夜雨聆风AI教父有很多，但AI教母只有一个。
李飞飞：AI教母的人生轨迹
人物定位
李飞飞是美国三院院士、斯坦福终身教授、全球AI华人之光。她创办的 ImageNet 是全球第一个大型AI图像数据库，是AI视觉研究的基石。33岁成为斯坦福终身教授，她带的博士生包括创建AI界极客智能的范金、曾在OpenAI主导GPT-4的Andrey Karpathy等。她还担任过谷歌副总裁，推动成立了谷歌AI中国中心。深度学习之父辛顿教授称她是"第一位真正理解大数据力量的人"。
不着调的父母与科学启蒙
1976年，李飞飞出生在北京的一个知识分子家庭，爸爸是工程师，妈妈是人民教师。但这二位的教育方式非常"不着调"。
好奇心启蒙 · 逆境中成长
爸爸在李飞飞出生当天跑去公园观鸟，错过了孩子的诞生，最后给孩子取名"飞飞"也是因为那天公园里的鸟飞得好看。他的"不着调"本质上是纯粹的好奇心——带小飞飞去公园看鸟、去田里捉昆虫、用零件DIY一辆带挎斗的自行车到处乱逛。李飞飞后来回忆说"爸爸就是个迷失在成年人身份中的大孩子"。这种好奇心反而成了李飞飞的科学启蒙，以至于上完物理课后骑自行车拐弯时她都会思考加速度和角动量的变化。
妈妈虽然是人民教师，却天天让孩子看"闲书"——从鲁迅全集到《第二性》，从《双城记》到《道德经》，教辅资料爱答不理，杂书闲书捧在手心。初中时老师找家长，说别人家孩子看奥数，你家孩子看的都是《不能承受的生命之轻》、海洋生物、UFO，不符合九年义务教育的课程价值观。妈妈像一头护食的狼直接回怼："我家孩子就爱看这些书，有问题吗？"当老师又说李飞飞打扮得像男生、不专心学习时，妈妈说："飞飞首先是个独立的个体，然后才是个女孩。"
没过多久，父母先后辞去公职，带着飞飞飞往美国新泽西州。那是1992年，飞飞刚满15岁。
移民困境与普林斯顿执念
一家人的美国生活远非"最好的安排"。工程师和人民教师换了国家等于失业，直接从中产变成赤贫。三口人挤在只有一间卧室的公寓里，飞飞睡在厨房和用餐区的过道，家具都是从垃圾堆捡来的。爸爸去华人开的店修照相机，妈妈去商店当收银员。飞飞一放假就去打零工，在中餐馆打杂，每天从上午11点干到晚上11点，时薪只有两美元。
学业更是雪上加霜——飞飞几乎不会说英语，每天做作业要准备两本词典（英→中、中→英）。但就是这样的条件，她凭借每天只睡4个小时的努力，高分拿下SAT，数学甚至考了满分。
关于普林斯顿的执念来自一次偶然。爸爸带她出去玩，意外走进普林斯顿大学校园，她看到了一尊爱因斯坦的青铜半身像。"当我辨认出是他之后，周围的世界似乎消失了。"1933年爱因斯坦从德国逃到美国，在普林斯顿高等研究院工作直到去世。飞飞的梦想是成为科学家，爱因斯坦就是她的灯塔。
虽然学费根本付不起，她还是"象征性地"申请了一下，没想到普林斯顿开出了几乎全额的奖学金。消息轰动整个社区，当地报纸专门采访报道，标题就叫"美国梦成真了"。但飞飞没有选能赚大钱的医学、金融专业，而是选了自己最痴迷的物理。邻居们私下吐槽：一张好彩票浪费了。
干洗店与科学家之路
普林斯顿执念：成为科学家
1995年，19岁的李飞飞走进普林斯顿，但妈妈累坏了身体，不能再打工。一家人借钱开了家干洗店——周一到周五飞飞是普林斯顿的高材生，满脑子物理研究；一到周末就穿上围裙在干洗店忙活。即便如此，她依然是全年级成绩最出色的学生之一。
1999年毕业时，高盛、美林等华尔街巨头争相招聘，麦肯锡甚至直接给长期正式岗位。这些offer只要接住一个，全家就不用再吃苦。但它们都提出了同一个条件：放弃科学。妈妈质问她："这是你想要的吗？"飞飞说："你知道的，我想要成为一名科学家。"妈妈的回应一针见血："那还有什么好说的。"
