Teaching AI to Understand the Physical World, with Dr. Fei-Fei Li of World Labs
35:53 Share

在本期《No Priors》节目中，Sarah和Elad邀请到了AI先驱、斯坦福大学以人为本的AI研究所联席主任、World Labs创始人李飞飞博士。李飞飞分享了她为何致力于将具身认知和智能结合起来，以及当今的AI系统还缺失什么。从ImageNet的早期到她对下一代机器人的愿景，她阐述了World Labs背后的人文和技术动机。他们还讨论了3D世界建模的挑战、她组建优秀团队的方法，以及是什么样的特质使她的学生，例如Andrej Karpathy，取得了重大突破。

0:00 李飞飞博士正在构建什么以及为什么 3:00 World Labs的World Models 6:44 AI未来缺失的环节 9:16 机器人和物理智能 16:15 3D建模的最大挑战 19:08 李飞飞博士在ImageNet上的博士研究 23:05 李博士职业生涯中的特殊时刻 29:33 组建团队 32:05 以人为本的AI</context> <raw_text>0 嗨，各位听众，欢迎回到《No Priors》。今天的嘉宾是李飞飞博士，她是计算机视觉和深度学习领域的先驱。她创建了ImageNet，这是一个突破性的数据集，帮助引发了深度学习革命。李飞飞是斯坦福大学的教授，也是斯坦福大学以人为本的AI研究所的联席主任。

她还在谷歌云领导AI工作，为国际政策制定者提供建议，最近还与人共同创立了World Labs，这是一家致力于开发空间智能AI的公司。李飞飞，感谢你今天加入我们。好的，感谢你们的邀请，这将会很有趣。你在过去的二十年里为科学和政策做出了非凡的贡献。我先问一个最大的问题，为什么现在要创办公司？因为在我的内心深处，我渴望创造。

我认为这是一个如此关键、有趣和令人兴奋的时刻，可以构建一些每个人都能使用的非凡技术。我非常相信空间智能以及能够赋能许多人和许多用例的3D世界模型。我认为这仅仅是……

将会非常令人兴奋。我可以和一群极其聪明的年轻技术专家一起做到这一点。我想回到你与之合作的人，因为我认识你的一些联合创始人，并且曾经试图拼命说服他们一段时间前创办一家公司。然后他们说，哦，不，我们现在和李飞飞一起有一个更大的使命。什么是空间智能？你能为更广泛的受众定义一下吗？

对我来说，空间智能是理解、推理、交互和生成3D世界的能力，因为我们的世界从根本上来说，无论你怎么说我们都能预测它，从根本上来说是3D的。它是3D的，因为物理上它是3D的。在数字上，如果存在一个

真实的3D表示，那么我们可以更容易地实现很多事情，无论是设计还是创作、导航还是模拟，甚至是AR、VR的体验。所有这些，在我看来，都是空间智能的一部分。再说一次，我认为真正让我兴奋的是人类拥有空间智能。我们是，它是我们

核心智能能力的一部分。动物也具有空间智能。进化的整个历程也与空间智能的进化紧密相连。所以它是如此的基础

没有空间智能，AI将是不完整的。这如何转化到你公司正在做的事情上？或者你能分享一些关于这对你正在构建的东西意味着什么的信息吗？是的，我们正在解决AI中最棘手的问题之一，那就是实际上创建从根本上来说是3D的世界模型。因为一旦你能……

解决这个问题，你就可以解锁许多空间智能问题。据我们所知，我们是第一家解决3D生成基础模型问题的公司。我有很多问题，但既然你

将此首先描述为，你知道，3D对于理解世界至关重要。这是否意味着你认为World Labs将创建的世界模型或学术界或公司中的其他人将创建的世界模型，将来有一天会像，你知道，现实地准确，像代表物理学并理解世界，我们可以用它做更多的事情？

是的，它应该如此。它应该现实地准确或合理。所以你可以创造一个虚幻的世界，但它应该是合理的，因为它的几何形状和物理特性需要是合理的。

这是空间智能的基础。这是否意味着你从神经科学的角度有特定的观点，例如，你知道，视觉的重要性……我的意思是，你一直是……

计算机视觉的领导者，对吧？但在视觉智能与大型语言模型和文本智能相比有多重要方面。我确实有。我认为从神经和认知科学的角度来看，空间智能是一个非常困难的问题，进化必须为动物解决这个问题。

