安·特龍） 他自己也承認，兩種路線哪個對，現在沒人知道。 ## 鐳射雷達是不是柺杖 Musk 說過一句很挑釁的話：鐳射雷達是柺杖。主持人把這話丟給了特龍。 他給了兩個回應。 第一，**存在性證明是清楚的。**人類開車沒有鐳射雷達，主要靠眼睛。也許還用到一點身體加速度的感覺，偶爾用到耳朵，跟鼻子肯定沒關係。所以從邏輯上講，攝像頭是充分的。他甚至說，如果給一個人裝一個零延遲的攝像頭，人類也能靠攝像頭開車。 第二，他喜歡西方世界有這麼多人在同時押不同的假設，這本身就是優勢。 沒有正面站隊，但他承認過去這十年最深刻的變化是深度學習。當年他在 Google 啟動自動駕駛專案時，Google Brain 同期也在做，深度學習已經在了，只是沒人把它當熱點。 **從“用幾何感測器建立三維檢視、做幾何推理”轉向“我以前見過這個東西一萬次，它應該是什麼”，這是根本性的重心轉移。** ## 車道線檢測：24 小時從零到商用水平 Udacity 的自動駕駛課程有超過兩萬人學過，他的說法是：世界上每一支自動駕駛團隊裡，都有他們的學生。 第一份作業是車道線檢測，就是從影象裡找出車道。 這件事人做起來毫不費力，瞟一眼就知道。但傳統做法要寫一堆離譜的規則：這一段是不是車道線？顏色對不對？太陽在不在？太陽出來的時候這塊是白的，這條線是直的，等等。而且你還得知道兩條車道線之間是六英尺還是十二英尺。 > 現在學生做的完全不一樣了。他們開一小時車，手工把車道線標出來，把這些當成樣本餵給機器，讓機器自己去找“車道線是什麼”的規則。24 小時之內，一個從來沒寫過相關程式的初學者，能寫出和最好的商用車道檢測一樣好的實現。這在我看來完全不可思議。（塞巴斯蒂安·特龍） 他說，用機器學習取得的進展，讓他十年前看到的任何東西都顯得渺小。 ## 一門課怎麼值一千萬美元 特龍給主持人算了一筆賬，這筆賬很能說明那幾年人才市場發生了什麼。 那陣子有一批“收購式招聘”（acqui-hire）：公司沒有產品、沒有業務，只有七十來號人，卻被高價買下，買的只是人。他拿 Cruise、Uber 這些案例反推，得出一個下限：**一個自動駕駛工程師在那類收購裡的估值，至少一千萬美元。** 他接著說，這意味著一個普通人在一年之內，靠學一門技能加上組隊創業，身價就能到一千萬美元。他想不出人生裡還有什麼別的路能做到這個。 Udacity 做自動駕駛奈米學位，邏輯也在這裡。他講了兩個洞察： - 傳統大學動不了。沒有“自動駕駛”這個系，機械、電子、計算機三個系的人湊到一個房間裡開會，難度極大。 - 就算頂尖大學都開了課，所有名校加起來也就幾千個學生能上，因為名校極度挑剔。 他的問題很直接：印度的人呢？中國的人呢？中東、印尼、非洲的人呢？憑什麼被排除在造自動駕駛車的技能之外？他們比我們笨嗎？比我們少什麼特權嗎？ 答案是：把技能給每一個人。如果這樣，世界上會出現一千家自動駕駛創業公司，哪怕只有 10% 成功，也有一百家，那就是一百個國家有更安全的自動駕駛車。 ## 機器學習能做和不能做的事 特龍在這裡的措辭特別謹慎，因為他說這個領域“混淆太多”。 > 機器學習今天是什麼？它是一種技術，能遍歷大規模的、有重複模式的資料集，然後把模式找出來。僅此而已。（塞巴斯蒂安·特龍） 他舉了斯坦福兩年前做的一項研究。團隊做了一個超過十二萬九千張皮膚病變照片的資料集，每一張都有活檢結果作為金標準，裡面既有黑色素瘤、癌，也有皮疹和其他皮膚問題。然後讓神經網路去找模式。 **結果是：用一部 iPhone 檢測皮膚癌，準確度和斯坦福最好的、有執業認證的皮膚科醫生相當。** 然後他立刻補了一句：這東西在“識別皮膚癌”這一件事上很強，但它不會開車。 