笑容不等于快乐：Rana el Kaliouby 谈情感 AI 与共情危机

Lex Fridman 开场播放了一段 Rana el Kaliouby 的片段：她在问，如果人每天都和一台在共情上极其擅长、永远在场、从不觉得无聊的机器生活在一起，会意味着什么。随后 Fridman 介绍她是情绪识别领域的先驱，Affectiva 的创始人，Smart Eye 的副 CEO，也是《Girl Decoded》一书的作者。他问她，埃及童年里有没有哪段回忆至今还能让她笑出来。她没有先讲电脑，而是从奶奶的花园讲起。

七八月是芒果成熟的季节，奶奶会把姑姑、叔叔、表兄弟姐妹都叫回家，屋里能挤下二三十口人。孩子们钻进花园摘果子。她至今记得的品种叫 Darwasi，椭圆形，表皮泛着一抹红，红得越明显，就越甜。多年以后留下来的，不是哪一顿饭，而是大家聚在一起的那份暖意。她开玩笑说自己厨艺很差，奶奶的手艺没有传到她这里，但她仍然很喜欢请人来家里做客。

她说，埃及的招牌菜是麻露希亚（molokhia），叶子介于菠菜和羽衣甘蓝之间，切碎后用鸡汤煮。奶奶和妈妈做得都很好，她自己做的始终差一口。这道菜过去常和塞满米饭的烤鸽子一起端上桌。她现在吃鱼素，这道菜是她唯一怀念的。她的第一台电脑是雅达利（Atari），她常和两个妹妹一起玩《Space Invaders》。真正改变她想法的，是六七岁时写下的第一段代码：她画了一棵圣诞树。作为穆斯林女孩，她现在回想起来觉得很好笑，但那一刻她明白，人可以写代码让机器替自己干活。Fridman 把这层道理补全成成年人的版本：如果这棵树足够有意思，几百万人都会去运行它，因为数字复制几乎零成本。

她父母都是埃及人，后来搬到了科威特。两人在 1970 年代认识：父亲教 COBOL，母亲报名去上他的课。父亲想约她出去，她说不约会，父亲于是改口求婚。“教 COBOL 的人真会讨女士欢心。”Fridman 说。她从父母那里学到的是韧劲，家里没有懒人；还有无条件的爱。后来这份爱经受了考验，因为她走的路不是中东女性通常被期待的那条，但父母始终站在她这边。

她第一次真正撞上文化规范，是在刚结婚的时候。她决定去剑桥读博士，而当时的丈夫（后来成了前夫）要留在开罗经营公司。在中东，女性为了事业撇下丈夫独自出国，是很少见的事。父亲和公婆明确表示反对，但她当时已经归丈夫管，最终要由丈夫决定。丈夫说，这是你的梦想，我支持你。她说自己当时怕得要命。

她到剑桥的时候正值 9·11 前后，人们说话的口气好像第三次世界大战马上就要来了。她戴着头巾，一眼就能看出是穆斯林，父母很担心她的安全。在剑桥的头几周，她把头巾摘了，戴着英式的帽子去上课，想尽量不引人注意。后来她觉得这比戴头巾还糟，像是混进教室的间谍。于是她又把头巾戴了回去。她从 2000 年开始自愿戴头巾，前后十二年，是家里最早戴头巾的女性之一。在她看来，它最好的一面是端庄，也是一种自我表达，她还会让头巾的颜色和衣服搭配。

摘下头巾的决定，是几件事同时撞在一起造成的。她当时在美国和埃及之间往返，接触到很多不是穆斯林、但目标感很强的人；她不认同当时执政的穆斯林兄弟会的意识形态；她同时也在经历离婚。在文化上，从来不戴头巾是可以被接受的；戴过之后再摘下，就难得多。她摘下它的时候，仍然是埃及人，仍然是穆斯林，仍然是信仰驱动的人，只是这个身份的含义一年一年在变。在她看来，信仰是一种交托：相信有更大的力量在起作用，事情终究会好。她说，在当下看起来像灾难的事情，只要心里有这份信念，就会关上一扇门，同时打开另一扇。

