“AI沒(méi)有國界，AI的福祉也沒(méi)有國界。”在12月中旬上海的一個(gè)演講中，李飛飛這樣說(shuō)。

她自己就是那個(gè)技術(shù)和知識沒(méi)有國界最好的證明——出生于中國，16歲和父母移民到美國，全家人靠洗盤(pán)子、開(kāi)干洗店生存下來(lái)，憑借強大的驅動(dòng)力，她在普林斯頓、加州理工這些學(xué)校里完成了世界最好的科學(xué)訓練。

之后，她一頭扎進(jìn)了人工智能的研究中。

整個(gè)人工智能研究領(lǐng)域，尤其是計算機視覺(jué)研究，因為她的貢獻而變得不同。2016年，美國最古老的基金會(huì )——卡內基基金會(huì )，提名她為當年的杰出移民。

但她在學(xué)科上做的貢獻、她培養的門(mén)徒從來(lái)沒(méi)有限制在美國境內?，F在，她又作為谷歌的一員回到中國，領(lǐng)導這家公司在中國的人工智能研究中心。

知識和技術(shù)總是流動(dòng)的，不會(huì )因為行政命令或者是特朗普簽證關(guān)卡而停止流動(dòng)。

一

李飛飛談及自己的人生，總是從16歲談起，她說(shuō)那年她和父母移民到了美國。

她1976年出生在北京，16歲那年是1992年。

那大概是中美經(jīng)濟生活之間還存在巨大差距的最后一個(gè)時(shí)代，從中國移民到美國往往要付出巨大的代價(jià)。李飛飛全家移民到美國兩年后，一部名為《北京人在紐約》的電視劇在國內爆紅，描寫(xiě)的就是這種代價(jià)——社會(huì )地位的落差，經(jīng)濟上的困頓等等。

李飛飛受過(guò)高等教育的父母來(lái)到美國后，也失去了原本在中國的知識分子的工作，父親給人修理照相機，母親則是一名收銀員。

用她自己話(huà)來(lái)說(shuō)，全家人處于一種“求生模式”中。李飛飛說(shuō)，她什么樣的工作都做過(guò)，從在中餐館里打工，到給人打掃房子甚至幫人遛狗，但她沒(méi)有覺(jué)得困難，因為父母也同樣努力工作。

初到美國，全家人住在紐約附近一個(gè)叫帕西帕尼（Parsippany）的地方，全家人僅有的一些朋友都是和他們一樣的移民，“大家都很忙，忙著(zhù)討生活”。

作為一個(gè)移民，她必須從零開(kāi)始學(xué)英語(yǔ)。相比當地的孩子，她渾身散發(fā)著(zhù)書(shū)呆子氣，她說(shuō)她在學(xué)校也沒(méi)有太多的朋友。

“我想要理解很多本質(zhì)的問(wèn)題，如宇宙的起源，生命的意義等，我想要生命中擁有那種智慧。”她說(shuō)這是她的驅動(dòng)力。

所幸她的數學(xué)和理科都不錯，她就讀的帕西帕尼高中（Parsippany High School）在新澤西州的高中里排名中等，她畢業(yè)的時(shí)候排名第六。

當時(shí)她申請了一大批學(xué)校，但普林斯頓給了幾乎全獎的獎學(xué)金，她去了普林斯頓。

事實(shí)上，她考上普林斯頓就在當地讓人驚訝了，1995年2月，當地的報紙專(zhuān)門(mén)刊載了她的故事，《“美國夢(mèng)”成真了！》

她最大的欣喜是發(fā)現身邊朋友起了變化，“身邊全是這些學(xué)術(shù)、知性、充滿(mǎn)魅力的人”，她說(shuō)。

她極少公開(kāi)提及的是她與《南京大屠殺》的作者張純如在那段時(shí)間成了好友。她在普林斯頓讀書(shū)時(shí)，曾經(jīng)舉行過(guò)一個(gè)跟南京大屠殺有關(guān)的活動(dòng)，當時(shí)在地區有不小的影響力，作為學(xué)校里數量非常非常少的來(lái)自中國大陸的學(xué)生，做到這一點(diǎn)并不容易。

