李飞飞：我更像物理学界的科学家，而不是工程师｜深度学习崛起十年

来源｜The Robot Brains Podcast

翻译｜胡燕君、程浩源、贾川、沈佳丽、许菡如

新一轮深度学习崛起的引爆点是AlexNet，而它的爆发却离不开“燃料”ImageNet数据集。

斯坦福大学教授李飞飞正是ImageNet的发起人和推动者，在她看来，ImageNet就是重塑计算机视觉或机器学习的“北极星”。

不过，这一数据集的建立历经曲折，彼时遭受了包括Jitendra Malik教授在内不少人的质疑，如果项目失败，很大可能影响李飞飞拿到终身教职。不过，她还是顶住质疑，坚信创建ImageNet是必要的。

历经数年努力，李飞飞和她的团队建立了ImageNet数据集，包含使用日常英语标记的1400万张图像，跨越218000个分类，为后来“AlexNet时刻”的到来提供了不可或缺的助力，ImageNet竞赛后来也成为计算机视觉领域的研究人员角逐算法效果的大舞台。

也是在深度学习走红的那一年，她与当时的博士生Andrej Karpathy开设了在斯坦福备受欢迎的深度学习课程CS231n，它也成为在网络上爆火的最早、最权威的深度学习课程，极大地推动了深度学习知识的普及。

作为一名华裔科学家，李飞飞的成长故事非常励志。她出生于北京，在成都长大，16岁随父母移居美国，为了支撑一家人的生计和她的学业，她去了在中餐馆打工、做家庭保洁员。19岁，她在普林斯顿大学的物理学专业就读，期间开办了一家干洗店。

而后，她的学术生涯一路向前，人生迎来转机。2005年，她在加州理工学院获得电子工程专业的博士学位，直到2012年，她晋升为斯坦福大学终身职的副教授，并担任人工智能实验室主任。2017-2018年学术休假期间，李飞飞担任谷歌副总裁、谷歌AI/ML首席科学家一职。2020年以来，陆续当选美国国家工程院院士、美国国家医学院院士、美国艺术与科学院院士，也是唯一一位当选“美国三院士”的华裔女性科学家。目前，她致力于“以人为本”的人工智能研究所（Stanford HAI）的工作。

从为了维持生计和学业当保洁员，到成为斯坦福教授和享誉AI领域的科学家，她是如何做到的？ImageNet对深度学习的崛起意味着什么？她目前对AI发展的关注重心是什么？又如何看待AI学界人才等资源外流的现状？去年8月，在Pieter Abbeel主持的The Robot Brains Podcast节目中，李飞飞都一一作了解答。

以下是对话内容，OneFlow社区做了不改变原意的编译。

1

从保洁员到从事AI相关研究

Pieter Abbeel：你的职业道路非常传奇，在成为斯坦福教授之前，你一开始是在干洗店工作。

Fei-Fei Li：是的，干洗店是我的“创业起点”。我们一家是典型的移民家庭，需要努力解决生计，遇到了很多困难，包括我父母不会说英语等等。19岁，我入读普林斯顿大学后，当时觉得开一家干洗店是最好的选择，尤其它还是周末营生，我就有时间去帮忙，还可以分担店里的很多体力活，这就是我的起点。

Pieter Abbeel：如果回到那段干洗店岁月，你会想到未来会从事跟AI有关的工作吗？

Fei-Fei Li：当然不会。当时，我的生活有一个贯穿始终的主题，那就是打工。我的第一份工作是在一家中餐馆打下手，后来做过一段时间的家庭保洁，然后才是干洗店。但我并没有让这样的生活定义我自己，这些只是移民生活的一部分，是为了让我和家人在陌生社会站稳脚跟所必须经历的事情。

真正定义我的，是我对科学的热爱。我在普林斯顿主修物理，物理探究的是宇宙最本源的问题，非常具有想象力。那时，我随身都带着书，在中餐馆和干洗店工作的间隙就会读书。在AI出现在我的生命中之前，日子就是这样度过的。

Pieter Abbeel：那你后来是如何进入AI领域的？

Fei-Fei Li：一切可能是偶然，也可能是命中注定。我当时对物理很着迷，现在我仍觉得自己更像物理学家，而不是工程师。

我读过很多20世纪最伟大的物理学家的书，包括我最喜欢的爱因斯坦和薛定谔，还有我童年时期非常崇拜的Roger Penrose，他在2020年获得诺贝尔奖，当然还有霍金。

读这些书时，我有一个意外发现：爱因斯坦、薛定谔和Penrose到了职业后期，会更多地讨论精神世界，而不是物质世界。我们知道，物质世界关注的是宇宙边界、时间开端、原子亚结构等，但是精神世界关注的是我们是谁、生命的意义是什么等问题。

这些问题引起了我的共鸣。不知怎么地，我跟随了他们的脚步，探究精神世界也成为我渴望研究的问题，于是从大学中期，我开始思考生命的意义这类问题。作为物理专业的学生，如果对一个问题很感兴趣，我就会驱使自己去思考其中最根本性的问题。

对我来说，人类生命的基本问题就是智能。带着这样的探寻目光，我步入了神经科学的世界，在几次神经科学领域的实习经历中，更加确定了对智能的热爱。于是，我从硬核的原子世界、物理世界，转向了对智能的探索。

Pieter Abbeel：其实，当初我决定研究AI也是出于对人类智能的思考，但我发现我难以理解神经科学，所以浅尝辄止，后来我觉得用工程学方法来研究大脑可能更容易。直到现在，你应该都在继续研究神经科学，后来你是如何决定攻读电子工程博士的?