读《我看见的世界：李飞飞自传》 文 / 时雨
我做 AI 产品，平时满脑子都是模型、Agent、生图效果好不好。翻开李飞飞这本自传之前，我以为会读到一个"AI 教母"的标准爽文：天才少女，一路开挂，封神。结果读完我有点破防。不是被开挂线破防，是被两样特别朴素的东西——一家干洗店，和一张被贴在会场角落、没人看的海报。我们今天敬畏的整个 AI 时代，就是从这种不起眼的地方，一寸一寸长出来的。这篇不是书评，是我作为一个 AI 从业者读完之后，最想跟你聊的几个点。
01 这本书，先把我对她的偏见打碎了
说实话，我一开始带着一个很俗的预期翻的：一个女科学家，在男人扎堆的科技圈，是怎么"杀出重围"的。她写成都童年，写过一个重男轻女的老师，那种赤裸裸的偏见；写 16 岁刚到美国，英语烂到要从头学；写父母从国内的知识分子，沦落到修相机、当收银员。但她笔下反复出现的，不是"我多惨我多强"，而是一个又一个在黑暗里朝她挥手的人——老师、导师、同行。她在书里很爱一个画面：夜里开车，车灯只能照亮前面 50 米。你看不清整条路，但你就着那 50 米一直往前开，等回头一看，已经走出去很远了。因为它太反"成功学"了。成功学告诉你要有清晰的十年规划、要看见终点。她说不用——你只要能看清眼前这 50 米，敢开，就够了。02 让我起鸡皮疙瘩的，是她"找到问题"的方式
她普林斯顿读的是物理。本科一毕业，没急着工作，也没急着读研——而是拿了个奖学金，跑去西藏研究了一年藏药。一个物理系高材生，跑去研究传统藏药。你品品这个跨度。后来她进了加州理工，跟着两位导师做博士：Pietro Perona（搞计算机视觉的工程师）和 Christof Koch（从物理学家转行的神经科学家）。她选这儿，就是冲着"既能碰神经科学、又能碰计算机"去的。科赫问过她一个问题：你要怎么向一个天生的色盲，描述什么是"红色"？你想想，这题根本没法答。红就是红，可你怎么用语言把它拆解给一个从没见过红的人？但科赫的意思是：如果有一天你真能用逻辑、用语言把"红"讲清楚，那就说明你彻底搞懂了"视觉"是怎么运作的——而搞懂了，你就能把它复刻进机器里。就是这一个问题，把她一生的研究命题钉死了：让机器像人一样"看见"。而当时全世界在认真搞"物体识别"这个方向的，不到十个人。主流觉得这事有点疯——你教机器认猫认狗认椅子，图啥？她偏偏一头扎了进去。用她自己的话说，那种感觉像小孩闯进了一个全新的游乐场，到处都是等着被挖出来的宝藏。一旦尝过，这辈子忘不掉。我做产品的人最缺的，往往不是答案，是问对问题的能力。她二十出头就锁定了自己要问的那个问题，剩下二十年都在回答它。这种"命题意识"，比聪明值钱多了。
03 ImageNet：一次几乎所有人都劝她别做的豪赌
2007 年前后，她在普林斯顿当助理教授。当时整个计算机视觉圈都在卷一件事：算法。逻辑很简单——模型不够聪明，那就把模型设计得更精巧点。她的判断是：人能认出猫，不是因为脑子里有什么绝世算法，是因为从小看过了海量的猫。那机器是不是也一样？与其死磕模型，不如先喂给它一个大到离谱、覆盖整个真实世界的图像库。她甚至从语言学的 WordNet（一个把所有词按层级归类的知识库）偷了灵感，想给"整个视觉世界"也建这么一套。最初她想雇本科生来一张张标。一算进度——按这速度，得干将近一个世纪。项目从设想阶段就差点死掉。后来转用了亚马逊的 Mechanical Turk 众包，把活拆给全世界。最终的数字现在看依然吓人：167 个国家、近 5 万名标注者、干了约两年半，标出 1500 万张图、2.2 万个类别。而且众包不是甩出去就完事，全是脏活：一张"猫"两个人扫一眼就能定，可一张迷你哈士奇的图，可能要来回验证十轮才敢确认是不是狗。万一有人为了赚钱乱标怎么办？团队干脆给标注者的行为建了一整套统计模型来兜底。这些又脏又笨的活，主要靠她两个博士生 Jia Deng 和 Olga Russakovsky 扛下来。更别提，她做这一切的时候，母亲正患着癌症。她是一边照顾病重的母亲，一边把这个被同行当成笑话的项目，硬生生做出来的。04 卧槽时刻：它当年只配贴在会场最不起眼的角落