這就是今天的人工智慧和人類智慧的差別。**人類能做很多很多種事，而且常常只需要極小的樣本；機器仍然需要非常大的、高度重複的資料集。** 好在世界上絕大多數工作本身就是重複的，所以這項技術依然會重塑人類勞動。但它不是那種萬能通用智慧，離那個東西還非常遠。 他對“人工智慧”這個名字有點意見。好萊塢把這個詞和“人類被壓制、機器優越”綁在了一起，而他認為這在他有生之年不會發生，也不是個好主意。他看到的現實是一種非常聚焦的模式識別技術。 ## 讓一個新手在第一天就成為專家 順著機器學習的邏輯，特龍給了一個整場訪談裡最有分量的推論。 任何領域成為專家大約需要一萬小時。醫生、律師、好司機，都要熬。而現在機器可以觀察專家、從專家身上抽取規則，然後把這種能力交給一個剛入行的新人。 > 想想這意味著什麼。如果給你看病的醫生才剛開始累積那一萬小時，他還不是專家。誰不希望給自己看病的，是世界上最好的專家？現在我們可以用機器，把人類醫生在決策上的錯誤和經驗不足直接抹掉，這可能救你的命。（塞巴斯蒂安·特龍） 他還講了一個真實故事。他有個朋友叫 Ben（化名），著名風投人，去看醫生。醫生看了看一顆痣，說應該沒事。出於某種有趣的原因，醫生掏出了手機，開啟他們研究專案的那個 App，App 說：不，這是黑色素瘤。 醫生謹慎起見做了活檢。結果回來，確實是黑色素瘤，隨後切除了。 特龍補了背景：**黑色素瘤從零期到四期，可能不到一年。零期基本用菜刀切掉就沒事；四期意味著五年存活率低於 20%。** 他還講了癌症為什麼可怕。很多癌症早期很容易治，問題在於早期沒有症狀。胰腺癌、膽囊癌的第一個症狀可能是頭痛，等你因為頭痛或背痛去看醫生、做了影像檢查，往往已經是四期以後，存活率掉到個位數。 所以他的設想是：讓人們能定期檢查自己的身體，哪怕只是在洗澡的時候，不需要醫生在場。他自己也承認這聽起來有點瘮人，但如果能做到，可能救下幾百萬條命。 ## 十萬個獎學金和埃及的一千一百名高中生 關於“AI 會不會讓人失業”，特龍的回答是“擔心的人請來 Udacity”。 他給了幾個數字：**超過 50% 的畢業生在結課後找到了新工作，學費上限大約一千五百美元。**他們跟美國政府合作，推出了十萬個獎學金的計劃，覆蓋從入門級數字營銷到高階自動駕駛工程的課程。 他說這事跟白宮合作，是因為它跨黨派。想讓美國重新偉大，就必須對教育和技能保持主動。他還改寫了“美國夢”：過去是把孩子送進大學，現在得高效地把自己送進大學，擠晚上時間，什麼年齡都行。**他們的學員年齡從 11 歲到 80 歲。** 他去德國坐火車，鄰座的人就是他的學生。 Udacity 現在在某些國家幾乎成了預設選項，多數在中東。埃及剛結了一批：**一千一百名高中生，程式設計能力達到了電腦科學本科生的水平，畢業率 95%。**全部線上完成，難度不小。 他把願景說得很直白：教育應該是一項基本人權。不應該被鎖在象牙塔裡，只對有錢人開放，只對能靠父母行賄進系統的人開放，只對年輕人開放，只對特定人群、特定地區、甚至特定種族開放。 ## 為什麼 Udacity 要開始教共情 主持人問他現在最興奮的課程是什麼。 他說是一個還沒上線的專案。Udacity 一直聚焦硬技能：程式設計、數學、工程、設計。但跟企業夥伴和學員聊下來，軟技能的需求非常普遍：怎麼在工作中行事，怎麼培養共情，怎麼在團隊裡協作，管理的基本功是什麼，怎麼做時間管理，怎麼在一個更大的共同體裡推進自己的職業生涯。 > 這些我們做得不好，Udacity 做得不好。而且大多數大學做得更差，因為我們太痴迷於個人考試分數，對團隊協作幾乎不投入注意力。