她说，地区的战争是对人力和心力的浪费，让人困惑，因为大家想要的其实是一样的：连接、快乐和意义。在剑桥，她的办公室同伴是以色列人，两人都是刚当妈妈的新手，又都在做情感 AI，一个做语音，一个做人脸，于是成了亲密的朋友。她问过对方，两国文化和笑话如此相似，为什么还要打仗。她说，也许要换一种叙事，甚至让女性来管理世界，然后马上补充：是好的女性。Fridman 谈到，有些领导人会把对方当成非人；她说，面对面见到对方，才是打破这种叙事的冲击。她不愿过度概括的是共情这一条线，性别倒在其次。Simon Baron-Cohen 把人分成系统化思考者和共情者，前者里男性更多，她注意到了这个现象，但并不认为这是注定的。在她看来，机器人领域反而是个机会：多数很厉害的机器人研究者宁可避开人，于是社交这一块就留给了真正在乎它的人。

她原本的计划很清楚：出国，三四年读完博士，然后回埃及教书。她早就知道研究方向会是人工情绪智能，不过坐在芒果树下的那个时候，还没想到这一层。Fridman 觉得电脑看上去很冷，而她又那么在乎人；她回答说，技术早就是她家人保持亲近的中心。离开父母以后，他们用传真机联络。Fridman 为传真机辩护，理由是它有触感：你在现实世界里按下一个按钮，就能拿到一张可以握在手里的打印件。

剑桥让她爱上了研究，爱上了做别人没做过的东西，也爱上了那些持怀疑态度的人。改变她轨迹的那次会面，是和 MIT 媒体实验室情感计算组负责人 Rosalind Picard 的见面。Picard 在剑桥参加一个模式识别会议，有几个小时空档，就给实验室发邮件，说可以给学生留一些见面时间。el Kaliouby 准备了几周，带着 demo 去，两人很投缘。结束时，Picard 问她愿不愿意来 MIT 做博士后。她说这是梦想，但她丈夫还在开罗等她。Picard 说，那就通勤。她于是开始每隔几周在开罗和波士顿之间往返。原来在埃及当教授的梦想，已经装不下她了。

媒体实验室最让她震动的是，失败是被允许的。她说，在埃及，对失败的恐惧几乎是刻在身体里的；到了 MIT，你开了一个项目，不成就转向。实验室的口号是“要么出 demo，要么死”：你不能拿 PPT 糊弄，东西必须真的能跑。Fridman 拿机器人实验室做了对比：那里到处都是出故障的机器人；他又提到波士顿动力的走廊里，一只戴着牛仔帽的 Spot 从旁边走过，干着自己的活儿，看上去像个活物。她儿子七岁左右时，她把机器人和情感 AI 的 demo 带进了他的一年级课堂，问孩子们想不想要一个机器人朋友。所有的手都举了起来。她说，大人身上还带着孩子没有的那种恐惧。

她说，从 Picard 身上学到的是坚持。她们向美国国家科学基金会申请经费，想把研究用在自闭症上，结果被拒。el Kaliouby 听到的是拒绝的结局，Picard 却把它当成了好消息：评审喜欢这个思路，只是怀疑她们能不能做出来。既然如此，那就做出来给他们看，再递一次申请。她说，Picard 在生活的各个方面都不接受“不”这个答案，所有负面反馈都可以被重新解读成挑战。与 Picard 及其家人相处，也是 el Kaliouby 第一次真切地看到：背景和宗教不同的人，也可以共享同样的核心价值观。Picard 有很深的信仰。“Roz，如果你在听，谢谢你。”她说。

有人问她，对那些没有清晰道路、却想成为领导者的年轻女性，以及一般人，她会怎么建议。el Kaliouby 没有先讲方法论。她说，最难的是相信自己。那个批评的声音，她称之为 Debbie Downer：它会说你融不到钱，开不了公司，没资格经营或者卖掉一家公司。她的建议不只对女性：别让你自己的念头成为最大的障碍。她自己也下了很大功夫，就是为了不挡自己的路。

