李飛飛：從洗衣工到“AI教母”

如今，隨著人工智能技術大爆發(fā)，華裔科學家李飛飛的名字越來越多地被人提及。在幾乎由男性統(tǒng)治的全球科技界，她無疑是其中最富傳奇色彩的一位。她是美國工程院、美國醫(yī)學院和美國藝術與科學學院的“三院院士”，也是前谷歌副總裁。李飛飛在AI 領域有多重要？之前AI 領域的重點在算法，數(shù)據(jù)并不受重視，李飛飛是最早意識到數(shù)據(jù)在人工智能研究中的重要性的科學家之一。她組建了全世界最早、最大的圖片識別數(shù)據(jù)庫ImageNet，打開了計算機深度學習的大門，因此李飛飛被稱為“AI教母”。然而，成為頂級科學家的她，并非一開始就拿著人生贏家的劇本。李飛飛度過了非常艱難的青少年時期，實現(xiàn)逆襲靠的是一股探索與奮進的心勁兒。

“我把你教得太好了”

李飛飛生于北京，長于成都，父母都是知識分子，爸爸是工程師，媽媽是一名老師。

李飛飛與生俱來的好奇心，某種程度上繼承自父親。父親天性散漫，據(jù)說在她出生的那天，因為一時興起跑去公園觀鳥忘了時間，錯過了見證女兒出生的重要時刻，名字中的“飛飛”，就來源于這段經(jīng)歷。

飛飛和父親沒有傳統(tǒng)父女間的等級關系，他們之間更像同齡人，父親對大自然的熱愛向飛飛展示了最純粹的好奇心，這些經(jīng)歷在她心中播下了科學的種子，讓她對探索自己視野以外的事物產(chǎn)生了永不滿足的渴望。

母親完全相反，對科學不感興趣，但熱愛文學。她會帶著女兒讀魯迅的作品和《道德經(jīng)》《老人與海》等經(jīng)典。

因為在期末考試前還癡迷于閱讀米蘭·昆德拉的《不能承受的生命之輕》，李飛飛被叫了家長。可母親卻將老師的抱怨一句句懟了回去，沒有絲毫責怪女兒的意思。回家路上，她對李飛飛說：“我把你教得太好了。”

和母親期望的不同，李飛飛最愛的不是文學，而是數(shù)學。中學接觸物理后，物理又成了她最癡迷的科目，連騎自行車轉(zhuǎn)彎時都在思考加速度和角動量的變化。

李飛飛把頭發(fā)剪得極短，拒絕穿裙子，全身心投入她的興趣中，尤其是航空航天科學、高超聲速飛機的設計，甚至還有不明飛行物等超自然話題……

“真是張好彩票，可惜浪費了”

1992 年，16 歲的李飛飛和父母移民到了美國新澤西州的一個小鎮(zhèn)里。對未來的美好幻想，在他們一家踏上美國土地的那一刻立刻破滅了。

首要難題就是語言，父母幾乎不懂英語，父親在一家華人開的店里找到維修相機的工作，每天很晚才下班。母親在商店找到一份收銀員的工作，遠離了她熱愛的文學。

日子很難挨。一家三口擠在只有一間臥室的公寓里，家具是從路邊的垃圾里撿的。為了補貼家用，每一個不上學的日子， 李飛飛都會去打零工。最常見的工作是去中餐館打雜，從上午11 點工作到晚上11 點，總共12 小時，時薪2 美元。

曾經(jīng)引以為傲的學業(yè)也變成了負擔。李飛飛幾乎不會說英語，每一節(jié)課，無論什么科目，對她而言都是英語課。每天回家做作業(yè)，她都要準備兩本詞典，一本英譯中，一本中譯英，否則就寫不了作業(yè)。

自我表達也成了一種奢望。“不會說話”的李飛飛交不到朋友，成績也一落千丈——考試的時候，很多題目她都看不懂。幸運的是，數(shù)學和物理兩門課受到的影響很小。學習它們，更多依賴數(shù)字、符號和公式。李飛飛對數(shù)學和物理的狂熱也沒有隨著移民到美國而改變。

李飛飛曾回憶說，她在很長一段時間里，每天只睡4 小時，但覺得這樣的辛苦不算什么，“因為我父母也同樣在努力工作”。

好在，辛苦的付出，換來了好的結果。高中畢業(yè)時，李飛飛考出了數(shù)學滿分的成績，成功申請到了普林斯頓大學的全額獎學金。她的成功，也轟動了整個小鎮(zhèn)。然而，李飛飛沒有選擇醫(yī)學、金融這種能通向富裕階層的專業(yè)，而是選擇了自己癡迷的——物理專業(yè)。

