如果你真想做一件事，全世界都會來幫你。16 歲剛來美國的那兩年，李飛飛卻只能從依靠自己開始。在帕西悉尼的白人圈子中，這位亞裔姑娘顯得有點孤獨，她像所有極客一樣過着簡單的生活。那個時候打工與學習幾乎佔據了她所有的時間。李飛飛明白，這就是普通新移民的生活，需要點犧牲和決心。幸運的是她的同學和高中數學老師在這時給了她莫大鼓勵和幫助。
1995 年，李飛飛進入普林斯頓大學攻讀物理學，生活的大門終於漸漸為她打開。在周一到周五，她是普林斯頓物理系拿着高額獎學金的高材生，周末則必須回到 Parsippany 的洗衣房，置身於成堆的衣服中。她說「我愛普林斯頓。」因為這裡有全世界最優秀的年輕天才。
然而生活的艱辛也在隨着年齡增長，她見過斯坦福的優秀博士畢業生為一張綠卡四處奔波，那時的她不明白也無法想像一張綠卡，一個留在美國的機會能難倒全世界那麼多優秀的人才。
有過移民經歷的人對平等有着更加深刻的體會，李飛飛也如此，她堅持主張高科技產業性別平等，支持種族多樣化，還有反對特朗普。她曾在 Twitter 上調侃特朗普是個不懂科學沒有眼界的人。
李飛飛說：「多樣化的危機，也正是我們的社會正在應對的危機。『科技是沒有靈魂的嗎？』」她坦承自己對 AI 研究界的失望，因為這一領域不太歡迎不具代表性的少數群體。在她工作的部門裡一共有 15 名全職人員，她是唯一的女性。夢想與責任
並不是每個美國移民都能實現自己的夢想，但李飛飛做到了。當初她隨父母舉家搬到大洋彼岸。「他們來到這個國家是為了追求夢想。」李飛飛認為她也「應該能夠追求自己的夢想。」這個「應該與能夠」的選擇做起來並不輕鬆。
1999 年，李飛飛從普林斯頓大學畢業，那時的華爾街一片輝煌，互聯網泡沫的熱潮接近頂峰，李飛飛接到了多家金融公司的工作邀請。然而她卻沒有從中選擇任何一份工作來減輕家庭經濟負擔。她的父母支持她做出了最後選擇，去西藏研究藏醫。
雖然李飛飛知道自己終將回到學校，回到科研工作中來，讀博士也是她的夢想，但西藏之行並非人生插曲。
在科學界藏醫與中醫一樣存在很多爭議，但這並不妨礙李飛飛對它的興趣。她在媒體採訪中提到，作為一個科學家，藏醫可以在哲學和方法論層面上給她給多的理解。她非常看重具體科研項目在更大領域範圍內的意義，每一項研究開始之前都要經過深思熟慮。
她曾經放棄高盛的 offer，追隨夢想來到西藏
在李飛飛後來寫給博士生們的信中可以看到她對科學探索的態度：
每個領域的每一篇論文都應該以獨特的新視角進行研究。所以當你在機械地開展你們的工作前，請捫心自問——『我的研究會重新定義這一領域的未來嗎？』這意味着發表論文的意義不是『這個方向沒有人寫過』，或者『讓我來解決這個小問題，它的成果會很容易展示』；研究意味着『如果我做了，這一重大問題就有了更好的解決方案』，『如果我做了，我就真正開拓了這一領域』。你的研究成果應該能被很多人和行業直接使用，換句話說，你的選題應該有很多『客戶』，你的解決方案應該是他們想要的。
西藏歸來之後，李飛飛開始了加州理工的博士學業。博士期間母親接連患上了癌症與中風，那是一段艱苦的日子，李飛飛說，「我們經歷了很多困難，然後一起挺過來了。既要擔起生活的責任，又要對得起自己的夢想」。改變圖像識別方向的人
是什麼吸引谷歌一次性將李飛飛和她的門生李佳一齊請進公司，並委以重任的？顯然是她的學術成就和影響力。
自 2009 年以來，李飛飛一直擔任斯坦福人工智能實驗室和斯坦福視覺實驗室的負責人，並成為了終身副教授。在她 2014 年的簡歷上，有 95 篇在 Nature、PNAS、Journal of Neuroscience、CVPR、ICCV、NIPS 等頂級期刊與會議上發表的文章；聯合發表的文章有 32 篇。從 2015 年到 2016 年，李飛飛署名發表的論文有 33 篇（斯坦福視覺實驗室），還有一篇將在 2017 年發表在 CSCW 會議上。
在不就之前，艾倫人工智能研究所推出了以人工智能為基礎的免費學術搜索引擎。我們使用該引擎生成了李飛飛的論文引用量圖解（註：搜索時請注意名字輸入格式，Feifei Li 為另一位作者。），如下：
過去 3 年，李飛飛論文的平均引用量為 6738。
基於可用數據，Semantic Scholar 估計李飛飛的引用量在 33215 到 44773 之間。