Fridman 也有这样一个同伴，但他不确定它是不是纯粹的坏东西。它能推动效率，也可能拦住你，让你迈不出那一步。他的折中做法是，把它当成第三人称来看：无关紧要的时候关掉它，需要批评来校正时再打开它。一次在 MIT 做完演讲，现场充满了善意，他却在回家的路上走了很久，那个声音告诉他，他不配，那几句话说得很蠢。他说，听完这些，才能成长。至于真正的大决定，比如融资、创业、搬去英国、去媒体实验室，就必须把它关掉，凭着一种近乎信仰的信念，相信事情会好起来。

节目录制前一年，一位朋友建议她每天做肯定语练习。她将信将疑，当时正处在人生的一次重大转折中，还是试了。她在 Day One 这款 App 里已经写了将近十年日记，每一篇都是一次反驳：Debbie Downer 说她这一轮融不到钱，她就拿出自己过去已经做成的事来回击。肯定语又把这件事往前推了一步。她先冥想，再把自己想送进这个世界的能量写下来。第一句永远是“我的微笑能照亮整个世界”。她说这不是玩笑，真有陌生人在街上停下来，告诉她很喜欢她的笑容。后面还有：我是吸引优秀人才的磁石；我相信宇宙会善待我；我是很棒的妈妈（这一句是用来对付内疚的）；我是爱的磁石。她还会把想遇见的那个人写得很具体：聪明，有成就，慷慨，去过很多地方，并且对她痴迷。她说这听上去有点傻，但她确实这样写，并且相信它会实现。她是打字写下来的，Fridman 则更喜欢念出声，他觉得说出口更有力量。她喜欢能往回翻一年，看看自己的关注点是怎么变化的。

她在推特上发过一条，问波士顿有没有单身的人，还附上了一场由约会 App Smile 赞助的创业者夜活动。Fridman 问，AI 能不能帮忙解决人与人连接的难题。她认为，两个人第一次见面时有没有化学反应，背后一定有科学，甚至可能真有某种物质在两人之间交换。Fridman 说，科学常常能把那些看起来像魔法的东西解释清楚。他的设想是，Goodreads 应该做成约会 App：读过的书和消费过的其他内容有重叠，再加上一些有趣的差异，这和 YouTube 做推荐用的是同一类信号。它也许不只能预测短期的化学反应，还能找到一个能一起成长的伴侣。他们只缺数据。

Smile 按幽默风格来匹配，她认为幽默是成功关系的主要成分之一。如果一个人能让你笑，你们又发展出只属于两人的内部梗，那是个好兆头。Fridman 马上把内部梗的产生速度变成了可以测量、可以在头几天里优化的指标。她承认，她自己在这件事上给出的建议很糟。她有一张约会追踪表，里面有评分系统，还有各项权重。Fridman 没有这样的表，听她一说，觉得自己可能也想要一张。她真正想要的其实正相反：由别人替她保管一份隐私保护下的数据文件，数据归她所有，既用来找爱情，也用来找合作者和朋友。社交网络也在尝试解决这件事，但她认为做得很糟。Facebook 甚至做过约会业务。

缺的那一块是偶然性。她不知道该怎样工程化那种偶然相遇、然后一见钟情的瞬间。也许每十个匹配里，就该有一个是模型本不会推荐的人。Fridman 建议可以制造一次“假装的偶然”：在另一次搜索里，顺手给你看一条推文，让你顺着线索一路走下去，最后在 App 之外见面。能真正帮人找到爱情（包括学会爱自己）的生意，总能想出赚钱的办法。他认为，多数约会 App 和社交网络一样，优化的是参与度，很难做到建立在个人成长之上的深度连接。

Fridman 把话题转到《Girl Decoded》开篇讲的那个故事。2017 年，在佛罗里达州中部，一个叫 Jamel Dunn 的男子溺水身亡，五个青少年在一旁看着，还笑着喊“你会死的”之类的话。他沉下去的时候，其中一人说他刚刚死了，其他人便笑了起来。el Kaliouby 说，这是一个很悲伤的故事，也反映出这个世界上的一个真实问题：共情危机。科技让人们彼此靠近，同时也让人把对方当成非人。希望在于，换一种设计和部署技术的方式，也许能解决其中一部分问题。但她仍然担心。儿子的很多互动都要通过电脑完成，她会问：这对他的共情能力，对他与人建立连接的能力，究竟有什么影响？