2009 年，ImageNet 作为论文投到 CVPR——计算机视觉的顶级会议。卧槽，结果会议只给了它一个海报位（poster），连上台做口头报告（oral）的资格都没给。什么概念？就是你憋了三年的大招，到了最重要的场合，被安排在角落贴一张纸，路过的人扫一眼就走。为了拉人来看，团队印了一批带 ImageNet logo 的钢笔，站在海报旁边发笔，求人停下脚步。当时的主流态度是怀疑，甚至嘲讽。有人当面说：你连一个物体都还没识别好，搞几千几万个物体干嘛？那个年代，"更多数据能让算法更强"这个今天看天经地义的想法，被当成天真。数据不是什么"新石油"，更像没人要的边角料。落差就在这儿：一个事后被证明改变了整个 AI 走向的东西，在它最关键的诞生时刻，是被冷落的。而且翻盘也没那么快。2010 年她办了 ImageNet 挑战赛（ILSVRC）想给数据集打名气，结果第一届冠军用的还是传统的 SVM 算法——恰恰是她认为根本驾驭不了 ImageNet 的那一类方法。这就是我觉得这本书最该被打工人读的地方：你判断对了方向，不代表市场会立刻给你掌声。中间那段没人信、自己都开始怀疑的真空期，才是真正杀人的地方。
05 2012 年那一下，世界突然换了频道
转折点是 2012 年，第三届 ImageNet 挑战赛。Hinton 团队（具体动手的是他学生 Alex Krizhevsky）拿出了 AlexNet——一个跑在 GPU 上的深度卷积神经网络。它喂进 ImageNet 这套海量数据，图像识别准确率直接干到约 85%，把第二名甩出一条街。这一下同时证明了两件事：Hinton 死磕多年、一度被边缘化的神经网络，是对的；李飞飞押注的"数据驱动"，也是对的。算法、算力、数据——三个齿轮，第一次严丝合缝地咬上了。我们今天所处的整个深度学习时代，就是从这一声"咔哒"开始的。她常说人生有"北极星"——那个值得你死磕的方向。但她的北极星不是钉死的：从崇拜爱因斯坦的物理梦，到西藏的藏药，到计算机视觉，它一直在移动。06 全书最戳我的，是病床边那句话
如果说 ImageNet 是这本书的骨架，那她母亲就是这本书的命脉。往前倒。1999 年普林斯顿毕业，高盛、美林这些华尔街巨头向她招手，开的条件诱人到离谱：高薪、医保、帮全家还清债务——而那时她母亲身体已经很差，这些是真能救命的东西。天平一头是科学梦，另一头是"让生病的妈妈有医保、让全家不用再守着干洗店"。这哪是坚持梦想的鸡汤题，是一道血淋淋的现实减法题。她去问母亲怎么选。母亲没劝她现实点，只反问了一句，大意是：你不是想当科学家吗？那还有什么好商量的。很多年后，她已经功成名就，母亲躺在病床上，问了她另一个问题：人工智能，还能做点什么来真正帮到人？就这一句，把她从"造更强的 AI"，掉头推向了"造对人真正有用的 AI"。后来的"以人为本人工智能研究院"（HAI）、推动 AI 教育多元化的 AI4ALL、去美国国会就 AI 作证——根子都在她妈那张病床边。一个被很多人讲成"技术封神史"的故事，内核其实特别软：一个女儿，想让这门技术，配得上她妈妈的那句提问。07 顺便说，她现在又跳到了一个新方向
很多人不知道，写完这本书之后，2024 年她又从零开始创业，搞了家叫 World Labs 的公司，方向是"空间智能"——简单说，就是让 AI 不只看懂一张平面图片，而是理解三维空间、能在物理世界里推理和行动。ImageNet 解决的是"机器能不能看见"。空间智能想解决的是"机器能不能理解它看见的世界、并在里面动起来"。你看，她又一次跑到了一个现在听起来有点超前、有点冷的方向上。历史好像在重演。只不过这次，没人敢再说她"做这个图啥"了。08 升维：所有"早期正确"的共同命运
ImageNet 这条线之所以让我后背发凉，是因为它根本不是个例。几乎所有后来改变世界的东西，在早期都长着一张"不值得"的脸。传统软件的逻辑是：功能定了就定了，上线即终点。而真正的范式革命从来不长这样——它一开始往往被塞在会场角落，被聪明人判定"没前途"，靠几个人发着钢笔硬撑，熬过一段没人信、首战还被打脸的黑暗期，然后某天被一个意外的成果点燃。我们现在每天用的大模型、Agent、生图工具，本质上都站在 ImageNet 这块地基上。而这块地基，是有人在所有人都说"没用"的时候，蹲下去一块砖一块砖铺出来的。判断一个方向对不对，从来不在它最风光的时候，而在它最不被待见、却依然有人愿意死磕的时候。回到她那个比喻：你不用看清整条路。你只要看清眼前 50 米，然后敢开。
读完这本书，我记住的不是 1500 万张图，也不是 85% 这个数字。一个是新泽西小镇上那家干洗店，工作日是普林斯顿物理系的高材生，周末赶回家在店里收衣服、记单子；另一个是顶会角落那张没人看的海报，旁边站着几个发钢笔的人，求路过的同行停一停。这两个画面里的人，谁也没法预知自己正站在历史的拐点上。她只是看清了眼前的 50 米，然后一脚油门踩了下去。而那张被忽略的海报上，画着的正是我们今天所有人生活其中的世界。说到底，这本书没在教你怎么成功。它只是诚实地告诉你：对的方向，早期大多没人鼓掌；能不能熬过那段没人信的黑，靠的不是聪明，是你心里那颗北极星，到底够不够亮。那你呢——此刻你手头，有没有那么一件正在做、但暂时没人看好的事？
夜雨聆风