在她與知識分子為伍時(shí)，她家人的生活還在掙扎當中，她決定在帕西帕尼盤(pán)下一家干洗店來(lái)，讓父母來(lái)經(jīng)營(yíng)。全家人都湊不夠那么多錢(qián)，她四處向朋友借錢(qián)，甚至從高中數學(xué)老師那里借到了錢(qián)。

多年后回憶起初到美國的困頓生活，她總是提及她的高中老師，“我真的很感謝那些高中老師們，我當時(shí)什么都不是，就是個(gè)移民的小孩”，她回憶說(shuō)，但這些白人老師愿意幫助她。

她自己說(shuō)那就是“雙城記”，帕西帕尼和普林斯頓。

周一到周五，她在普林斯頓學(xué)物理，放學(xué)后通過(guò)電話(huà)參與干洗店的經(jīng)營(yíng)，周末她就回到帕西帕尼給家里的干洗店幫忙，接待那些來(lái)取送衣物干洗的人。“我非常愛(ài)普林斯頓，不過(guò)也非常愛(ài)我的洗衣店，缺少了它們中的任何一件，都沒(méi)有現在的我”，她說(shuō)。

1999年，她從普林斯頓畢業(yè)。作為一個(gè)和父母一路艱辛走來(lái)的中國移民女兒，這毫無(wú)疑問(wèn)是一個(gè)幫助全家人從經(jīng)濟困境中解脫出來(lái)的最佳時(shí)刻。

當時(shí)是美股大牛市，就業(yè)市場(chǎng)一片大好。她受邀去面試了數家投行和咨詢(xún)公司，高盛和麥肯錫都給過(guò)她工作offer。如果她就這樣去了華爾街，從此讓全家人過(guò)上了富裕的中產(chǎn)生活，也是一個(gè)足夠勵志的北京人在紐約的故事了。

她并沒(méi)有去華爾街，而是選擇了去西藏研究一年藏藥，“這聽(tīng)起來(lái)很瘋狂”，李飛飛說(shuō)她自己也知道一般人難以理解她的選擇。

她的父母放棄了北京知識分子生活來(lái)到美國，也并不只是為了早日過(guò)上美國舒適的生活，他們非常尊重李飛飛的選擇。

從西藏回來(lái)后，她選擇繼續讀博，學(xué)的是人工智能和計算神經(jīng)科學(xué)。這意味著(zhù)這段時(shí)間她還是只有微薄的獎學(xué)金，全家人仍然要承受經(jīng)濟的不寬裕。

“人生最大的挑戰其實(shí)是不辜負你最大的潛能，又不辜負你身上的責任，以及誠實(shí)面對你自己內心所希望追求的事業(yè)”，2017年，她在接受CNN采訪(fǎng)時(shí)這樣說(shuō)。

在加州理工讀博士期間，李飛飛媽媽得了癌癥，又患了中風(fēng)。

在《北京人在紐約》那部電視劇里，生活里的困苦拍成了40集連續劇，李飛飛在接受CNN采訪(fǎng)時(shí)把這段經(jīng)歷間斷地描述為，”我們經(jīng)歷了很多艱難困苦，然后一起挺過(guò)來(lái)了。”她說(shuō)，如果加州理工那段經(jīng)歷發(fā)生在她剛剛來(lái)美國那段時(shí)間——要面臨全新文化和語(yǔ)言的挑戰，她不認為她自己能夠辦得到。

2005年，李飛飛從加州理工獲得了博士學(xué)位。

從1995年到2005年，她接受了世界上最好的科學(xué)教育。

二

從移民生活的困頓中解脫了出來(lái)后，李飛飛一頭扎進(jìn)關(guān)于大的問(wèn)題的研究當中——如何讓計算機理解圖片。

計算機如果要越來(lái)越廣泛地被人們所使用，就必須習得認知畫(huà)面的能力。最簡(jiǎn)單的例子是，當自動(dòng)駕駛的汽車(chē)前方路面出現了一個(gè)障礙物時(shí)，計算機需要識別那是個(gè)可以輕松碾過(guò)去的紙袋子還是個(gè)應該避開(kāi)的石頭。

