人工智能发展历程---读《我看见的世界-李飞飞自传》

全书分家庭生活和人工智能发展2条线，一起见证AI和教母的成长历程。有些挣扎描写很详细，如果正在面对人生选择、或者从事周边人都不理解的工作，可以从书里能找到一些启发和激励。下面分享一些我的收获。

1.人工智能的曲折发展
人工智能的发展经历过几次寒冬，每发展到一个阶段都会遇到当时解决不了的瓶颈，算法、数据、算力缺一不可。2004年，在数据被视为惰性商品、重要性被低估时，他们创建了Caltech101，成为有史以来机器学习配置的最大规模的图像集合，里面有超过9000个图像，分布在100个类别中。后来因为一个假设：让算法能够识别出任何东西的秘诀在于打造一个无所不包括的数据训练集，所以他们决定搞ImageNet，在2006年这是个很疯狂的决定，因为当时算法是计算机视觉的中心，数据在算法的阴影下，仅仅被视为训练工具。“科学的诀窍是跟随你的领域一起成长。不要太超前”，对ImageNet过多的投入，遭到很多质疑，但最后能成，要归功于互联网、数码相机和搜索引擎等众多技术的融合。他们不断优化标注流程，想了很多工程方法提升图像分类的效率，但反对标签过程自动化，因为他们的目标是在“每幅图像中都嵌入纯粹的人类感知，希望在整个图像集上训练出来的计算机视觉也能迸发出类似人类的智慧火花”。最后是亚马逊的土耳其机器人改变了一切，从一开始的预计19年到后来3年多完成了。ImageNet1500万张图片，涵盖了2.2万个不同的类别。
       有了大规模的数据集后，就是等待能驾驭它的算法的出现。在很长时间里，神经网络受硬件的限制训练难度很大，2012年硬件GPU普及后，AlexNet出现转机，神经网络与ImageNet是天然的契合，AlexNet和ImageNet属于互相成就。后来的Transformer机器学习模型是神经网络设计中最大的飞跃，它的参数增长到数千亿个，深度学习时代让位给如今的生成式人工智能时代。

2.人生选择
（1）小时候是父母帮她做了决定----移民美国。父母离开稳定的工作，从衣食无忧的生活转变为贫困窘迫的生活，对父母肯定不是好的选择，但对飞飞教授的成长非常有帮助。在美国遇到恩师萨贝拉先生，后来成为他的朋友和家人。
（2）上大学选专业，在赚钱的热门专业和自己热爱的物理学专业之间，因为家人特别是母亲的支持，她选择了物理学。大学期间还学习了C语言编程，打开了一扇通往新世界的大门，计算机从作者的工具发展成为盟友。
（3）大学毕业在读研和华尔街工作之间，因为母亲鼓励她追求自己想要的，成为一名科学家，她选择了继续读研。
（4）明确视觉研究领域，为了兼修神经科学和计算科学，她拒绝了斯坦福大学和麻省理工学院的录取，选择了加州理工学院。后来找到自己的北极星----计算机视觉。
（5）成为科学家也许是中产家庭才能负担得起的奢望，考虑母亲的健康状况和家里的经济需要，她差点去麦肯锡工作，还是母亲鼓励她坚定地选择自己的科学家之路，并且不再质疑。
（6）身为年轻的助理教授，面对激烈的竞争和发表论文的压力，在丈夫的鼓励下，疯狂的选择ImageNet数据集建设。
       

        我们也经历过高考、填志愿选专业、找工作、找对象的各种选择，一步一步的选择让我们成为现在的自己，我一直觉得努力决定人生的下限，性格决定命运！

3.家庭事业两不误
        我之前喜欢看飞飞教授的各种采访视频，她提到父母比较多，也讲过他们开洗衣店的经历，但从来没听她讲起自己的情感和丈夫的事。自传中记录了她跟丈夫的相遇相爱，和同为“书呆子”的相惜。西尔维奥，他是3D感知算法开发领域的领军研究者。让大家羡慕的是，他们在科学研究中很有共同语言，互相支持，是我心目中的“神仙眷侣”。虽然刚结婚时两地分居，五年时间，两个人忙于各自的研究工作，还生养了2个孩子。全身心地投入自己的事业，同时，照顾母亲和孩子们，确实是家庭和事业两不误，是职场女性的榜样。

        女性在古代主要职责是生养后代，而当代社会对女性或者说是女性对自己的要求很高，不仅被鼓励生育两三个孩子，同时希望工作事业也能有所发展。不过也不用苛刻要求自己，更不用跟男性比较，如果是精力旺盛的好奇宝宝，是闲不住的，迟早能折腾出来一些成果。极少数人能产生对世界的影响力，普通人活出自己精彩的人生就足矣！

4.再热爱的工作也有繁琐乏味的事务。
       数据分类，人工标注涉及很多组织管理的事务，虽然繁琐乏味，但是科学的一部分。我们在做重要的项目时，也需要处理它所依赖的各种繁琐乏味的事务，每项工作都要认真对待，保持科学的严谨态度。