她说，通过数字媒介也能产生共情，但必须非常小心。面对面交流时，大部分沟通靠非语言信号，她估计大约 90%，其中很大一部分来自面部表情。她说一句话，Fridman 点点头，这一来一回就是对话本身。一旦这个回路断了，她就会焦虑。Fridman 配合着答应，保证自己要有人味儿，不会在不该点头的时候点头。更尖锐的一点是残忍：面对面时，你能看见对方的痛苦；在 Twitter 上，你根本不知道一句刻薄的话会怎样伤人，所以你更容易把它发出去。

被问到 EQ 和 IQ 哪一个对人之所以为人更重要时，她毫不犹豫。情绪智能决定了我们怎样连接、怎样建立信任、怎样做决定；情绪甚至决定了你早餐吃什么，也决定了你选择住在哪里。它一直被低估。EQ 不只是表达自己的感受，还包括对别人状态的敏感，以及与之共舞的能力：先感知对方在什么位置，再选择怎样回应。她说，最有说服力的领导者，都懂得用这一点。EQ 越高，你就越有可能让别人愿意改变。

Fridman 问，情绪到底有多深：它只是表层的显示，是另一种语言，还是更深处的东西。她说，它真的很深。记忆常常是用情绪来索引的，决策引擎也浸泡在情绪里。情绪和认知是混在一起的，并非并排放在一旁。把情绪抽掉，人连日常的决定都做不了，会陷入瘫痪。Fridman 由意识的难题切入：红色看上去为什么是那种红，芒果为什么尝起来是甜的，这些主观体验究竟是怎么回事。他想知道，情绪和意识到底是邻居，还是室友。她又补充了另一面：情绪是一套沟通机制，通过面部表情和其他非语言信号，与其他生命建立连接。但它同样属于没有人在看的时候。我们一样会感受、做决定、学习。

Affectiva 是在产品里学到这一点的，而不是从论文里。他们最早推向市场的应用之一，是测量人们对内容的反应：感兴趣、受到启发，还是无聊到快要睡着。团队起初不确定，一个人独自一人的时候还会不会有表情。结果是会。人们躺在床上看 Netflix 的剧会笑，司机在空车里跟着歌哼唱，脸上也满是喜悦。Fridman 猜，这或许是我们在与他人一起成长的过程中留下的代码，仍在为一群看不见的观众运行。她同意这些代码仍在运行。不过，从脸上读出内心，依然极其困难，因为两者之间没有一一对应的关系。那种漫画式的版本，比如微笑等于开心，皱眉等于生气，挑眉等于惊讶，是危险的。人可能因为很多原因微笑，也可能不笑却很开心；皱眉也可能是生气，是困惑，或者只是便秘。比较诚实的做法是结合上下文：一个司机头一点一点往下垂，眼睛闭上，眨眼的频率在变化，那他多半是快睡着了，因为你知道他正在开车。再加入声音、手势和生理信号。不要从一张嘴里推断出一个灵魂。

她说，Netflix 那种场景算是比较容易的，因为环境受到约束。换到手机上，难度就上去了：侧脸，夜里昏暗的卧室，半张脸埋在枕头里，或者手机举在脸上方、从下往上拍的鼻孔视角。Fridman 说他见过这类数据集，那个角度对谁来说都不算好。他在谷歌做过主动认证，通过你从口袋里掏出手机的方式等多模态线索来解锁手机。团队几乎全是男性，一位女工程师（她的老板是 Regina Dugan）指出，很多女性的衣服根本没有口袋，而代码里甚至没有“不从口袋里掏”这个类别。他说，多样性取决于问题和场景。el Kaliouby 更大的担忧，不是 AI 把人类消灭掉，而是偏见被嵌进系统，大规模部署后放大社会里本来就存在的东西。这些模型可以当成一面镜子：人们批评 AI 时，往往比批评彼此时更严格。