我們教技術技能，學員會很強。但如果我們教共情，可能產生同樣的影響。（塞巴斯蒂安·特龍） 主持人開玩笑說這比自動駕駛還難。特龍不同意，他覺得規則其實很簡單，你只要真的想投入就行。他把問題歸到 K12 教育上：我們教孩子去拿最高的數學分，一個理性的人會順著推演出“數學最好、英語最好，就能成為最好的領導者”，但這是錯的。 他說，招一個數學很強的人很容易，你得證明自己；招一個有共情能力的人難得多。但我們生活在一個富裕社會里，每天都要跟別人打交道，這是美好之處，不是麻煩。練出這塊肌肉，在工作裡幫別人把事做成，人會非常成功。 ## 38 分貝的飛行器 1903 年，萊特兄弟在 Kitty Hawk 完成人類第一次動力飛行。特龍的公司用了同一個名字。 他先糾正了一個說法：這些不是車，沒有輪子，更像直升機，垂直起飛、水平飛行。但有兩處關鍵不同。 **第一，安靜得多。**他們釋出的 Heaviside 專案飛行器，從你頭頂飛過的高度和直升機一樣，但你基本聽不見，大約 38 分貝，大致相當於圖書館裡的聲音。戶外環境噪音更高，就更聽不到了。 **第二，便宜得多。**直升機貴有很多原因，其中一個是單點失效太多。他講了一個詞：*Jesus bolt*，耶穌螺栓，就是旋翼和旋翼軸之間的那根螺栓。為什麼叫這個名字？因為它斷了你就死了，直升機上沒有第二個方案。 改成電驅動之後，一個大電機可以拆成很多個小電機。Heaviside 有八個旋翼，掉一個還剩七個，照樣起飛，跟之前一樣。 還有就是不需要商業飛行員。在他看來，**空中飛行其實比地面交通更容易。**地面世界滿是孩子、腳踏車、其他車、郵箱、路緣、灌木。飛過樓頂和樹線之上，那裡什麼都沒有。 > 你現在就可以做個測試，看看窗外，數一數天上有多少東西在飛。如果你能數出兩個以上，我會很驚訝，多半是零。在灣區我最多見過六七個，也許十五二十，但絕不會是一萬。天空非常遼闊、空曠、自由。（塞巴斯蒂安·特龍） Heaviside 的指標：航程 100 英里，留 30% 電量儲備，最高時速約 180 英里。 按美國人口普查的資料推算，這種方案規模化之後，地面通勤速度會快十倍。每年花在路上的大幾百小時，可以壓縮到原來的十分之一左右。 他的原話是：誰不討厭堵車？給我找一個不討厭堵車的人出來。 ## 把 101 高速垂直疊一百層要花多少錢 主持人問，未來會不會有成千上萬、甚至幾十萬架無人機和飛行汽車填滿天空。 特龍說必須相信這會發生。社會接受度是大問題，安全也是，但他認為安全可以參照商業航空已經走過的路。噪聲是關鍵，所以他們才死磕降噪。 他給了一個很妙的類比，說明天空為什麼和地面完全不同： > 你想在舊金山把 101 高速變成一百條垂直車道。那你算算，把一百條車道物理疊在 101 上要花多少錢。那會花掉全球一整年的 GDP，就為了一條高速。但在天上，這些車道全是虛擬的，只是一段軟體。任何一輛車跟另一輛車有衝突，換個高度就完事了。（塞巴斯蒂安·特龍） 他說這不是想象，商業航空現在就是這麼執行的。從紐約飛舊金山，和從舊金山飛紐約，兩架飛機飛在不同高度，所以不會撞上。這個問題在噴氣機領域早就解決了，在城市空域也只是一個軟體問題。 至於空管，他覺得現在的模式過於古老。一個管制員同一頻率上最多管二十架飛機，所以可以靠語音對話。但如果空域裡有兩萬個目標，你沒法跟每個人說話。 解決方案是數字化，像發簡訊一樣。**世界上有四五十億部智慧手機，全部聯網，全部能被定位，全部極其可靠。**用的還是同一套邏輯：把空域座標數字化傳輸，而不是靠一個飛行員在對話中途被通知“換頻率”。這套系統天然能擴充套件到一萬架、十萬架。 ## 他不希望你的冰箱愛上洗碗機 主持人問了一個更軟的問題：我們會不會造出一個人可以愛、也會愛回來的系統，像電影《她》那樣。 特龍的回答非常乾脆。**他說自己是實用主義者，AI 就是工具，像一把鏟子。使用鏟子的倫理，永遠在使用鏟子的人身上。** > 我可不想走進廚房，發現冰箱把我的食物全弄壞了，然後跟我解釋它愛上了洗碗機，而洗碗機對它不夠好，所以它忽視了我。那就是一次糟糕的體驗，一個糟糕的產品，我不會把這種冰箱推薦給朋友。技術必須可靠、必須可預測。我要我的車能工作，我不想愛上我的車。（塞巴斯蒂安·特龍） 他接著說了一句整場訪談裡最漂亮的話：**我要機器補足我，而不是替代我。** 他的論證是：他今天已經是個“超人”了，靠的就是身邊的機器。 > 我今天可以在三萬六千英尺的高空、以接近音速橫跨大西洋，這挺神奇的。我現在說話，聲音能一路傳到澳大利亞，而且是光速，不是音速。音速要花好幾個小時，光速是瞬間。這讓我成為超人。我甚至會說，我的抽水馬桶也讓我成為超人。想想沒有抽水馬桶的年代，你可以問問家裡很年長的長輩，或者去一趟印度的農村體驗一下。（塞巴斯蒂安·特龍） 所以在他看來，“愛”和“同情”這些詞用在機器上沒什麼意思。他的興趣在人身上。 不過主持人追問得妙：那愛和同情在我們的工具裡，有沒有用處？ 特龍在這裡鬆了一點口。他說愛是個美麗的人類概念，如果把愛拆開看，它是一種傳遞安全、傳遞信任的手段。而信任在技術裡同樣是剛需，不只是人與人之間才需要。人類互動中那些標準、感受、情緒，也許有基因的成分，也許是後天演化的，作用都是讓對方感受到信任、安全、熱情、投入、愛和專注，這些構成了人類社會的織物。 他說自己是個大粉絲：想被愛，想被信任，想被欣賞。但他不會把這一整套東西盲目複製到機器上。 ## 會扇翅膀的人大多沒活下來 為什麼不該照抄自然？他給了一個特別有說服力的類比。 到 19 世紀末為止，幾乎所有的交通都靠腿，一條腿、兩條腿、一千條腿，你會自然得出結論：靠腿移動才是對的。唯一的例外是會扇翅膀的鳥。 > 事實上，航空史上有不少人真的在胳膊上綁了翅膀從懸崖上跳下去。他們大多沒能活下來。（塞巴斯蒂安·特龍） 而技術給出的答案完全不同。車輪在生物界極其罕見，生物體裡幾乎沒有持續旋轉的部件，可工程上造車輪太容易。車輪催生了汽車，同樣的旋轉原理也催生了航空：**天上飛的東西，沒有一樣不帶旋轉部件的，噴氣發動機也好，直升機旋翼也好。 所以他認為，如果一個人真信了“農業革命的解決方案是一個人形機器人”，那到今天還在等。 ## 他為什麼會笑 主持人最後問了一個關於人的問題：在這麼多混亂、這麼重的活裡，那種笑、那種幽默、那種輕盈是從哪兒來的？ > 我就是愛我的生活。我愛我身邊的人。我就是特別高興自己活著。我今年 52 歲，很多人說五十幾歲是個坎，我反而覺得越來越好。（塞巴斯蒂安·特龍） 他給的理由帶著一種歷史感。人類大概有三十萬年曆史，除了最近這一小段，預期壽命大概在三十歲上下。按那個標準，他早就該死了。 > 這讓我享受每一天，因為我不配得到這些。為什麼我生在這個年代，而我的那麼多祖先死於可怕的方式？饑荒，席捲歐洲上千年的戰爭，大部分在二戰之後才消失。那時候美國人和盟國做了一件了不起的事，交給了一個並不配得到這份禮物的國家。德國今天這麼好。（塞巴斯蒂安·特龍） 他說，如果能每天感受到這一點，那你會覺得我們能做成的事多到不可思議。我們生活的世界每天都在鉅變，你珍視的幾乎一切東西，智慧手機、抽水馬桶、新衣服、手錶、飛機、青黴素、麻醉手術，青黴素都是最近一百五十年才有的。 他把這一百五十年追溯到古騰堡和印刷機。