她甚至赶在毕业前去了趟西藏研究藏医，最终凭借"藏医药学和西医学上的异理比较"这一课题，从1200多名竞争者中胜出，成为当年唯一获得普林斯顿马丁·戴尔1953奖学金的人。
从物理到AI的跨界
2000年，24岁的李飞飞进入加州理工，成为钱学森和钱伟长的学妹，主攻方向却是AI和视觉识别。从物理到AI跨度这么大，是因为她发现很多伟大的物理学家在生命的尽头思考的不是物质世界的问题，而是生命的问题。这引发她开始关注生命的本质，而人工智能距离生命最近。
当时AI研究已经停滞了很多年，科学家们前赴后继地提升模型和算法却一无所获。李飞飞意识到，只关注模型和算法没用，还得把数据重视起来——就像学数学光训练逻辑思维没用，得做足够多的习题。回到AI视觉识别，想让机器识别更多图片，就得先让机器学习海量标注好的图片。
她通过阅读文献和参加研讨会得出一个重要结论：知觉依赖于分类。大脑会自然而然地把看到的细节归类为更广泛的概念——我们看到一团绿色和一大片蓝色，大脑会归类为"蓝天映衬下的一棵树"；看到一根细高的杆子上面在发光，大脑会归类为"路灯"。所以要让AI视觉更智能，首先要让它见过各式各样的"路灯"。
ImageNet的诞生
ImageNet诞生：从困境到突破
2005年博士毕业后，李飞飞先在伊利诺伊大学香槟分校做了一年多助理教授，2007年回到普林斯顿开始做AI研究。她在加州理工时已经带着几个本科生手工做出了一个有101个分类、9000多张图片的数据集 Caltech 101，在科研圈引发了不大不小的关注。现在她有条件了，要创建一个能完全反映真实世界、全面推动AI研究的数据集——这就是 ImageNet。
同行一听纷纷劝她放弃。视觉识别太冷门，不但拉不到经费，还可能因此一辈子评不上教授。当时AI圈算法是绝对的当红炸子鸡，数据却无人问津，仅被视为训练工具。而且要实现她的设想，需要的图像分类不是101个，而是3万个。几个本科生帮忙吭哧吭哧干了两年，没有资金支持的话，按这个进度3万个分类至少要干600年。
转机来自当时普林斯顿计算机科学系教师中唯一的中国人——李凯教授。李凯是芯片创业者，以20亿美元卖掉自己的公司后才转型搞学术，站在商业化的角度非常认可李飞飞的观点。他不仅给她买了工作站，还推荐了自己的学生邓家栋一起干。2007年，ImageNet项目正式启动。
规划是22000个类别，每个类别配1000张图，共2200万张。为了选出这些图，需要先找到至少10亿张候选图。团队雇了一群本科生每小时10美元做标注，即便如此完工也得整整19年。他们优化流程（三下鼠标压缩到一下、自动搜索类别名提高下载速度），结果预计只能压缩到18年，还因为下载太多被谷歌封了账号。
关键转折来自一个叫孙民的普林斯顿研究生，他建议使用 Amazon Mechanical Turk 众包平台——远程分配工作，全世界的人同时参与，价格比线下找本科生便宜得多。转向众包后，标注员开始指数级增长，最多时有来自167个国家的4.8万人参与，开发时间从十几年压缩到不到一年。
2009年初，斯坦福表示只要团队搬过去后续资金全包，飞飞带着邓家栋跳槽到斯坦福。当年6月，ImageNet初始版本问世——收录1500万张图片，涵盖22000个类别，每张图片经过手工标注和三重验证。
被忽略、被质疑，然后改变世界
