李飞飞：从计算机视觉到以人为本的 AI

李飞飞是谁

李飞飞（Fei-Fei Li）是斯坦福大学计算机科学教授、美国国家工程院院士，也是当代人工智能领域最具影响力的人物之一。她最广为人知的贡献是发起并领导构建了 ImageNet——一个包含上千万张标注图像的公开数据集。正是 ImageNet 加上后来 AlexNet 在其中的突破性表现，点燃了 2012 年深度学习的浪潮，现代 AI 的繁荣在很大程度上可以从这个数据集讲起。

除了学术成就，她还是一位持续推动"AI 往哪里走"的公共发声者：她是斯坦福以人为本人工智能研究院（Stanford HAI）的创始联合主任，长期呼吁 AI 的发展应该以人类的需求、尊严与伦理为中心，而不是只追求技术指标。

早期经历与学术路径

李飞飞 1976 年出生在中国，成长时期辗转多地，后来赴美国求学。她在普林斯顿大学获得物理学学士学位，之后在加州理工学院获得电子工程博士学位，研究计算机视觉与计算神经科学。这段跨越物理、神经科学与计算机科学的训练背景，塑造了她对"视觉智能"的独特理解：她不仅关心机器如何识别图像，也关心人眼与大脑如何理解世界。

她早期的研究兴趣包括场景理解（Scene Understanding）与认知神经科学，试图回答"机器如何像人一样理解一张图中的完整场景，而不只是识别出其中的物体"。这些思考最终汇聚成了 ImageNet 的构想。

ImageNet：深度学习的关键燃料

2006 年前后，李飞飞和团队意识到：当时的物体识别研究数据集太小、太"干净"，模型在实验室表现不错，一到真实世界就失效。她提出一个在当时看来近乎疯狂的设想——用互联网大规模收集图片，人工标注出一个涵盖两万个类别的巨型数据集。

ImageNet 于 2009 年发布，包含 1500 万张以上标注图片。2010 年起，团队每年举办 ImageNet 大规模视觉识别挑战赛（ILSVRC），公开比拼识别准确率。2012 年，Alex Krizhevsky 等人用深度卷积神经网络（AlexNet）参赛，将错误率大幅压低，震惊学界——此后深度学习迅速席卷整个计算机视觉领域，并蔓延到自然语言处理、语音等几乎所有 AI 分支。ImageNet 也因此被普遍视为"深度学习时代"的开端标志。

李飞飞对这段历史的总结很直白：数据和算法缺一不可，算法再好，没有大规模高质量数据，"深度学习的燃料"就不够。

以人为本的AI（HAI）与伦理主张

2017 年，李飞飞联合发起成立斯坦福以人为本人工智能研究院（Stanford HAI），并担任联合主任。HAI 的核心主张是：AI 研究不能只被"性能最大化"驱动，而要把人类利益放在中心——包括公平性、隐私、透明、责任，以及让更多学科（社会科学、人文、政策）参与 AI 的塑造。

她反复强调的几个观点：

• AI 是工具，方向由人决定：技术本身没有价值观，关键是谁来定义问题、谁来设定目标。
• 多样性是硬需求：AI 系统的开发者群体如果过于单一，系统的偏见、盲区与错误就会放大；让更多女性、不同背景的人进入 AI 领域，不只是公平问题，也是产品质量问题。
• 教育是根基：她推动 AI4ALL 等项目，鼓励高中生、尤其是女性和少数族裔学生学习 AI，认为人才的多元化要从教育入口抓起。
• 冷静看待 AI 风险：她既反对过度炒作，也反对恐慌。她主张用"科学方法"研究 AI 的影响，而不是靠口号。

在产业界的实践

2024 年，李飞飞创办了初创公司 World Labs，目标是让 AI 具备"空间智能"（Spatial Intelligence）——即理解和生成三维物理世界的能力。她认为，语言模型处理的是语言，而真实世界是三维的、物理的、动态的；让 AI 学会建模和交互三维空间，是通往更接近人类智能的下一步。这与她一贯的"以人为中心、以真实世界为对象"的研究哲学一脉相承。

她的观点对普通人的启示

对不从事 AI 研究的人来说，李飞飞的故事至少有三层启发：

• 数据很重要：很多问题的答案不在算法里，而在"把真实世界的复杂性整理成可学习的数据"这一朴素工作中。
• AI 需要跨界思考：技术问题往往不只是技术问题，物理、认知、社会、伦理的知识共同决定一项技术能不能被用对。
• 个体的选择可以影响行业方向：一个研究者坚持"数据要真实、规模要足够大"，最终改变了整个领域的发展轨迹。

小结

李飞飞是"数据驱动深度学习时代"的标志性人物，也是 AI 伦理与人本主义的代表性声音。从 ImageNet 到 Stanford HAI 再到 World Labs，她的主线始终一致：让 AI 更聪明，同时让 AI 更服务于人。她的经历提醒我们，AI 领域最稀缺的往往不只是技术能力，还有对"技术为了什么"的清晰回答。