真正有趣的是，我认为动物在某种程度上已经解决了这个问题，但并没有完全解决。这是一个最困难的问题之一，因为动物必须解决什么问题？动物必须进化出收集光线的能力，我们主要称之为眼睛。

然后，通过对眼睛的收集，它必须以某种方式在它们的大脑中重建一个3D世界，以便它们可以导航并可以做事情。当然，它们可以互动。对于人类来说，我们是操控能力最强的动物。我们可以做很多事情。所有这些都是空间智能。对我来说，这只是根植于我们的智慧。

有趣的是，即使在动物身上，它也不是一个完全解决的问题。例如，对于人类来说，对吧？如果我现在让你闭上眼睛，然后画出或建立你周围环境的3D模型，这并不容易。我们没有那么大的能力来生成图像。

极其复杂的3D模型，直到我们接受训练。我们中的一些人，无论是建筑师、设计师还是只是经过大量训练和拥有很多天赋的人。这是一件很难做到的事情。想象一下，你更容易地用指尖做到这一点，并允许更多

更流畅的交互性和可编辑性，这将为人们创造一个完全不同的世界，并非玩文字游戏。除了空间智能之外，还有哪些其他重要领域你认为从模型的角度来看还没有得到充分发展，或者你认为在构建这种AI未来的过程中，我们应该随着时间的推移关注哪些其他缺失的环节，或者人们应该构建哪些其他缺失的环节。我只是想知道，除了3D和世界生成以及其他类似的大问题之外，因为感觉我们已经解决了一些大问题，而另一些问题我们还在努力解决。我们快要解决语言问题了。我认为语言在很大程度上已经解决了。

而对我来说，3D与语言一样重要和困难。那么这还能解决什么问题呢？我的意思是，整个情绪智能领域是我甚至不知道该如何开始解决的问题。我知道很多人没有解决这个问题。这就是AGI实现的时候。是的，这是另一个。

我可以告诉你，这方面的训练数据不会来自硅谷人士。不要低估硅谷。我会把自己归入这一类，但我认为我们可能需要更广泛的人群。是的，我同意。但这是三个……

三个大方面。说实话，我不知道。伊兰和莎拉，你们怎么看？我认为这很大程度上取决于你在每个模型中包含什么。因此，我同意你的框架，就这三个方面而言。然后，某些事情，例如空间智能，我假设也涉及到不同类型的物理模拟和世界模拟。我认为很多人没有从事这些领域的研究，但我认为这些领域非常有趣或重要。所以

这方面有宏观和微观尺度。微观尺度最终会变成材料科学以及与你所谈论的内容非常不同的其他类型的事情，其中更多的是分子建模或，是的。对。还有一些人走出了当前对AI的定义，我认为他们将被赋能。当然，还有机器人技术，但机器人技术在很大程度上是一个系统集成问题，即使你观察动物，它也不仅仅是机器人。

大脑中的计算本身，对吧？是的，这些东西似乎在空间智能方面比动物拥有的特定系统更分散。在某些情况下，正如你所说，它不像人们想象的那样集中。因此，开始考虑在整个有机体中更分散的智能模型非常有趣。

与CNS相比。但是是的，我认为这是非常有趣的东西。李飞飞，你也在机器人和物理智能领域做过研究。我认为机器人基础模型和驱动的数据层次结构是人们想要使用的，当然，是视频。

对吧？因为这是我们可用的。关于模拟以及今天你能从中获得多少信息，这是一个很大的问题。也许人们没有看到未来将向我们提供的质量和物理特性。

然后是接近具身的，例如不同形式的遥操作，然后是具身数据收集。这是你脑海中的层次结构吗？或者你认为人们低估了未来模拟和世界模型的重要性？是的，这是一个很好的问题。首先，就像你说的那样，我确实从事机器人技术的研究，尤其是在斯坦福大学的实验室里。我毫不怀疑，人类将进入一个与机器人共存的时代。而且世界……

世界机器人本身并非人形机器人。机器人采用各种形状和形式。实际上，几年前，我的实验室撰写了一篇非常有趣的论文，关于形态智能，其中机器人的形态

智能体实际上可以通过优化它们试图实现的任务来改变。所以我们应该比人形机器人更有想象力。话虽如此，如何训练机器人，你提到了所有这些数据，有些人称之为数据金字塔或数据蛋糕等等。我同意。我认为这将是许多不同形式数据的混合体。我还认为模拟很重要

