列传 · 李飞飞（Fei-Fei Li）
她没有发明算法，却造了一个数据集——那个数据集让世界第一次相信深度学习。
北京、新泽西与一间干洗店
1976 年，李飞飞（李飞飞）出生于北京，在四川成都度过童年。父亲是工程师，母亲是中学教师，家境普通而书香。她从小爱读书，少年时期已熟读中国古典与西方科幻。
1992 年，十六岁的她随父母移民美国，落脚新泽西州帕西帕尼（Parsippany, New Jersey）。父母英语不熟，攒下积蓄盘下了一间干洗店。白天她去高中上课，放学后到店里熨衣服、收银、记账。她的英语是在美国高中和干洗店的柜台上一句一句练出来的。
但她的心里始终有另一条线。1995 年，她以优异成绩被普林斯顿大学录取，主修物理学。本科四年，每个周末她从普林斯顿坐火车回新泽西的干洗店帮工。这段经历后来在她的自传中被反复提及——它教会她两件事：移民家庭的边界感，与"工作就是工作"的扎实。
1999 年，她以最优等成绩从普林斯顿毕业。本科毕业论文研究的是物理与神经科学的交叉。她意识到自己真正被吸引的，不是粒子，而是大脑——那台让粒子产生意识的机器。
加州理工的视觉问题
2000 年，她进入加州理工学院（Caltech），攻读电气工程博士，师从计算机视觉的开拓者 Pietro Perona 与神经科学家 Christof Koch——后者长期与诺贝尔奖得主弗朗西斯·克里克（Francis Crick）合作研究意识的神经基础。Caltech 的训练让她同时拿到工程师的工具与科学家的提问方式。
她的博士论文研究"单样本学习"（One-shot Learning）——人为什么看一张照片就能识别一个新物体？这个问题在 2000 年代初的视觉社区不算主流，主流是手工特征加分类器。她坚信问题的关键在数据：人之所以能少样本学习，是因为大脑里早已积累了一生的视觉先验。
2005 年她拿到博士学位，先去 UIUC 任助理教授，2007 年转到普林斯顿。这一年，她做了一个改变 AI 命运的决定。
ImageNet：一千万张图片的赌博
2007 年，李飞飞坐在普林斯顿办公室里思考一个问题：为什么计算机视觉算法在学术 benchmark 上不断刷新指标，却在真实世界的图像面前频频失效？她的答案与同行相反——问题不在模型，在数据。
当时主流数据集 Caltech-101 只有 101 类、9000 张图片。而真实世界的物体类别成千上万。她决定建一个前所未有的视觉数据集：覆盖 WordNet 词典中的所有名词，每个名词配数百到上千张图片——目标是上千万张图片、两万多个类别。
最大的挑战是标注。雇专业标注员算下来需要数十年。2008 年，她注意到亚马逊推出的众包平台 Amazon Mechanical Turk——它允许把微小任务分发给全球的兼职工人。她和博士生邓嘉（Jia Deng）等团队成员把图像分类任务拆成"这张图是不是 X"的简单问答，分发给上万名 Turker。两年时间，三百万张图片被人工核验，覆盖五千多个类别。最终发布版本含约 1500 万张图片、22000 个类别。
学界几乎一边倒地不看好。2009 年她带着 ImageNet: A Large-Scale Hierarchical Image Database 投到 CVPR，反响平淡——"建一个数据集算什么研究"。她坚持下去。
2010 年，她联合主办 ImageNet Large Scale Visual Recognition Challenge（ILSVRC），把 1000 类、约 120 万张图片的子集开放给全球团队竞赛。前两届，最优算法的 top-5 错误率徘徊在 26% 上下。
直到 2012 年。
那一年，世界换了轨道
2012 年 9 月，多伦多大学辛顿实验室的克里热夫斯基与苏茨克维提交了一个深度卷积神经网络——AlexNet。它把 top-5 错误率从 26.2% 一脚踩到 15.3%。
这个结果震动了整个视觉社区。三十年来不温不火的神经网络，借由 ImageNet 这个 1000 类百万张图的舞台，第一次把传统方法甩在身后。深度学习革命的发令枪在 ILSVRC 2012 打响。
李飞飞后来回忆：那一刻她意识到，ImageNet 真正的意义不是它的算法分数，而是它给了一台叫"深度学习"的机器一片足够大的草原去奔跑。没有 ImageNet，AlexNet 不会发生；没有 AlexNet，今天的所有大模型可能仍在等待自己的拐点。
ILSVRC 一直办到 2017 年，错误率降至 2.3%，已超过人类水平。这个十年间，几乎所有重要的视觉模型——VGG、GoogLeNet、ResNet、SENet——都是在 ImageNet 这条赛道上出生的。
斯坦福、谷歌、HAI
2009 年，李飞飞从普林斯顿转到斯坦福任助理教授。2012 年起担任 Stanford Vision Lab 主任。她培养出一批后来定义 AI 的学生：邓嘉（Jia Deng，现密歇根大学）、Andrej Karpathy（OpenAI / Tesla）、Justin Johnson 等。
2017 年 1 月，她加入谷歌出任 Google Cloud 首席科学家、AI/ML 负责人。这是她第一次进入工业界核心，主导谷歌云的 AutoML 与 Vision API。两年后，2018 年 9 月她回到斯坦福。
2019 年 3 月，她与哲学家 John Etchemendy 共同创办斯坦福 Human-Centered AI Institute（HAI）。HAI 的提案非常清晰：AI 必须以人为中心，技术、政策、伦理三者并行。她在国会作证、加入美国国家 AI 研究资源（National AI Research Resource, NAIRR）工作组、在 Nature 发表关于 AI 治理的文章。她从一位计算机视觉学者走到了科技政策的舞台。
2020 年她当选美国国家工程院（National Academy of Engineering）院士；同年当选美国国家医学院（National Academy of Medicine）院士——一个研究图像分类的人，被两个最严肃的工程与医学机构同时承认。
空间智能与 World Labs