這是認知世界最重要的一部分能力。大自然努力了5億4千萬(wàn)年，人類(lèi)才進(jìn)化到擁有這個(gè)地步。幾十年來(lái)，相當一部分計算機研究人員都投身于此。

2005年前后，李飛飛剛成為美國伊利諾伊大學(xué)香檳分校的計算機科學(xué)教授。對于計算機的圖片識別問(wèn)題，她發(fā)現學(xué)術(shù)界和AI工業(yè)界都在朝著(zhù)一個(gè)方向努力：尋找一個(gè)更好的算法，這個(gè)算法可以提供更好的決策。

但她看到到了這個(gè)路徑的局限性——如果這種算法基于的數據并不能夠反映真實(shí)世界，再好的算法也不會(huì )有用。她試圖尋找另一種路徑——構建一個(gè)更好的數據集。

在保持對這個(gè)問(wèn)題的思索中時(shí)，李飛飛恰巧接觸到了關(guān)于WordNet的理論，受到了啟發(fā)。

1980年代，普林斯頓大學(xué)物理學(xué)家喬治·米勒啟動(dòng)了一個(gè)項目叫做“WordNet”，目標是為英語(yǔ)語(yǔ)言搭建一種邏輯結構——有點(diǎn)像詞典，但不是按照字母排列，而是以邏輯關(guān)系展現，這種邏輯關(guān)系能夠被機器理解和閱讀。

比如，“dog”（狗）這個(gè)詞會(huì )出現在“canine”（犬）這個(gè)詞下，而“canine”（犬）又出現在“mammal”（哺乳動(dòng)物）這個(gè)詞下。以這種方式，WordNet收集了15萬(wàn)5千多個(gè)索引詞匯。

2006年，訪(fǎng)問(wèn)母校普林斯頓時(shí)，李飛飛拜訪(fǎng)了在WordNet領(lǐng)域有影響力的一名學(xué)者Chrinstiane Fellbaum教授。Fellbaum給她出了個(gè)主意，建議她給WordNet每個(gè)單詞配一張圖片，作為一種邏輯關(guān)系的索引。

幾個(gè)月之后，她回到普林斯頓任教，再幾個(gè)月后，2007年初，李飛飛啟動(dòng)了ImageNet項目——遵循了Fellbaum的建議，給每個(gè)單詞配以多個(gè)圖片，從而構建一個(gè)龐大的數據集。

十年后的2017年，她在接受Quartz 采訪(fǎng)時(shí)回憶那段經(jīng)歷，“那時(shí)我們決定做一些史無(wú)前例的事情，要描繪整個(gè)物理世界。”

李飛飛說(shuō)的“我們”不過(guò)是包括她自己在內的三個(gè)人——她聘請了教授研究員Kai Li，Kai后來(lái)又說(shuō)服了博士研究生Jia Deng加入，而Deng一直和李飛飛一起管理這個(gè)項目，一直到2017年這個(gè)項目結束。

“當時(shí)我清楚地知道這將改變視覺(jué)研究領(lǐng)域的游戲規則，但如何改變，卻不清楚。”Jia Deng對Quartz回憶說(shuō)。

ImageNet 數據集里既包括熊貓、教堂這種具體事物，也包括“愛(ài)”這種抽象概念。

他們這個(gè)龐大的工程，要從最基礎的工作開(kāi)始——給WordNet這種邏輯數據集添加照片。

李飛飛的第一個(gè)想法就是以10美元每小時(shí)的價(jià)錢(qián)雇傭本科生，讓他們以人工的方式尋找照片并添加進(jìn)數據集。很快，他們發(fā)現，按照這種速度，大約需要90年才能完成照片收集。

