人工智能科學(xué)家李飛飛的逆襲之路

　　這個(gè)自從來(lái)到美國以后，就飽受經(jīng)濟壓力的乖乖女，卻少見(jiàn)地叛逆了一回。她決定去西藏研究一年藏藥，之后去加州理工學(xué)院攻讀PhD。

　　當我們今天縱觀(guān)李飛飛的人生時(shí)，會(huì )發(fā)現，這種追隨內心的熱情和強硬堅韌的作風(fēng)，始終貫穿著(zhù)她的行為軌跡。正如博士畢業(yè)后，她選擇了當時(shí)還不太流行的圖像識別作為研究方向一樣。

　　圖像識別技術(shù)，是人工智能發(fā)展道路上的一座高峰。簡(jiǎn)單來(lái)說(shuō)，它就是要教會(huì )計算機看圖說(shuō)話(huà)。要知道，“看到”和“懂得”是不一樣的。比如，你可以告訴計算機，“貓”就是有著(zhù)圓臉、胖身子、 兩個(gè)尖尖的耳朵，還有一條長(cháng)尾巴的東西。

　　可是，如果圖片是這樣的呢?

　　一個(gè)3歲小孩都能從圖片中識別出“貓”，可是計算機卻做不到。

　　李飛飛研究了很長(cháng)時(shí)間，始終沒(méi)有突破。交好的教授都勸她換個(gè)方向，以便拿到tenure(終生教職：在西方高校，有了tenure就相當于終生的職業(yè)生涯都有了保障)。

　　她當然沒(méi)有同意。有一天，李飛飛突然意識到，由于人眼每200毫秒就能獲取一幅圖像，一個(gè)3歲兒童可能已經(jīng)獲得了上億次的圖像識別訓練，是計算機的幾何級倍數。

　　也就是，關(guān)鍵在于自主訓練量。

　　李飛飛馬上開(kāi)始著(zhù)手，從twitter上抓取海量照片，將它們統統打上標簽后，訓練計算機進(jìn)行機器學(xué)習。機器學(xué)習(machine learning)，就是給出一定算法，讓計算機自己學(xué)習。

　　這個(gè)過(guò)程是艱苦的。如今，機器學(xué)習已經(jīng)是熱門(mén)概念，可在2007年，李飛飛的實(shí)驗室缺少人手，又申請不到經(jīng)費。最困難的時(shí)候，她一度想重開(kāi)洗衣店，籌集實(shí)驗資金。

　　她從亞馬遜的眾包平臺中找到了解決辦法，讓全世界的網(wǎng)友一起給圖片打標簽。當時(shí)，李飛飛的研究項目，一度是該眾包平臺全球最大的雇主。

　　一個(gè)前所未有的龐大數據庫建成了，這就是大名鼎鼎的ImageNet。李飛飛沒(méi)有敝帚自珍，而是將ImageNet數據庫開(kāi)源，供學(xué)術(shù)和商業(yè)界的每一個(gè)實(shí)驗室調取。圖片識別技術(shù)從此飛速發(fā)展，如今已經(jīng)能辨識出大部分照片中的物體，還能用高度擬合的人類(lèi)語(yǔ)言，將它們描述出來(lái)。

　　由于學(xué)術(shù)成就卓著(zhù)，李飛飛收到了很多社會(huì )活動(dòng)的邀請。她曾經(jīng)接受過(guò) New York Times的訪(fǎng)談，也曾登上 TED的舞臺，講述圖形識別技術(shù)發(fā)展的背后故事。