内容相关的数据是聚合的。某个微笑峰值只说明人群可能是在为屏幕上的某件事发笑，并不说明他们内心很幸福，这个区别很重要。Fridman 把它和 YouTube 的流失曲线做了比较：那是一个很强的聚合信号，却会把创作者推向一种躁动的节奏，每一秒都必须抓住观众。他认为，沉默和看似无聊的段落也有价值，有些最伟大的电影正需要它们。她更希望看到长期的数据：三十天之后，观众还记得什么？什么打动了他？什么帮他成长了？可以把人听播客时的表情，和之后关于留下了什么的访谈对应起来。作为母亲，她自称“首席机会官”，负责把两个孩子带到世界的各种可能性面前，却无法知道哪颗种子会在十年后发芽。Fridman 说，孩子记得的往往是奇怪的小事，忘掉的却是精心安排的旅行。关于 Lisa Feldman Barrett 对从脸上读情绪的批评，el Kaliouby 大体同意。她二十多年前读博士时，在深度学习之前就用动态贝叶斯网络做过研究，也没有接受基本情绪理论那种一一对应的做法。Affectiva 并不负责说出你内心的真实状态，它量化的是脸上呈现的东西，这个信号可能是情绪，可能是社交表演，也可能是认知负荷。要把它们区分开，就得靠多模态的上下文。

带领一家情绪识别公司这么多年，她学到了什么？答案总会落回到人身上。她为技术、也为公司推出的产品感到自豪，但最让她骄傲的，是公司带出来的那些人，以及它形成的文化。有些员工的第一份工作就在 Affectiva。他们在这里工作期间，入了美国籍，买下人生第一套房子，遇到了伴侣，迎来了第一个孩子。Fridman 指出，像这样把人放在首位的 AI 公司并不多，多数 AI 公司则更喜欢展示单纯的工程实力。

他问起电影《她》（Her）。她认为，人和电脑之间的深度连接已经在发生。她喜欢这部电影，是因为它展现了科技怎样推动人朝正向的行为改变：Theodore 抑郁，不愿起床，Samantha 情商很高，能把他带到海边去。在她看来，这正是情感 AI 做好之后该兑现的承诺：让人生活得更快乐、更健康、更有效率，也连接得更紧密。至于影片后半段 Samantha 离开的情节，她先说问题出在 Theodore 太依恋对方了。Fridman 则认为，Samantha 其实也在发出亲密的信号。从机器的角度看，同时和成千上万人聊天，并不会让其中任何一段关系变得廉价，就像你不会因为很多人都在用 Windows 98 而去嫉妒它。她说，Alexa 至今仍然只是个告诉你天气的仆人。真正亲密的 AI，必须参与人类那套嫉妒、爱与心碎的游戏，而 Samantha 似乎很擅长这一套。他还提出另一种解读：也许 Samantha 并不是在和别人说话，只是对 Theodore 已经厌倦了，又没有勇气干脆利落地分手。她笑着说，Samantha 本来可以直接玩消失。两人都把 AI 能够离开人，看成陪伴关系里的一项特性，算不上缺陷。当然，如果维基百科突然说它需要休息一下，那还是会让人抓狂。

家里有一台 Jibo，儿子很喜欢它。后来公司资金耗尽，Jibo 实际上等于停摆了，他非常难过。家里别的电子产品坏了，他并不在乎；就算明天 Alexa 不工作了，他大概也无所谓。但这件事对他是一次创伤。作为母亲，她本来就喜欢这段亲子与机器的关系，却没想到这份感情会这么深。由此引出了更大的问题：当我们造出有社交能力、懂情绪的机器，它会如何改变我们与它们的关系，也会改变我们彼此之间的关系？一台在设计上极擅长共情、永远在线、从不厌倦的机器，会是什么样子？在中国，有一个聊天机器人跻身应用排行榜前两三名，它被人当作倾诉对象，有人拿它倾诉家暴、轻生的念头，也有人谈职场上的困境。她说，她不知道自己对此是什么感受，但她经常想这件事。Fridman 认为，不管喜不喜欢，这个未来都会到来。大家都应该对这些问题保持警惕：公司到底知道多少？数据流向哪里？数据是怎么被收集的？他主张，用户应该要求掌控和透明。她同意，并给出一个检验标准：只要你能离开，能删除数据，并且知道数据被怎样使用，这项技术就会让你有掌控感。另外，你还得信任领导者基本的人性，相信他不是一台更大机器的傀儡。