回溯過去，李飛飛在計算機視覺上的研究已經花費了 15 年。
在 2007 年，李飛飛和一位同事着手開始一項龐大的任務，為來自互聯網的十億張圖片進行分類、打標籤，從而為計算機提供樣本。其中理論基礎是如果機器觀察到足夠的事物，它們就能夠在現實世界進行識別。
他們使用亞馬遜 Mechanical Turk 這樣的眾包平台，邀請了來自 167 個國家的 5 萬人幫助為其中的數百萬張圖像打標籤。
最終，他們建立了 ImageNet 數據集。今天，這個數據集包含了使用日常英語標記的超過 1400 萬張圖像，跨越 21,800 個類別。
在我們用 Semantic Scholar 生成的圖解中發現，李飛飛被引用最多的論文就是她於 2009 年在 CVPR 上發表的《ImageNet: A large-scale hierarchical image database》。
瓜分學界人才的科技巨頭們
谷歌的雲業務負責人 Diane Greene 在新聞發佈會上說，李飛飛和李佳的加入是谷歌正式將人工智能集團業務正式化的一部分。此後，該團隊不會只專註於人工智能研究，而是致力於將尖端技術融入各種 Google Cloud 產品，例如讓公司預測銷售情況的軟件。
而在宣布成立人工智能集團之前，谷歌還圍繞着雲服務部門產品路線圖發佈了一系列產品，介紹了他們如何擴大機器學習的使用。對於雲計算來說，機器學習是一項關鍵的技術，它能訓練大規模的 AI 網絡，不斷自我學習和提升。
Google Cloud 及其機器學習團隊的產品經理 Rob Craft 也表示，這兩名研究者將幫助谷歌「將機器學習的力量帶入其他行業」，他們也將成為谷歌整合其研究單位及核心業務努力的一部分。
但是，僱用具有機器學習和相關任務專業知識的人才並不便宜。這一行業內的激烈競爭導致谷歌這樣的大公司經常會支付「NFL 球員簽字費」級別的巨額資金，而越來越多的頂級學界研究人員也陸續加入了大公司的懷抱。
近年來，學界內眾所周知的大牛們基本被科技巨頭篩了個遍，方式也是各種各樣。
最初，谷歌先是收購了多倫多大學的一家初創公司 DNNResearch。但實際上，這家公司只有三個成員，Geoffrey Hinton 和他的兩個剛畢業的、曾經贏得 2012 年的 ImageNet 大賽的學生——Alex Krizhevsky 和 Ilya Sutskever（現在加入了 OpenAI）。
如今被稱為谷歌最成功一筆收購的 DeepMind 也是竭盡全力的在挖空英國的人工智能人才。前幾日 Business Insider 的一篇文章指出，牛津大學與劍橋大學最優秀的人工智能人才一直在被科技巨頭收攏。
而且在文章中重點提到，雖然微軟和 Facebook 這樣的美國科技巨頭也正在招募牛津大學的研究生和教授，但是 DeepMind 似乎比其他的公司挖到的人才更多。DeepMind 從被谷歌收購了之後就已經把它的團隊規模從在國王十字路時的 100 人擴大到了大約 250 人。
不只是谷歌，以美國、中國為主力的科技巨頭們正如同「風暴之眼」一般吸納着一切儘可能的能量推動着公司在人工智能道路上的快速發展。
微軟在人工智能研究中一直處於第一梯隊，在 9 月底宣布組建 5000 人規模的專註人工智能的工程和研發團隊 Microsoft AI and Research Group。
之前我們覺得已然落後了的蘋果，在 作為該公司人工智能研究的負責人，開始招聘人才、組建團隊。
中國的 BAT 三巨頭。百度因為有吳恩達，「聲音」是最大的，我們對他們的人工智能研究也是了解最多的（開源深度學習框架 Paddle、硬件基準測算工具 DeepBench 等）。
阿里在今年的雲棲大會上也「秀」了一把人工智能。
騰訊也在最近成立了騰訊 AI Lab，新一輪的招兵買馬不可避免。雖然在他們對騰訊 AI Lab 沒談到太多內容，但隱隱可察覺出騰訊也要像谷歌一樣在人工智能與自己的平台和產品結合上打通一條道路。
在接近尾聲的 2016 年，我們已經明顯感覺到人工智能、機器學習、深度學習等字眼成為了科技界的主流。從害怕 AlphaGo 之後因過度炒作而經歷新一輪寒冬，到語音識別、神經機器翻譯等的一個又一個的技術突破，再到越來越激烈的人才競爭，一個新的時代即將到來。
來源：機器之心