叫停這個(gè)方案后，李飛飛和團隊重新回到黑板前來(lái)討論別的路徑。他們考慮寫(xiě)一些算法，讓計算機自己從網(wǎng)上找圖片，然后只是人工審核準確性。又對算法推敲了幾個(gè)月，他們發(fā)現這種路徑缺乏持續性——這種算法只能揀出能夠識別的圖片，而這種識別能力在編程時(shí)就限定了的。

李飛飛的目標始終是整個(gè)世界。

與此同時(shí)，李飛飛還面臨的另一個(gè)問(wèn)題是團隊已經(jīng)沒(méi)有資金了。她四處向聯(lián)邦申請資金，得到的回復是對方寫(xiě)在申請書(shū)上嚴厲的批評——為普林斯頓在做這樣的研究而感到羞愧，這個(gè)研究唯一的可取之處是這是一個(gè)女性主導的研究。

沒(méi)有任何一家愿意給他們錢(qián)，這個(gè)項目眼看陷入絕境。

轉機來(lái)自于李飛飛和一個(gè)研究生偶然間的聊天。那名學(xué)生問(wèn)李飛飛是否知道亞馬遜的 Mechanical Turk 網(wǎng)站——一個(gè)眾包平臺，可以把任務(wù)在這個(gè)平臺上分發(fā)出去，雇傭世界各地的人用電腦遠程完成，費用低廉。

“我真的就是在當天對ImageNet重新燃起了信心。”李飛飛說(shuō)，“突然間就找到了一種可以大規模完成這個(gè)任務(wù)的工具，如果僅僅是靠普林斯頓的本科生，ImageNet將是一個(gè)不可能實(shí)現的夢(mèng)。”

即便利用 Mechanical Turk 這種高效的工具，數據集最終也花費了兩年半的時(shí)間才完成。最終它包含了 320 萬(wàn)張標記的照片，這些照片被劃分為 5247 個(gè)種類(lèi)，劃分為12個(gè)子樹(shù)，比如“哺乳動(dòng)物”“機車(chē)”和“家具”等。

2009年，李飛飛和團隊發(fā)布了ImageNet的論文和數據集，但并不是什么破繭而出的時(shí)刻，外界幾乎沒(méi)有什么反應。

當時(shí)在CVPR——計算機視覺(jué)研究的前沿會(huì )議上，主辦方都不允許他們上臺做演講，僅僅是批準他們貼一張海報。沒(méi)有辦法，他們只好向與會(huì )人員派發(fā)印有Imagenet品牌的鋼筆。

他們所有的努力都是基于這樣一種觀(guān)點(diǎn)——更多地數據對于算法是有幫助的，但大部分人對這個(gè)觀(guān)點(diǎn)持懷疑態(tài)度。

Jia Deng對當時(shí)的遭遇記憶猶新，“很多人都說(shuō)，如果你連一個(gè)物體都算不好，干嘛要收集幾千幾萬(wàn)個(gè)物體的數據？”

李飛飛始終是一個(gè)有野心的人，她希望更多的人接受她的觀(guān)點(diǎn)，“我們意識到如果要更大眾接受這個(gè)路徑，那我們要做得更多。”李飛飛說(shuō)。

在圖片識別研究領(lǐng)域會(huì )有一些賽事，大家持自己算法參賽，對同樣的圖片數據庫做識別，識別率最高者獲勝。李飛飛聯(lián)系到了當時(shí)歐洲的一個(gè)知名的圖片識別大賽PASCAL VOC，對方同意和她聯(lián)名舉辦比賽。

隨著(zhù)比賽不斷舉辦，ImageNet的名聲越來(lái)越大，成為衡量圖像識別算法性能如何的一個(gè)基準。

隨著(zhù)比賽舉辦到2011年、2012年，研究者們注意到比賽之外的收獲——他們的算法經(jīng)過(guò)使用 ImageNet 數據集后表現得更好了。李飛飛向外界證明了他們觀(guān)點(diǎn)的正確性——更多的數據對于獲得更好的算法是有用的。