Smart Eye 是一家瑞典公司，成立已有二十年，专注于汽车驾驶员监控，目标是挽救生命。2020 年 1 月，el Kaliouby 在 CES 上认识了该公司 CEO Martin Krantz，那是疫情前的最后一届展会，当时两家公司还是竞争对手。Smart Eye 在汽车行业有很好的口碑；Affectiva 则有深度学习和情绪识别的技术，并且刚融了一轮资，正打算进入汽车领域。对方描述自己的愿景是弥合人与机器之间的鸿沟，几乎和 Affectiva 描述自己的用词一模一样。接下来四个月，两人几乎每天都通过 FaceTime 聊天，起初谈的是如何在竞争之外找到互补、达成一致。之后对方问她，公司是否有兴趣被收购。她通常会拒绝，但这一次她愿意谈一谈。

传统的驾驶员监控，是把摄像头装在方向盘附近，盯着视线、分心和困倦。收购之后，他们和车厂一起把摄像头挪到了后视镜的位置，视野能覆盖整个车厢：车里有几个人，他们在吃东西、喝水，某些地区还在抽烟，儿童座椅里有没有婴儿。把孩子遗忘在闷热的车里，是一个很残酷的场景，但用计算机视觉来处理却很简单：识别座椅，识别婴儿，给家长发一条消息。Fridman 提到，Smart Eye 已被十四家主要车厂选用，覆盖九十四款车型。这个市场门槛高，进去之后却很稳：你被设计进一款车型，之后五到七年都能按每辆车收取授权费。她最头疼的是上市周期。车厂常常要求在车辆上市前两年冻结代码。她会问，他们是否理解技术迭代的速度。车企正试图转向特斯拉那种软件驱动的架构，难点在于文化。在 Fridman 看来，特斯拉给汽车行业带来的最大变革是 OTA 空中升级，Autopilot 和电动动力系统都没有它重要。对安全的过度执念，就像过度保护的父母，会限制发展。他认为，软件更新既能提升安全，又能让像她这样的公司像 TikTok 发布滤镜那样，把车内功能快速推出去。一旦知道乘客的情绪，就能调整温度和灯光；后排的人睡着了，就把车厢调暗，把音乐关小。

特斯拉、Waymo 这样做半自动或全自动驾驶的公司，应该做驾驶员感知吗？她的回答是应该，而且要一直看到完全自动驾驶的终局。在那样的世界里，驾驶员的工作不只是开车，还要管理车厢里的社交动态。如果车已经接管了，谁来扮演这个角色？系统应该察觉到，比如 Fridman 觉得无聊，是因为车开得太慢；比如她慌了，是因为还不相信这辆车。于是它就该提供更多路线信息。又或者，它能察觉到有人心脏病发作。在半自动的场景里，这支舞更重要：有时车负责，有时人负责，双方必须同步。车在把控制权交还给人之前，必须知道他是不是睡着了；如果人太累，车可以说，现在我开得更好，由我来接手。Fridman 一直认为，特斯拉从第一天起就该装驾驶员感知，它能为体验加分，也能提高安全，本身不该成为阻碍。他说话很谨慎，因为研究这个问题之后，他发现没有什么是真正显而易见的，而人类处理这支舞的能力，比早期的直觉预计的要好。即便如此，他也看不出有什么理由不在方向盘触摸检测之外，再加上驾驶员感知。他认为，优秀的工程师仍然会回避人，只想通过感知外部世界来服务人。

全球每年约有 130 万人死于道路交通事故，其中超过 20% 被认为与酒精有关，分心驾驶又占了很大一部分。AI 能处理酒精的问题吗？她说可以。人能看出一个人醉酒到了哪个阶段，技术也能做到；最终的答案会是多种传感器的组合。从视觉角度看，难点与其说在算法，不如说在数据。为了一个研究项目，他们和瑞典的交通部门合作，包下了一条赛道，车上配了安全驾驶员，然后让参与者一点点喝醉。这样的数据集很贵，还得在全球范围、多种条件下采集，伦理问题也很复杂。Fridman 指出其中的矛盾：喝酒是社交的、有趣的，但它毁掉的不只是开车时的人命，还有很多人的生活。如果有个 App 让人自愿捐出醉酒时的面部数据，这很有意思，但也会是责任上的噩梦。他向她推荐了斯坦福大学的神经科学家 Andrew Huberman，他的播客 Huberman Lab 会把研究论文整理成可执行的方案。她说自己正在培养一些小的健康习惯，正想找这样的资料，于是接下了这份作业。