“真是張好彩票，可惜浪費了。”鄰居們無法理解她的選擇。

讓機器學會“看”世界

普林斯頓大學對李飛飛來說就是天堂，讓她在知識的海洋里不斷找尋那顆指引自己的“北極星”，那個可以讓她為之癡迷和奮斗的問題。

但她依然很窮，要從洗衣房撿別人扔掉的衣服穿，每個周末，都要回家里的干洗店幫忙。本科畢業(yè)時，她明明有機會去華爾街賺錢，或者選擇斯坦福和麻省理工這樣的頂級名校，但她偏偏選了名氣弱一點的加州理工大學，因為這里有她想學的東西。在20 世紀90年代末的計算機熱下，一個問題引起了李飛飛的注意：機器可以掌握人類的智慧嗎？李飛飛就此關注到了人工智能領域。但當時正值“AI 寒冬”，這個時候入行，顯然不是好時機，但李飛飛不在乎這些。

教機器像人一樣識別圖片中的物體，是人工智能研究領域的一項重大難題。而這也是李飛飛最重要的貢獻——創(chuàng)建了數(shù)據(jù)庫ImageNet。人工智能領域的從業(yè)者評論，“沒有ImageNet，就沒有現(xiàn)在的深度學習革命”。

然而起步之初，李飛飛的想法遭到了幾乎所有人的反對。但李飛飛確信她正在做一件也許具有歷史意義的大事。她確定了一個目標，為每個物品類別搜集1000 張不同的照片：1000 張不同的小提琴照片、1000 張不同的德國牧羊犬照片、1000 張不同的抱枕照片，直到涵蓋全部2.2 萬個類別，也就是一共需要大約2000 萬張圖片。

這個工作量太大了。按照既定的速度，ImageNet 完工需要整整19 年。更重要的是，此時，她的“師爺”吉滕德拉也站在反對者的一邊，讓她深受打擊。

“我?guī)缀蹩梢钥吹轿业谋睒O星在逐漸暗淡下來，我的道路又陷入了黑暗之中。一個可怕的想法開始在我心頭升起：我承擔的風險比我意識到的更大，而現(xiàn)在回頭已經(jīng)為時太晚。”李飛飛回憶。

然而，一切都還沒有結束。在一位叫孫民的研究生的建議下，李飛飛知道了亞馬遜開發(fā)的土耳其機器人。正是這款機器人把起初的大學生標注員隊伍變成了一個數(shù)千人組成的國際團隊。預計完成時間也由19 年變成10年、5 年、2 年，最后不到1 年。

然而，資金需求也逼近團隊所能負擔的極限，2009 年，李飛飛決定跳槽去斯坦福大學，那里為她的研究提供了新的研究資金。

2009 年6 月，ImageNet的初始版本終于完成：收集了1500 萬張圖片，涵蓋了2.2 萬個不同類別。這些圖片篩選自近10 億張候選圖片，并由來自167 個國家的4.8 萬多名貢獻者進行了標注。ImageNet 不僅在規(guī)模和多樣性上達到了李飛飛多年來夢寐以求的水平，還保持了一致的精確度。

李飛飛的辛勤付出讓機器具備像人一樣“看”的能力。更重要的是，她用大數(shù)據(jù)訓練多層神經(jīng)網(wǎng)絡的想法，從圖像擴展到語音、文字、視頻等其他領域，引爆了持續(xù)到現(xiàn)在的AI 革命。

面對“AI 是否會取代人類”的擔憂，她深信，人作為機器學習和模仿的對象，有機器永遠無法替代的能力和價值，“AI可以輔助人們更好地完成工作，但無論我們?nèi)绾斡柧殭C器，它們都無法復制人類的智慧和創(chuàng)造力”。她要竭盡所能保證AI 的勝利不能只是科學的勝利，而必須是人文的勝利，包括她自己在內(nèi)的科學家有責任將AI 訓練為“遵循優(yōu)良的學術傳統(tǒng)，愿意協(xié)作，尊重他人的意見與專業(yè)的機器”。

給機器呈現(xiàn)整個世界曾經(jīng)是她的“北極星”，讓她為之癡迷并前行，她做到了。現(xiàn)在，她要追尋下一顆“北極星”，就像李飛飛在自傳《我看見的世界》中說的：“每一種新的追求，每一個新的癡迷，都懸掛在黑暗的地平線上，閃爍著耀眼的光芒，向不懈追求的人招手致意。”

（摘自“中信出版”微信公眾號）