被低估了。实际上，许多专家和该领域的专业人士并没有低估它。如果你看看许多机器人公司，他们正在研究模拟和合成数据。我还认为我们还必须意识到，与语言模型甚至与空间智能基础模型不同，机器人技术是一个

高度多模态的系统，我认为在我看来，真正被低估的是触觉。

如果我们想进行操作，而不仅仅是导航，那么有很多东西，尤其是在我们想进行操作的情况下。我认为触觉数据以及将触觉真正整合到视觉、感知和空间数据中的能力绝对至关重要。你说的有一点我觉得非常有趣，那就是有多少不同的，机器人可能采用的不同形态形式？关于未来的潜力，人们提出了两种相反的论点。

一个论点是，从供应链的角度来看，以及管理制造的构建和规模，你将拥有更少的形状因素。另一个论点是专业化的经济价值非常高。

因此，随着我们转向机器人驱动的未来，将会有成千上万种不同的形状因素。你对我们最终在这两种观点之间可能落在哪里有什么看法吗？我认为我们将梯度下降到生产力和效率的优化。我的假设是，不同任务的要求是如此之大，以至于拥有很少的形状或坚持一种形状是不可能的。

能源效率低下。许多任务可以通过更高效的形状因素来完成，也应该通过更高效的形状因素来完成。只是一个极端且微不足道的例子

如果我们将机器人放在水下，它们不应该呈人形。它们最好呈鱼形，对吧？想想能源效率。飞行也是如此。我认为人形……我们的飞机正变得越来越像机器人。所以……

我认为会有多样性。机器人技术是未来的一种潜在应用。你首先是一位科学家，但你也参与了推特董事会，参与了初创企业。你能想象一下，生成3D世界的近期商业应用有哪些？我相信创造力是一个非常令人兴奋的领域，人类可以通过AI和空间智能获得超级能力

我在这里与软件工程作一个类比。如果你看看当今LLM在软件工程中的成功，包括Cursor和Windsurf等应用程序，你会看到的是

AI和人类之间并没有太多合作。然后合作出现在不同技能水平上等等。我认为创造力将是类似的，那就是无论我们谈论的是设计师、3D艺术家、VFX，

艺术家，甚至是营销人才和游戏开发者，在设计和创建3D空间方面都有很大的需求。即使对于训练有素、技术娴熟的人来说，这也是一个非常困难的问题，如果我们做得对，那么拥有一个合作者将非常有趣。

所以我认为创造力是一个非常令人兴奋的领域。我还认为，我们对元宇宙或AR、VR的许多期待，是内容创作。我理解硬件本身需要继续发展，但我认为软件，我们正在寻找内容创作，这自然而然地适合内容。

3D建模和3D或生成式空间模型。这是另一个值得研究的有趣领域。你对世界模型是否是更通用智能体的可扩展RL的有趣答案有什么强烈的观点吗？我确实认为这就像我说的那样，没有空间智能，AI是不完整的，因为

人类在3D世界中互动，在数字世界中，我们需要各种互动。以设计为例。它很深入，你知道，它有……

当我们考虑设计时，我们在脑海中优化了很多东西，无论是美观、效率、优化还是其他任何东西。这非常自然地适合RL设置。在尝试走上设计和训练世界模型的道路时，最大的挑战是什么？我想其中一个挑战是

就像你研究过图像，研究过视频，但我们有图像，我们有视频，我们没有很多，你知道，像我假设你正在构建的格式那样的3D世界。是的，数据绝对是一个挑战。你完全正确。你知道，要创建世界模型、3D基础模型，我们需要越来越复杂的数据工程、数据采集、数据处理和数据合成。所以，是的。

我羡慕我的NLP LLM同事，他们的数据在互联网上如此丰富，而我们不一定有这种奢侈。所以这绝对是一个挑战。另一个挑战是3D，这有点讽刺，对吧？我们每个人每天都在使用3D。

在许多环境中，基本上你睁开眼睛，你体验到的整个生活都是3D的。好的。即使我们一直在电脑上打字或盯着屏幕看。然而，与语言相比，它仍然不是一个容易交付到人们手中的形状因素。语言太容易了。它也是一种非常活跃的形式。