Alex Berg，團隊的第四名成員后來(lái)回憶說(shuō)，“人們驚訝地發(fā)現先用 ImageNet 訓練模型，然后再針對其它任務(wù)調試模型，這不僅僅是神經(jīng)網(wǎng)絡(luò )領(lǐng)域的突破，也是識別領(lǐng)域的重大進(jìn)展。”

2012年的ImageNet大賽上，發(fā)生了一件重要的事情——杰弗·瑞·辛頓（Jeoffrey Hinton）和他的團隊勝出。

那場(chǎng)大賽上，來(lái)自加拿大多倫多大學(xué)的杰弗瑞·辛頓（Geo?rey Hinton）、Ilya Sutskever，和 Alex Krizhevsky 提交了一個(gè)叫做 Alexnet 的深度卷積神經(jīng)網(wǎng)絡(luò )架構，奪得了當年的 ImageNet 冠軍，圖片識別的正確率比第二名高出達41%。

一直到今天，人們都把深度學(xué)習能夠重新獲得生命的原因歸結于這場(chǎng)比賽，從此以后整個(gè)人工智能研究領(lǐng)域都發(fā)生了變化。

三

“和辛頓相比，我感到很幸運，因為他堅持研究了二十多年才獲得回報，我等待的時(shí)間沒(méi)有那么長(cháng)，我很敬佩他的堅持和熱情”，在2017年和《國家科學(xué)評論》的訪(fǎng)談中，李飛飛這樣說(shuō)。

辛頓和學(xué)生們贏(yíng)得那場(chǎng)比賽時(shí)已經(jīng)65歲了，因為對深度學(xué)習這個(gè)領(lǐng)域的堅持，在此之前他完全過(guò)著(zhù)邊緣化的一生。

深度學(xué)習的前身叫神經(jīng)網(wǎng)絡(luò )，可以把它理解為人工智能研究中的一個(gè)分支，完全迥異于傳統的機器學(xué)習學(xué)派依靠數學(xué)邏輯的路徑。這個(gè)分支在1950年代萌芽，他們的核心思想是“訓練”——簡(jiǎn)單來(lái)說(shuō)，就是通過(guò)一種“獎賞機制”讓機器學(xué)會(huì )識別新事物。

正因為和傳統路徑迥異，注定了這個(gè)學(xué)派每次取勝時(shí)都會(huì )遭到傳統學(xué)派的抨擊和詆毀，在幾十年里幾番復活又幾番死去，這個(gè)學(xué)派的信徒們也不可避免地卷入這種命運沉浮中。

辛頓1970年代在英國愛(ài)丁堡開(kāi)始做研究時(shí)，這個(gè)學(xué)派已經(jīng)在1950年代短暫地繁榮之后進(jìn)入了寒冬期。

別人問(wèn)辛頓“看你挺聰明的一個(gè)人，為什么要做這個(gè)？”當時(shí)他在論文中只要提到“神經(jīng)網(wǎng)絡(luò )”，論文就無(wú)法通過(guò)同行評審。畢業(yè)后，他沒(méi)有找到全職的學(xué)術(shù)工作。

辛頓當時(shí)的長(cháng)期合作伙伴T(mén)errence J. Sejnowski說(shuō)：“我們都堅信神經(jīng)網(wǎng)絡(luò )?？梢哉f(shuō)是盲目信仰，因為我們不能用數學(xué)或其他方法來(lái)證明。”但是，當看到基于數學(xué)和統計學(xué)的人工智能搞不定諸如圖片識別等難題時(shí)，他們知道自己手中握有王牌。

1980年代早期，辛頓來(lái)到加州大學(xué)圣地亞哥分校做博士后，但最終沒(méi)有獲得教職，他回到英國，做著(zhù)一份無(wú)聊的職位。

一個(gè)學(xué)術(shù)路徑未被證明之前，很多人研究人員都不得不像乞丐一樣四處討要資金，這讓這些學(xué)術(shù)路徑的生死帶有偶然性。在英國的一個(gè)半夜，辛頓被一個(gè)美國來(lái)的電話(huà)驚醒，對方表示，愿意資助他35萬(wàn)美元繼續他的研究。

