与“AI教母”李飞飞博士的深度对话：核心要点摘要

传奇的开端：ImageNet 的诞生 (2009-2012)

• 核心动机：解决AI视觉领域的“泛化”难题。当时的算法在小数据集上表现尚可，但无法推广到真实世界。
• 观点她坚信，AI研究需要一次范式转移，即从“模型为中心”转向“数据为中心”。
• 大胆的赌注：构想并创建了一个前所未有的大规模、高质量、有层级分类的视觉数据库——ImageNet。
  • [事实] 目标是下载十亿张图片，并对整个世界的视觉概念进行分类。
• 引爆点：2012年的ImageNet挑战赛。
  • [事实] AlexNet 模型（一种卷积神经网络CNN）横空出世，其性能远超当时所有其他算法，错误率骤降，震惊了整个学界。
  • 成功三要素：海量数据 (ImageNet) + 新型算力 (GPU) + 经典算法 (CNN)。这三者的结合，开启了深度学习的黄金时代。

AI视觉的演进：从物体识别到世界模型

• 第一阶段：物体识别：ImageNet解决了“图片里有什么？”的问题（猫、狗、椅子等）。
• 第二阶段：场景理解与描述：
  • 她曾认为让机器像人一样“讲故事”是一个百年梦想。
  • [事实] 2015年左右，其学生Andrej Karpathy等人的研究实现了图像描述（Image Captioning），提前完成了她的“终身目标”。
• 第三阶段（当前）：空间智能 (Spatial Intelligence) 与世界模型：
  • 观点语言的进化史不到百万年，而视觉与空间感知能力的进化史长达5.4亿年。这表明空间智能是更底层、更根本的智能形式。
  • 观点“没有空间智能，AGI就不会完整。” 这是她当前研究的核心信念。
  • 目标：构建能够理解、推理、交互和生成3D世界的世界模型。
  • 挑战：视觉问题比语言更难，因为世界是3D的，而我们感知到的是2D投影，且缺乏海量的3D原生数据。
  • [事实] 为此，她联合顶尖人才（Justin Johnson, Ben Mildenhall等）创立了公司 World Labs，致力于解决这一“妄想级”难题。

个人旅程与创业家精神

• 从零到一的基因：
  • [事实] 19岁时为支持家庭和学业，曾白手起家创办并经营了一家干洗店，自称完成了“募资、担任CEO并成功退出”。
  • 她享受站在“归零点”的感觉，不被过去的成就束缚，只专注于“埋头苦干，创造未来”（Hunker down and build）。
• 观点“我就是热爱成为一名创业者。” 这是她不断跨界（学术、工业界、非营利组织、创业公司）的内在驱动力。
• 识人标准：无论是招募学生还是员工，她最看重的是“智识上的无畏” (Intellectual Fearlessness)——敢于拥抱难题、全身心投入解决问题的勇气。

智慧问答：给未来AI人才的建议

• 关于读博：
  • 观点 当你怀有“燃烧般的好奇心”，且这种好奇心在别处无法满足时，研究生院是最好的选择。
  • 建议避开工业界能用算力 brute-force 解决的问题，专注于交叉学科、基础理论（如可解释性、因果）、小数据问题等。
• 关于开源 vs. 闭源：
  • 观点 不拘泥于任何一种形式。这是一个商业战略问题。一个健康的生态系统需要多元化的模式。但开源本身非常重要，应予以保护。
• 关于少数裔身份：
  • 观点 承认会感受到这种身份，但要学会“不去过度索引它” (not over-index on that)。专注于你的工作和创造。
• 给所有人的最终建议：
  • 观点 面对困难和自我怀疑时，专注于行动。“用梯度下降法，将自己优化到最优解。”