資訊傳播效率一旦提高，接下來就是農業革命、氮肥、農業產出暴漲，人不用再困在農田裡，於是開始讀寫，於是出現了今天這些職業：飛行員、按摩師、軟體工程師。 ## 那個救了二十億人、卻沒人記得名字的人 他推薦了一本書，史蒂芬·平克的《當下的啟蒙》（Enlightenment Now）。他說也許這是他唯一想推薦的一本書。 書裡有個問題：如果 20 世紀只允許留下一篇論文，那應該是哪一篇？平克的答案是弗裡茨·哈伯（Fritz Haber）關於合成氨的研究。特龍說他自己之前完全沒聽過這個名字。 哈伯的合成氨，加上更早的灌溉技術，讓農業用地的產出提高了大約 26 倍，也就是 2500%。 > 平克認為，這項發明今天養活了超過二十億人。二十億本來會死的人，因為這個人的工作而活著。想想這個影響對社會意味著什麼。（塞巴斯蒂安·特龍） 他說這就是他看世界的方式。活著本身就值得驚歎，而他很高興自己生在這之後，而不是之前。 訪談到這裡收尾。特龍最後留下的一句話，恰好是整場對話的方法論總結： > 慶祝失敗和慶祝成功一樣重要。如果你能很好地慶祝失敗，如果你能說出“我試過了，我錯了，但我學到了東西”，你會發現自己不再恐懼。而恐懼消失的時候，你就能推動世界。（塞巴斯蒂安·特龍） ## 這場對話裡可以立刻用上的東西 特龍講的東西跨度很大，從斯坦福的車庫到埃及的高中課堂，但剝掉具體領域，剩下的是幾套可以直接搬走的做法。 - 刻意挑一個你不擅長的問題。**他的判斷標準是：如果這份工作你已經做得好，你從中學到新東西的機率會顯著下降。下次選專案的時候，問自己一句“我在這裡是專家還是新手”，答案如果是前者，慎重。 - **提前一個月凍結。**任何有硬截止時間的專案，把“完工”的日期定在截止日之前，然後把剩下那段時間全部用來搖晃系統。創新專案最常見的死法不是能力不夠，是所有人都知道還剩一個沒修的 bug，卻沒人騰出手。 - **每天攻擊最弱的一環。**不要平均用力。找出現在整套系統裡最脆的那一塊，修它，然後再找下一塊。這個方法在 Stanley 身上救過一次命（鐵軌被認成護欄），在任何工程團隊裡都通用。 - **把“讓人發光”當成管理工作本身。**教授的邏輯可以直接搬到帶團隊：你的產出不是你做的活，是你的學生、你的下屬看起來有多強。他們變強了，功勞會自動跑到你頭上，而且是你其實不太配得到的那部分。 - **用“意圖 vs 行為”這個框架做反饋。**先肯定對方的本意，再描述他行為的實際效果，最後問一句“你意識到了嗎”。特龍的說法是，幾乎所有人聽完都會說謝謝，因為他們本來就不想看起來像個傻子。 - **別把機器學習當成萬能智慧。**它今天做的事是：從大規模重複資料裡抽模式。判斷一個場景能不能用，就問兩個問題：資料量夠不夠大，模式夠不夠重複。皮膚癌影象夠，通用駕駛不夠。 - **把技能當成可以外送的資產。**一門課的價值不只是教會幾千個名校生，而是讓一百個國家的人都能造車。如果你的知識只在小圈子裡流動，它的槓桿率被嚴重低估了。 - **聽見別人的問題，然後解決它。**施瓦茨曼那句話值得抄下來貼在顯示器上：願意真正聽別人說自己在難什麼的人，少得驚人。而這幾乎是最省力的價值創造方式。 - **給自己一個不恐懼的理由。**特龍 52 歲還能笑得那麼開，不是因為順利，是因為他算過一筆賬：按人類歷史的平均值，他早該死了。這筆賬算清楚，很多焦慮會自動縮小。 最後補一句他反覆提到的框架，我覺得比任何技術細節都耐用：**我們用自己的意圖評判自己，用別人的行為評判別人。**把這句反過來用在自己身上，你會發現自己也有不少行為沒跟上意圖；用在別人身上，你會發現那些讓你惱火的人，多半隻是不知道怎麼做而已。