形式，它不是被动的观看消费。没有人醒来后说，我只是要坐在这里看3D，你知道吗？这给产品化以及如何以正确的方式进行产品化带来了挑战。你玩过《第二人生》吗？

我不是游戏玩家，但我孩子喜欢《我的世界》。我想问你，你是否想体验或想象一个世界。莎拉，这是一个很好的问题。你知道，我喜欢看到我从未见过的世界。例如，像放大和放大到微观世界，或者，你知道，去……

发动机的内部，知道发动机的实际情况。我知道，当然，我从理论上知道它是如何工作的，但亲眼看到它，体验它，甚至你可能会嘲笑这一点，我想进入洗碗机，体验一下那是什么感觉。如果我们

设法创造了任何东西的世界模型，所有这些都可以以虚拟的方式完成。好的。我认为我和伊兰都想谈谈你过去的职业生涯，以及对任何从事研究或试图在AI领域产生影响的人的一些见解。在此之前，我问安德烈·卡帕西我应该问你什么。他说，你知道，

所以李飞飞对雄心壮志和对数据的思考真的很神奇。你应该问她关于她的博士学位以及与皮耶特罗一起创建那个101数据集的事情，因为这很有启发性。所以我必须问你关于这件事。首先，我必须说，当你还是学生的时候，这总是最棒的事情……

比你能做的更出名，取得的成就也更多。这让我非常自豪。非常为安德烈感到自豪。我很惊讶他还记得我的博士论文工作。是的，这是真的。嗯，天哪，这可以追溯到2003年左右，世界

刚刚开始接触互联网，数据并不是什么大不了的事情。但是做计算机视觉，我们，我的博士论文工作实际上是试图让物体识别工作。这就是在你看到图片时识别猫、狗、微波炉和椅子等物体的问题。而且……

我们开始假设数据很重要，但我们不知道。没有缩放定律。我们不知道，你知道，数据能走多远。我们只想要一个机器学习算法，无论是当时的非常流行的神经网络还是贝叶斯网络，或者支持向量机，我们都需要一些数据来训练。而且没有数据可以训练。作为一名博士生，你想，你知道，毕业

皮耶特罗说，好吧，李飞飞，整理一个数据集。我在想，是的，我确实需要整理一个数据集，因为现有的每个数据集都太小了。我只是不相信。皮耶特罗和我只是在谈论，你知道，15件不同的事情或30件不同的事情。然后上帝保佑，博士生导师设定了一个三位数的数字100。我说，

你知道，这是一项艰巨的工作，但在我内心深处，我知道从数学的角度来看，他是对的，即推动模型进行泛化。我们至少需要足够的数据。所以，你知道，我在我的书《我所看到的世界》中写过这个过程，

我不知何故偶然发现了一本词典，这实际上是为了我自己的英语学习，那本词典，如果我没记错的话，我认为是韦氏词典。它只是随机地

对一些词语的视觉描述。说实话，我甚至不知道它们遵循什么规则。有些是花，有些是自行车，有些是狗。我说，好吧，这实际上是，你可以称之为作弊或工具。我抓取了其中101个词。这确实让我的博士生导师有点忍俊不禁，因为他就像，啊，是的，你只是想

比我要求的多一个，你知道，敢于挑战我。所以我做了。我必须说，我还记得我下载了或者，你知道，尝试了，你知道，从谷歌，谷歌当时还很新。而且谷歌图片搜索当时非常糟糕，你知道，与今天相比。我不得不做很多清理工作。在某个时候，我变得非常绝望。我只是让我妈妈来清理，清理，清理，

图像清理，因为我在电脑上写了一个小界面。她不懂电脑，但她至少知道点击，点击。所以她帮我做了一些这样的事情。我的意思是，你在AI领域拥有最著名的职业生涯之一。正如你所说，你的许多学生也同样在该领域、行业和世界各地取得了非常大的成就。

你对你的职业生涯至今有什么想法？显然，还有很多职业生涯要走，但我只是很好奇。我的意思是，显然，你在各种方面都做了很多事情，例如各种与图像和视觉识别相关的系统，但我只是很好奇，就像你思考一样。

回顾过去的20年，最突出的是什么？鉴于你所做的一切。哦，谢谢你问这个问题。当然，ImageNet是其中之一……ImageNet包含从早期的挣扎到被告知我不会获得终身教职的多个时刻……

