精选
李飞飞是华裔女科学家，是世界知名的人工智能（AI）专家，是美国斯坦福大学终身教授，斯坦福大学人工智能实验室主任，曾任谷歌副总裁和谷歌云首席科学家。李飞飞是美国三院院士，2020年当选美国国家工程院院士、美国国家医学院院士，2021年当选美国艺术与科学院院士。可以说，李飞飞是华人学者中最接近图灵奖的学者之一，网上很多人都称她为人工智能女神（AI女神）。
1976年，李飞飞出生于北京，在成都长大，16岁跟随父母移民美国。从不懂英文到每天只睡4个小时攻克英语，李飞飞通过自己不懈的艰苦努力，成为了一名学霸，在美国名校普林斯顿大学获得学士学位，并于2005年获得加州理工学院的博士学位，她的研究课题是当时比较冷门的人工智能难点：计算机视觉。我本以为，她的学术生涯也如同她的学生生涯一样，是一马平川的，拿各类美国国家自然科学基金（NSF）易如反掌，中各类人才计划如探囊取物，一路开挂。
最近，我看了一个李飞飞的视频访谈（https://www.bilibili.com/video/BV1nP411j7ds?spm_id_from=333.337.search-card.all.click），彻底颠覆了我的设想。2009年，年仅33岁的李飞飞在斯坦福大学担任助理教授，有了一个疯狂的想法，通过对大量图片的人工标注教会计算机识别各种各样的物体，突破以前的研究只局限于几个类型的物体。据说，此前计算机图片识别研究主要只有四类物体：汽车、飞机、豹子和人脸。这个想法也许萌芽于李飞飞博士毕业左右，已经酝酿了一段时间。
打个简单的比如，要让计算机认识猫，要给它看几千张甚至几万张猫的图像。世界上的物体，成千上万，难以穷尽。李飞飞想把字典上所有的物体都识别出来，这确实是一个疯狂的想法。因此，李飞飞需要的图片的数量级为上亿张，图像类型有几千类，极大地拓展了计算机视觉的研究范围，相当于四生万物，是一个非常大的突破。 在采访中，李飞飞说她申请了多次NSF项目，都没有获得资助。我猜测可能评审专家认为这个想法太简单，太幼稚，或者太疯狂、可行性太差。
尽管没有基金的资助，李飞飞并没有放弃她的想法，而是继续她的研究。为了研究不中断，她居然想出了2种不得已的方法继续资助她的研究：1）开洗衣店；2）到马路上给人洗车。经过理性分析，她发现图像标志的工作量太大，她的3人课题组就是不吃不喝不睡，一直干标注工作，也要几十年才能完成。于是，她开始找公司赞助。功夫不负有心人，亚马逊公司给了资助，帮助她们在网上以众包的方式找人标注图像。据说，100多个国家的几十万人参与了大量图片的标注工作，人多力量大，不到一年就基本完成了任务。这就是著名的ImageNet项目，是大数据和人工智能重要的里程碑事件。
在这个巨大的图像数据库上，2010年开始，李飞飞等人组织了ImageNet图像识别挑战赛，世界范围内很多著名计算机视觉团队都参加了比赛。比赛数据多，物体类别多，有一个统一的BenchMark（基准），各大计算机视觉团队终于可以同台竞技，公平竞争了，而不是各说各话、无法比较了。
2012年，一种号称深度学习的卷积神经网络算法获得了冠军，并遥遥领先第二名，吸引了大家的注意。从此，人工智能进入了大数据和深度学习时代。2018年，提出深度学习的三位科学家获得了图灵奖。但是，如果没有李飞飞组织的比赛，他们的先进算法可能还不为人知，淹没在大量的文献中。如果说Hinton等三人是深度学习之父，李飞飞也可以说是深度学习之母或催产士，我认为他们对人工智能发展的学术贡献不分伯仲。
李飞飞在采访时提到，她刚到斯坦福任教时，很多朋友建议她不要搞这么大、这么难、这么没有前景的项目，而是要搞一些热点、容易出成果的项目，从而有利于拿到基金，有利于拿到终身教职，拿到终身教职再从长计议。但是，李飞飞没有选择容易的路，而是选择了一条艰难的路。在李飞飞的坚持下，一个伟大的想法，一个伟大的项目，一个巨大的数据库，终于带动了人工智能的第三次复兴，这个意义远超NSF基金和斯坦福的终身教授。
幸好，斯坦福大学没有这么短视，每年都要搞年度考核；幸好，亚马逊公司喜欢创新想法，支持了这个项目；幸好，ImageNet大赛在李飞飞第一个5年聘期内，就取得了突破性进展。不管怎么样，李飞飞坚持梦想（让计算机识别各类物体）、坚持想法（大数据训练模型）、坚定不移（没有基金资助也坚持研究方向不动摇）、坚持不懈（坚持努力不放弃，直到项目达到预期目标）的“四坚精神”非常值得我们学习。李飞飞的ImageNet项目故事告诉我们：条条大路通罗马，基金资助只是科研的一条路径；只要坚定不移的坚持科研梦想并有足够的科研自信坚持自己独特的科研想法，通过坚持不懈的努力，总会找到意想不到的科研路径，取得突出的科研成果。
转载本文请联系原作者获取授权，同时请注明本文来自陈德旺科学网博客。
链接地址：https://wap.sciencenet.cn/blog-57940-1355277.html?mobile=1
收藏