辛頓后來(lái)才知道這筆資助的來(lái)源：蘭德公司的一個(gè)非營(yíng)利子公司通過(guò)開(kāi)發(fā)核導彈攻擊軟件獲得了數百萬(wàn)美元。因為是非營(yíng)利組織，政府以此要求他們，要么把這筆錢(qián)用來(lái)支付薪水，要么盡快散出去，他們選擇把這筆錢(qián)散給了辛頓。

因為這筆錢(qián)，辛頓等人的研究又復活。到了1980年代末，神經(jīng)網(wǎng)絡(luò )隨處可見(jiàn)，他們重返《紐約時(shí)報》，好萊塢也以此博取眼球，阿諾德.施瓦辛格扮演的機器人終結者說(shuō)：“我的CPU是一個(gè)神經(jīng)網(wǎng)絡(luò )處理器，一個(gè)會(huì )學(xué)習的計算機。”

但冬天很快再次來(lái)臨——神經(jīng)網(wǎng)絡(luò )可以學(xué)習但學(xué)得不太好，一個(gè)神經(jīng)網(wǎng)絡(luò )失敗了，人們也未必清楚其中原因，工程師討厭這種變化無(wú)常。在主流機器學(xué)習會(huì )議上，很難發(fā)表任何有關(guān)神經(jīng)網(wǎng)絡(luò )的內容。

1990年代末開(kāi)始，深度學(xué)習完全進(jìn)入冰封期，辛頓和一群自稱(chēng)為“主流機器學(xué)習社區棄兒”的人密謀復活神經(jīng)網(wǎng)絡(luò )，這些人包括伊恩·樂(lè )坤(YannLeCun)——后來(lái)主持Facebook人工智能實(shí)驗室的學(xué)者，以及后來(lái)加入百度的吳恩達等人。“當時(shí)每個(gè)人都在做著(zhù)不同的事，莫名其妙地，辛頓說(shuō)服了他們”，經(jīng)歷了那場(chǎng)復興運動(dòng)的樂(lè )坤回憶說(shuō)。

到2004年，他從CIFAR的加拿大組織申請到一筆研究資金，這讓這個(gè)組織有了活下去的可能性。

到了2006年，Hinton發(fā)表了有關(guān)“深度信念網(wǎng)絡(luò )”的文章，這個(gè)人工神經(jīng)網(wǎng)絡(luò )被冠以新名稱(chēng)”深度學(xué)習”。

現在看來(lái)，那是人工智能技術(shù)大爆發(fā)的前夜。也是在那個(gè)前后，李飛飛在普林斯頓思考有關(guān)數據對算法的問(wèn)題，并著(zhù)手建立ImageNet。

我們不知道兩人之間在當時(shí)是否有過(guò)交流，但很明顯兩人都在朝著(zhù)一個(gè)有微弱光芒的地方前進(jìn)——李飛飛對數據問(wèn)題的強調，正好契合了辛頓的深度學(xué)習路徑對于數據需求。

2012年ImageNet大賽的結果，讓深度學(xué)習從此成為顯學(xué)，李飛飛說(shuō)，到了2014年時(shí)，所有的高分選手都在用深度神經(jīng)網(wǎng)絡(luò )。從此，大批的研究資金傾入這一領(lǐng)域，大公司廣泛采用這一路徑—— Facebook 用它來(lái)標記用戶(hù)照片；特斯拉自動(dòng)駕駛汽車(chē)用它來(lái)檢測物體。

ImageNet 數據集的收集和標注花費了李飛飛大量心血，但自從構建以來(lái)，它一直秉承開(kāi)放和自由使用的原則，這也影響了其它大公司在數據上的行為——2016 年谷歌發(fā)布了Open Image數據集，DeepMind 今年夏天也發(fā)布了自己的視頻數據集。