到意识到亚马逊Mechanical Turk来解救的时刻，再到AlexNet获胜的时刻。还有几年前，我和杰夫·辛顿在多伦多参加了一个活动，他公开表示这是如此具有决定性意义。他几乎有点惊讶

道歉，那张图片并没有像神经网络那样被认可。所以这段旅程非常令人欣慰。对于科学家来说，验证并不是关于认可或奖励。这是你有所作为，就像那个猜想。

没有人相信的假设，没有人相信的假设，我们能够实现它。所以这是一个线索。为了确保任何不熟悉它的商界人士都能理解，ImageNet是一个大型数据集，包含数百万张跨越数千个类别的标记图像，而不仅仅是101张，对吧？1500万张标记图像。

1500万张标记图像。谢谢你，李飞飞。你知道，这导致了深度学习的惊人突破，特别是AlexNet，以及计算机视觉领域的整体进步。是的，它推动了大量的机器视觉发展。我实际上记得在2016年或2017年，我曾经展示一张幻灯片，那是AI的历史，或者，你知道，当时是CNN和RNN，而GAN只是，你知道，正在进行。我将ImageNet和AlexNet作为，你知道，这几个非常……

少数事件中真正定义了AI进步的事件之一。显然，现在我们有了transformer作为其中的一部分，也许还有扩散模型或其他什么，但这确实是一个巨大的突破。是的，谢谢你。我非常自豪的另一个时刻实际上是安德烈和贾斯汀·约翰逊以及他们的论文。这是……

在我看来，语言和图像第一次通过字幕和书写视觉世界的故事而融合在一起，这对我来说有两个原因很重要。一个是我真的认为，我开玩笑的，在我的博士学位结束时，我认为如果我能活到100岁，

那将是我们可能能够解决的问题，那就是图片的讲故事。所以我开始了我的职业生涯，就像我的第一年助理教授一样，想着，好吧，我要做ImageNet来解决物体识别问题，然后我要

花我余生的时间来解决这个讲故事的问题。然后到安德烈，然后稍后，贾斯汀·约翰逊进入我的实验室的时候，大约是20，嗯，

13、20、14，深度学习的开始。然后突然之间，当时的顺序模型的组合是LSTM。它不是transformer模型，而是LSTM和CNN刚刚打开了图像字幕

安德烈和我一起做的工作是第一个与谷歌一起推出的。这对我来说真的，我几乎有了，这让我非常自豪。我几乎经历了一次危机，那就是，我接下来的70年或65年要做什么？所以看到这个领域发展得如此之快，这真的令人兴奋。

我能再问你一个关于这个问题的问题吗？只是因为你，嗯，

你知道，取得了如此惊人的进步，非常高效，对吧？就像我和你之前私下谈过一样，你认为对于AI研究来说，除了非常大型的资助企业实验室之外，拥有雄心壮志和创造力非常重要。而且，你知道，你指出了几个时刻，它们来自

学术界的创造力和研究。你对人们是否还有机会做到这一点有什么建议？或者，你知道，从这里开始，一切都只是100亿美元的训练运行。我的唯一建议，我仍然在我的喜剧中，在我的实验室里这么说，那就是要无所畏惧。

我认为科学家、技术人员和企业家必须无所畏惧。你知道，最终你必须弄清楚，你需要100亿美元的运行吗？或者你来找莎拉寻求资金。可能很多，但两者都有。是的。或者你必须弄清楚，你知道，我不知道，数据。有时无所畏惧是这样的……

非常有趣的位置，你有点妄想和疯狂，但有点理性大胆。它有点介于两者之间，因为如果你太理性，那就不是

你没有发现足够大的问题。但如果你完全疯狂，那么我不知道。很多事情都可能出错。所以要无所畏惧，要勇敢。对我来说，即使像我这么老，我也是这么想的。我创办了我的初创公司World Labs，这太棒了。

我想无所畏惧地解决空间智能这个问题。作为解决问题的一部分，你与世界上一些最好的AI研究人员和最好的工程师合作过。

你在公司的背景下是如何考虑这个问题的？例如，你试图雇用什么样的员工？目前是否有空缺职位？DataLay是一个很棒的团队。我只是很好奇，你想要添加什么样的员工，以及你如何随着时间的推移考虑这个问题？是的，我们有空缺职位，我们很乐意在这个时候为我们的公司招聘最好的工程师以及产品思想家。所以，如果你是一名工程师、AI研究人员或产品人才，

