人工智能時代正撲面而來。上周末，谷歌AI中國中心正式成立。宣布這一消息的，是被稱為“AI女神”的華裔女科學家李飛飛。

站在臺前和聚光燈下的李飛飛，現(xiàn)在被人提及時總會加上一串響當當?shù)念^銜：她是斯坦福大學計算機系終身教授、斯坦福大學人工智能實驗室主任、谷歌云人工智能和機器學習首席科學家……隨便拿出一個身份都足以證明其江湖地位。她最大的貢獻，便是主導(dǎo)的計算機視覺識別項目，每年吸引著包括Google、Facebook、Amazon等科技巨頭在內(nèi)的上百家頂尖機構(gòu)，共同向前推進人工智能的邊界。在這些矚目的光環(huán)之下，卻是一位華裔女子非比尋常的勵志故事。

1976年，李飛飛出生于北京，后來在四川長大。1993年，李飛飛跟隨父母移民到美國新澤西州小鎮(zhèn)帕西帕尼。

一到美國，困難就橫亙面前。李飛飛的父親只能找到做相機修理的工作，母親則當了名收銀員，微薄的收入遠不足以支撐全家的生活和學費。

這時，距離大學入學只有2年時間。如果想要進入一所好大學，李飛飛不僅要在少得可憐的學習時間里迅速掌握英語，還要拿出一份極其優(yōu)秀的成績單，只有這樣才能拿到頂尖大學的獎學金。否則，以他們的家境，是付不起高昂學費的。

李飛飛不得不分出大量精力，掙扎在唐人街中國餐館之間，到處端盤子，當清潔工，做收銀員……最辛苦的時候，她一天只睡4小時，周旋于工作和學習之中。

這就是普通新移民的生活，想要站穩(wěn)腳跟，就需要犧牲和決心。李飛飛曾回憶說：那是一段殘酷的時光，我不是很喜歡那時的自己。

一份付出，一份收獲。李飛飛收到了普林斯頓大學的錄取通知，還有全額獎學金。當時，這個消息在帕西帕尼算是個大新聞，她奮斗的故事登上了當?shù)氐膱蠹?，標題是《“美國夢”成真了！》。追夢聽從內(nèi)心去選擇自己的方向。

1995年，李飛飛進入普林斯頓大學，希望的大門漸漸為她打開。

讀書期間，李飛飛敏銳地注意到了市場上的機會，她決定借錢買下一家洗衣店，交給父母經(jīng)營。她從此過上了雙城生活：周一到周五，她是普林斯頓的高材生，拼命努力吸收知識；周六到周日，她則走出實驗室，穿上白圍裙，置身于成堆的衣服中，給洗衣店幫忙。

1999年，李飛飛從普林斯頓大學畢業(yè)。那時的華爾街趕上了大牛市，李飛飛接到了包括高盛在內(nèi)的多家頂級金融公司的offer，然而她卻沒有從中選擇任何一份工作開始賺更多的錢。那個時候，她的興趣是希望能去西藏，在那兒做一年的藏藥研究，這聽上去有點兒瘋狂。之后，她的夢想是攻讀一個博士，盡管在這期間一分錢也掙不到。

一年的西藏之行并非人生插曲。在科學界，藏醫(yī)與中醫(yī)一樣存在很多爭議，她在接受采訪中表示，作為一個科學家，藏醫(yī)可以在哲學和方法論層面上帶給她很多，她非常看重小眾科研項目在更大領(lǐng)域范圍內(nèi)的意義，每一項研究開始之前都要經(jīng)過深思熟慮。“對我來說，真正的挑戰(zhàn)是，你需要充分發(fā)揮自己的潛力，同時兼顧自己所身負的責任，然后又必須忠于自己的內(nèi)心。”

西藏歸來之后，李飛飛進入了加州理工學院，攻讀人工智能和計算神經(jīng)科學方向的博士學位。

生活依舊沒有停止對她的刁難。李飛飛讀博士期間，她的母親接連患上了癌癥與中風。那是一段艱苦的日子。李飛飛說，我們經(jīng)歷了很多困難，然后一起挺過來了。飛躍改變計算機視覺識別方向的人。

2005年博士畢業(yè)后，李飛飛進入了斯坦福大學AI實驗室，選擇了當時陷入瓶頸期不被看好的研究方向——計算機視覺識別領(lǐng)域。

計算機視覺識別，通俗地講，就是拿一張圖片，讓計算機認出來這張圖片所包含的內(nèi)容以及不同內(nèi)容區(qū)域的關(guān)系，讓機器讀懂圖像。這對于正在學習新事物的三歲小孩來說很簡單的事，但對于計算機智能的發(fā)展卻是一座大山。

彼時，圖像識別已經(jīng)走過了20個年頭，但計算機可識別的物體卻不到20種，這是遠遠不夠的。面對圖像識別如此匱乏的“詞匯量”，李飛飛產(chǎn)生了一個瘋狂的想法。她拿出一本字典，決定要讓圖像識別涵蓋到字典里的每一個詞條。當她把這個想法告訴其他教授時，大家都紛紛勸她換個方向，因為研究這個是“拿不到終生教授”的。

剛開始時，李飛飛將很大部分的精力都放在算法的優(yōu)化上，然而這并沒有帶來太大的突破。突然有一天，一個非常簡單但卻非常有沖擊力的想法，使李飛飛找準了方向。她想，沒人教嬰兒怎么“看”，也沒有人告訴他們“貓”的特征，但是他們卻能夠很快地知道這就是貓，無論什么品種或什么形態(tài)。因為人類的眼睛就好像一個生物照相機，每200毫秒就能獲取一幅圖片，一個三歲的孩子就已經(jīng)見過上億張貓的圖片了，能分辨圖片當然不在話下。所以要讓計算機學會“識圖”，關(guān)鍵是在于數(shù)據(jù)訓(xùn)練量——讓計算機看更多的圖片。

李飛飛與團隊便從互聯(lián)網(wǎng)上下載了近10億張圖片，在這之后便是對這些圖片進行分類、打上標簽，為計算機提供學習用的“題庫”，而這個“題庫”就是現(xiàn)在的ImageNet。然而，自己主導(dǎo)的研究初期并沒有獲得太多支持，研究經(jīng)費很快用完了。她曾想過雇用本科生，每人10美元一小時來人工歸類圖像，但人工完成項目需要90年。在最困難時，李飛飛曾打算重開洗衣店籌措科研經(jīng)費，就像當年籌措學費一樣。