2023 年，她出版自传 The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI（中译《我看到的世界》）。书中她回到帕西帕尼那间干洗店、回到加州理工的暗室、回到 ImageNet 上线那晚——把个人故事与 AI 史交织成一部移民版的科学回忆录。
2024 年 4 月，她联合计算机图形学家 Ben Mildenhall（NeRF 作者）、Christoph Lassner、Justin Johnson 创办 World Labs，专注"空间智能"（Spatial Intelligence）——让 AI 不只看懂图片中的"是什么"，更要理解三维世界的"在哪里、能怎样"。这是她给下一个十年的赌注：从二维像素到三维世界，从感知到行动。
2024 年 9 月，World Labs 完成两轮融资共约 2.3 亿美元，估值突破 10 亿美元，成为 AI 领域最年轻的独角兽之一。
代表性著作
| 年份 | 作品 | 意义 |
|---|---|---|
| 2003 | "A Bayesian approach to unsupervised one-shot learning of object categories", ICCV（与 Pietro Perona） | 单样本学习的早期框架 |
| 2007 | "Learning Generative Visual Models from Few Training Examples", CVIU | 物体识别的概率生成模型 |
| 2009 | "ImageNet: A Large-Scale Hierarchical Image Database"（与邓嘉等）, CVPR | 深度学习时代的标志性数据集 |
| 2015 | "ImageNet Large Scale Visual Recognition Challenge", IJCV（与邓嘉、Russakovsky 等） | ILSVRC 五年回顾，定义视觉评测标准 |
| 2017 | "Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations", IJCV | 图像与语言对齐的早期里程碑 |
| 2023 | The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI | 自传，AI 史的人本视角 |
太史公曰
太史公曰
李飞飞不是写最多论文的人，也不是发明算法的人。她做的是一件极不"性感"的事——花两年时间，组织上万名陌生人，把一千五百万张图片一张一张地打上标签。在 2009 年，没有人觉得这是研究；在 2012 年，所有人都明白这是革命。深度学习的故事常被讲成辛顿、杨立昆、本吉奥三位的故事；但若没有那片叫 ImageNet 的草原，神经网络这匹老马仍会被困在小数据的栅栏里。她证明了一件被算法世界长期忽略的真相：数据不是模型的附属品，数据本身就是一种智力的形式。从干洗店柜台到斯坦福讲台，从一张张人工标注的图片到 Human-Centered AI，再到 World Labs 的"空间智能"，她始终把 AI 拉回到人——人的大脑、人的伦理、人的世界。
亲历者说
征集中
如果你曾参与 ImageNet 标注、ILSVRC 比赛，或在斯坦福 Vision Lab、HAI、World Labs 与李飞飞共事，欢迎提交贡献。
参考资料
- Fei-Fei, L., Fergus, R., & Perona, P. (2003). "A Bayesian approach to unsupervised one-shot learning of object categories." Proceedings of ICCV.
- Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., & Fei-Fei, L. (2009). "ImageNet: A Large-Scale Hierarchical Image Database." Proceedings of CVPR.
- Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., et al. (2015). "ImageNet Large Scale Visual Recognition Challenge." International Journal of Computer Vision, 115(3), 211–252.
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). "ImageNet Classification with Deep Convolutional Neural Networks." Proceedings of NeurIPS.
- Krishna, R., Zhu, Y., Groth, O., et al. (2017). "Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations." International Journal of Computer Vision, 123(1), 32–73.
- Li, Fei-Fei (2023). The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI. Flatiron Books.
- Markoff, J. (2012). "Seeking a Better Way to Find Web Images." The New York Times, November 19, 2012.
- Metz, C. (2024). "Fei-Fei Li Starts a Spatial Intelligence Company, World Labs." The New York Times, September 2024.
- National Academy of Engineering (2020). "Members Elected in 2020." NAE Press Release.