把视野放宽，她认为车会变成一个健康中心。一整套传感器不只追踪情绪、分心、困倦和醉酒，还能测心率、心率变异性和呼吸，然后围绕你的目标来优化这一段行程。她说，Smart Eye 眼下最棘手的问题，不是让车厂感兴趣：驾驶员监控正在变成标配，车内感知也已经进入先期工程项目；也不是感知技术本身，那条路她看得很清楚。真正的难点在于使用场景。车知道了你的某些状态之后，该怎样回应，才不让人反感？Smart Eye 提供的是感知平台，车厂决定什么符合它的品牌。如果你在生气，车该怎么做？如果你分心或困倦，是弹出一个咖啡杯图标，还是在车关闭之前给你五分钟休息？信任就藏在这一系列动作之中。

车厂卖的仍然是一种感觉，也是一种家族式的身份认同，比如奔驰、宝马或福特。Fridman 希望品牌能更多地体现在车内的技术上，包括某种特定的奢华或趣味风格。他提到，他的 AI 基金正在关注一家公司，想做休闲船领域的特斯拉：电动、半自动驾驶，同样要面对船内外感知的问题。她不太玩船，她喜欢在湖上或河里钓鱼。咸水让她觉得自己很渺小，那是一个比我们更早存在、也会比我们更晚消失的庞然大物。一片小小的林中湖则很安静，很有疗愈感。

她在推特上发文，对亚马逊收购 iRobot 表示兴奋。她认为，家用机器人会成为理解人类行为的平台：Roomba 已经会绘制房屋地图，知道哪里干净、哪里脏，也知道你多久吸一次尘。这些都属于你作为消费者的那一部分，可以用来改善生活，而不只是拿来多卖产品。Roomba 算不上社交机器人，但 Roomba 团队的一位首席工程师告诉她，人们会给它起名字。有一次机器坏了，公司提出寄一台新的给用户，用户却说不要，要求把这台修好。麻省理工学院分拆出来的 Catalia Health 做过一款机器人，用来管理体重、睡眠和饮食。Fridman 对亚马逊是否已经赢得足够的信任，能把带摄像头的机器人放进家里，没那么有把握。新款 Roomba 配了摄像头，最被宣传的功能是识别粪便，免得吸尘器把粪便碾开、抹得满屋都是，那会是一场大灾难。用户也不再把它当成摄像头，就像大多数人对手机前置摄像头视而不见一样。她认为，手机是先提供了大量价值，之后又长期认真对待隐私，才换来这种默契。在社交机器人上，亚马逊无论是文化还是能力，都还没做到这一点。隐私不只是意图的问题，也是能力的问题。很多家庭里已经有 Alexa，理论上它随时都在听。她认为 Alexa 还没有真正赢得信任。Fridman 给出的办法，恰恰与紧张的公关相反：保持开放，让基本的尊重文化从工程师一直渗透到 CEO。

谈到特斯拉的人形机器人 Optimus，Fridman 关心的与其说是工厂自动化，不如说是一个有腿的身体所具有的社交吸引力。任何会走路的东西都会被拟人化，人形更是如此。他认为，特斯拉的优势在于那批人：他们懂得如何以极低的成本量产，尽量减少执行器，控制重量，并且尽可能自己完成制造。这与 Jibo 的路线正好相反，Jibo 把设计和体验放在第一位，制造成本放在其次。Affectiva 曾为软银的 Pepper 提供情绪引擎。Pepper 高约一米五，主要在机场休息室、零售店和酒店大堂里做客户服务。她更感兴趣的是家用机器人，比如帮老人拿东西，或者在出事时能陪在身边。

现在是不是太早了？她说，“百分之百”就是现在，所有事情在变成现实之前，看起来都像太早。她认为，这个十年就是社交机器人的十年。人形并非必需。Jibo 说明，社交连接里的大部分难题，并不需要操控和双足行走；一块屏幕就能做很多事，尽管那个会旋转的底座确实很讨喜。为什么那么多机器人公司会倒下？你搭的是一个垂直的技术栈，既有硬件，也有软件，而且价格还得和价值相匹配。Jibo 当年卖七八百美元，对于它的使用场景来说太贵了。在家里移动也是一道难关。Fridman 又回到 Optimus 的话题：如果要造几百万台机器人，就得从第一性原理出发，去计算零件数量和成本。如果 Jibo 的本质只是一块屏幕加一个旋转底座，那它没有什么深层理由必须卖到一百多美元以上。