热衷于加入最优秀团队并解决这个问题，请加入我们。那么我们雇用谁呢？首先，我们确实在思维多样性方面招聘员工。这就是你称我们为AI公司的地方，但如果你仔细观察，我们会发现

计算机图形学专家，我们有计算机视觉专家，我们有数据专家，我们有，你知道，生成式AI专家，我们有机器学习基础设施专家，我们有优化，我们有……所以实际上非常重要

聘用一群不同背景的真正有才华的人，因为像空间智能这样困难的问题不是一个同质的问题。解决这个问题需要各种背景的人才。然后我还只是，你知道，像我一样寻找无所畏惧的人。像

你知道，我们都有。你是怎么做到的？比如，你怎么判断某人是否有胆识，或者他们的思维过程中是否有胆识？这在他们的背景中。你跟他们谈谈。你可以感觉到有人无所畏惧。你知道，你可以感觉到是什么驱使着他们。你知道，你可以感觉到他们问的问题。如果他们开始问你很多关于恐惧的事情，

我不知道该如何完成这件事。我的意思是，你当然必须问这些问题，因为你想完成它。但是，如果你感觉到这是从……

害怕解决这个问题的角度出发，那么这不是无所畏惧。但那些无所畏惧的人，他们富有创造力，他们雄心勃勃，他们不害怕不确定性或未知事物。我真的很喜欢这一点。好吧，我认为很多，而且，你知道，我们试图

与无所畏惧的人做生意，并希望那些具有技术创造力的人。最后一个更广泛的问题，因为我认为你的工作的一个重要部分也是思考如何让更多的人参与到人工智能中，你知道，共同指导斯坦福以人为本的人工智能中心。你最喜欢的，如果你想象……

不要用书中的双关语，但如果你想象一下，从你最后一组预测的几年后，你对以人为本的人工智能最乐观的看法是什么？是的，谢谢你提出这个问题。事实上，这是我职业生涯中另一个让我感到非常自豪的点，那就是成立了以人为本的人工智能研究所HAI，以及持续朝着这种思维方式发展。

我想建立一个人工智能能够合作并增强人们能力的世界。我仍然相信我们的世界，我们人类的世界需要以人为本，你知道，在那里有爱、关系、

所有社区的繁荣。这些都非常重要，正义等等。这些都是非常重要的价值观。我认为任何机器，无论是人工智能、飞机还是生物技术，都不应该夺走这些。但考虑到这些关键价值观，

让人工智能增强我们的能力非常非常重要，因为有很多未解决的问题。我曾经参与的一个应用领域是医疗保健，例如在斯坦福大学，对吧？如果你从药物研发到治愈疾病来看待医疗保健，

到能够覆盖全世界所有人的诊断，到能够让全世界所有人都能获得的治疗，到整个医疗保健的交付，如何让衰老变得更好，如何照顾慢性疾病，如何应对心理健康。所有这些，我们都没有人满为患的问题。我们需要帮助。

你知道，我们缺乏科学发现。我们缺乏诊断。我们缺乏精准医疗。我们缺乏更安全、更有效的医疗保健交付和衰老帮助等等。

我相信这一点。我认为人工智能是一种帮助人们的工具。是的，我认为我和很多人都在共同投资一系列公司，我希望这些公司能够在这里发挥作用，从桥梁到开放证据到潜在证据。但正如你所说，存在着大量的各种问题。老实说，在过去十年中，我对一般技术在医疗保健中的应用一直不太乐观。

15年，但感觉这次不一样了。实际上，这对于网络来说是巨大的好处。是的，我之前确实创办了一家数字健康公司。我的希望是，最终，人们几十年来一直在谈论的许多事情将最终实现。人工智能似乎是实现这一目标的一个很好的交付机制。所以完全正确。非常感谢你，Fei-Fei。这太棒了，听到更多关于World Labs的信息也很棒。谢谢。非常感谢。谢谢你，Sarah。

在Twitter上关注我们NoPriorsPod。如果你想看到我们的脸，请订阅我们的YouTube频道。在Apple Podcasts、Spotify或你收听的任何地方关注该节目。这样你每周都会收到一集新节目。并在no-priors.com上注册电子邮件或查找每集的文字记录。