ImageNet完成后，李飞飞带着它去参加计算机视觉与模式识别大会（CVPR），要向全世界"秀肌肉"，还特意定制了一批带LOGO的笔准备在会场发。结果刚到就被通知演讲被取消，只能在会场边的海报上展示。整个团队唯一受关注的就是那批笔——因为做得确实好看。
在纽约州立大学石溪分校助理教授亚历克斯·伯格的建议下，飞飞想到了办比赛：号召全球AI从业者用ImageNet训练自己的模型，比比谁的效果更好。既提高知名度，又能借各类算法测试优化数据集，一举两得。
2010年5月，首届ImageNet大型视觉识别挑战赛（ILSVRC）开放报名，收到150份报名表。但9月统计结果时发现，获胜的算法是公认的行业标准，识别率跟前一年差距不大。到2011年第二届，报名人数从150人掉到96人，结果也差不多。飞飞说"这种经历令人羞愧"。
雪上加霜的是，飞飞怀孕了，而且她跟丈夫西尔维奥是异地婚姻，孕期反应特别大，医生告诫她分娩前都不能出门。一天夜里手机振动，不是ImageNet有了新进展，而是她的高中恩师萨贝拉病重了。萨贝拉是她在美国的高中数学老师，在她因成绩差崩溃时、因英语障碍无法融入集体时、因移民身份被欺负时，都是萨贝拉老师鼓励引导她。后来家里开干洗店没钱，萨贝拉还主动借钱帮忙。他早已不只是一位老师，更是飞飞的"第三位家长"。如今他细胞瘤晚期即将去世，飞飞却不能参加葬礼。事业受挫、身体不适、亲人故去——飞飞徘徊在崩溃的边缘。
风云际会：AlexNet 点燃 AI 革命
三位先驱 · 一场革命
2012年8月飞飞诞下宝宝。一个多月后接到一个电话——第三届比赛结果出来了，获胜的是个"老古董"：神经网络算法。而且准确率比上届冠军高出10%。
辛顿教授团队开发的 AlexNet 在这次比赛的识别准确率达到85%，创下历史记录，错误率一夜之间减半。AlexNet 属于卷积神经网络，一个20多年都没什么进展的方向。
这其实是科学界的一次风云际会。神经网络的思路相当于模拟人脑、模拟生物进化——别的算法都是预先决定先找图片的哪些特征，而 AlexNet 没有预设，完全靠训练数据学习来培养自己的敏感度，逐渐形成对世界的认知，跟婴儿认知世界的方式一样。
打个比方，别的算法思路是找规划球员、找国际大牌教练、设计战术——针对球队本身，见效快。而神经网络的思路是从娃娃抓起，普及足球运动、多建足球场、发展青训体系，把足球土壤培养好，过程慢且消耗巨大资源，但一旦做成，效果将是前者无法比拟的。辛顿做20年冷板凳，不是思路有问题，而是缺少资源——其中最核心的就是算力和数据。ImageNet 恰好提供了足够多的数据，英伟达GPU又恰好提供了超强算力。
这次风云际会成就了李飞飞、证明了辛顿、造富了黄仁勋。
后续影响与价值立场
AlexNet 的成功让神经网络成为AI主流。两年后机器的人脸识别准确率正式超越人类。李飞飞用大数据训练神经网络的想法被业内疯狂追捧，从图像扩展到语音、文字、视频等其他领域，AI革命被彻底点燃。
2012年李飞飞成为斯坦福终身在职副教授。她趁着休假到企业实践——2017年1月到2018年9月出任谷歌副总裁，推动成立了谷歌AI中国中心（谷歌在亚洲设立的第一个AI研究中心）。2026年1月开始又迎来两年长假，选择创业，4月创办了 World Labs，仅3个月估值突破10亿美元，获得黄仁勋投资。
但如果你认为李飞飞的价值观是"技术至上"，那大错特错。相对于技术，她更关注人性和尊严。她认为掌握AI不是特权，而是责任。当别人沉醉于让AI更聪明、更便于商业化时，她参与创办了斯坦福大学"以人为本AI研究院"（HAI），推动以人为本的AI技术，用AI造福世界、保护弱者——这是她的下一颗北极星。