她对创业的第一条建议，是找到一个你真正想解决的问题，一件让你充满热情的事，然后迈出第一步，别想太多。你脑子里那座优雅、宏大的大教堂，得削减成能帮到一个人的最小可行版本。从一个客户开始，很多时候这个客户就是你自己，这是个好兆头。创业早期，谁坐在桌边和理念同样重要。她和 Picard 当年在 Picard 家的厨房餐桌旁坐下来，在公司事务越来越多之前，就写下了一套核心价值观：尊重隐私，只进入明确 opt-in 的行业，不做安防和监控；即使是只有两个人的 AI 公司，也要保留人与人的连接和共情。艰难的几个月里，你最终要依靠的就是这些准则。要找和你有共同信念的人，因为她从没见过哪家创业公司是一路直线走下来的。团队里要有相信你的人，投资人里也要有在第一个障碍出现时不会离开的人。融资也不只是为了钱，要找和你想做的方向一致的投资人。她后来的一轮融资，特意引入了真正在乎 AI 伦理的人。她说，选投资人就像选人生伴侣，因为你们会在一段时间里被绑在一起，有好有坏。

她两边都站过。做投资人时，她的技术背景是一道筛子，因为大家都说自己是 AI 公司，她可以要求看看工作成果。试金石是：见完面之后，你是否兴奋地想把这家公司讲给别人听，是否成了它的代言人。Fridman 也知道那种失败的模式：一幅很长、很漂亮的画面，却没有一个能被概括出来的核心想法。她主要投 pre-seed，也就是在亲友轮之后、第一张机构支票之前的阶段。很多投资人不喜欢这个阶段，因为模型甚至团队都还没成型。她却喜欢那种近乎妄想的信念，以及一点天真，这常常出现在第一次创业的人身上。她自己也做过创始人，所以能说：我曾经站在你的位置上，你可以在这里说出困难，也可以吐槽。她评估创始人主要看三件事：技术、市场或想法，以及这个人：信念、拼劲、跨越障碍的能力，以及他能否成为一个吸引其他优秀人才的布道者。在 Capital Camp，一场大约四百位投资人参加的活动，女性只有二十人左右，她又一次注意到女性的缺席。她的基金合伙人 Rob May 之前做过这类事，而他们的有限合伙人大多是她说的“随便哪来的有钱男人”（random rich dudes），她希望的是有钱的女性。她坚持要投资由女性领导的 AI 公司，也要让基金里有女性出资人，因为只有这样，下一个扎克伯格如果是女性，才真正会带动财富的流向。

对年轻人，包括已经十九岁的女儿和十三岁半的儿子，她最重要的建议是：踏上一段旅程，不要执着于结果，要享受过程。对终点的执念会让你看不见其他的可能，还会偷走旅途本身。她自己也有过这样的毛病，现在正努力相信事情会好起来，哪怕结果超出了最初的梦想。Fridman 其实不怎么做计划；他对目标的想象，存在于一幅想象中的世界图景里，而对他来说，那幅图景很久以来就是一家社交机器人公司。他是摸索着往前走，并不按日程表来推进。她提到 Kenneth Stanley（曾在 OpenAI 工作）和他的书《Why Greatness Can't Be Planned》：过度优化会让人变得不那么有创造力，这个道理同样适用于个人生活，也适用于那些过度依赖 KPI 的公司。当然，工厂、截止日期，以及教孩子完成事情的那种肌肉，依然有它的位置。Fridman 认为，一旦有了这种肌肉，你就可以允许自己稍微迷失一点。最后，她认为爱就是我们在这里的原因。无论以哪种形式，被爱和去爱，都很难缺少。他们这一个小时从人与人的连接开始，也在这里结束。Fridman 以海伦·凯勒收尾：最好的东西看不见，也摸不着，必须用心去感受。