整個(gè)人工智能領(lǐng)域從此變得不一樣了。

四

2016年，美國最古老的基金會(huì )——卡內基基金會(huì )，提名李飛飛為當年的杰出移民。每年，他們會(huì )選出約40名的已入籍移民予以表彰，以獎勵他們對美國社會(huì )所做出的顯著(zhù)貢獻。

美國是一個(gè)移民國家，因此聚集了世界上最聰明的那一批大腦——像李飛飛這樣的人。這種基金會(huì )的表彰和提名，本質(zhì)上是為這一制度和背后的經(jīng)濟繁榮感到優(yōu)越和自豪。

在一邊舉辦ImageNet大賽時(shí)，李飛飛另一個(gè)重要的身份是教書(shū)，在普林斯頓之后，2009年她去了斯坦福。

大概是自己是移民的緣故，對于人才是否能夠自由流動(dòng)，她一直保持警惕。“我見(jiàn)過(guò)斯坦福非常優(yōu)秀的博士生怎么也得不到綠卡，為世界上的人才創(chuàng )造這么多的障礙，在我看來(lái)是無(wú)法想象的。”

另一方面，她又希望留住學(xué)生們，大家一起為這個(gè)領(lǐng)域努力，而不是跑去華爾街。

姚邦鵬是李飛飛學(xué)生之一，從普林斯頓一直跟隨她到斯坦福，是李飛飛手把手教他推公式帶出來(lái)的。但姚邦鵬最終決定離開(kāi)學(xué)術(shù)界，去了華爾街做金融。

李飛飛對他的決定非常失望。姚邦鵬說(shuō)，在李飛飛看來(lái)，他放棄做學(xué)術(shù)也就罷了，拒絕了Google X和FAIR等公司，去了一個(gè)金融小公司，是自毀前程。

但讓他感動(dòng)的是，畢業(yè)前，他去參加一個(gè)學(xué)術(shù)會(huì )議，到了機場(chǎng)才發(fā)現買(mǎi)錯了票，他說(shuō)，他在機場(chǎng)給李飛飛打電話(huà)，李二話(huà)沒(méi)說(shuō)就讓他重新訂機票，并允許報銷(xiāo)。在美國，博士生的工資費用和出差開(kāi)銷(xiāo)都由導師報銷(xiāo)，“要知道當時(shí)她已經(jīng)看出來(lái)我對學(xué)術(shù)沒(méi)有過(guò)去那么熱情了，并且當時(shí)她剛休完產(chǎn)假經(jīng)費并不寬裕。”姚邦鵬在知乎上回憶說(shuō)。

李飛飛在斯坦福的課總是爆滿(mǎn)，有人說(shuō)，對她記憶最深的一句話(huà)總是她在課堂上那句，“來(lái)晚了的同學(xué)們，走廊上有小椅子可以坐下”。

在2016年11月，李飛飛自己也加入了工業(yè)界，“我將利用學(xué)術(shù)假期，在谷歌云計算擔任人工智能機器學(xué)習（Machine Learning, ML）部門(mén)的首席科學(xué)家。在這段時(shí)間里，我也會(huì )繼續和斯坦福的同事、博士后、研究生一起工作”，對于這一作安排，李飛飛自己是這樣解釋的。

實(shí)際上，幾乎就在2012年那場(chǎng)ImageNet大賽之后，工業(yè)界開(kāi)始爭奪學(xué)術(shù)界的人才。谷歌買(mǎi)下了辛頓的公司，讓辛頓去主持谷歌的人工智能研究；而辛頓當時(shí)的伙伴——樂(lè )坤被Facebook搶走，吳恩達，斯坦福教授機器學(xué)習的重要教授，被百度請去帶領(lǐng)百度人工智能研究；因此，李飛飛進(jìn)入谷歌外界也并不意外。

對于這些人來(lái)說(shuō)，谷歌和Facebook這些大公司有他們在學(xué)術(shù)界難以獲得的機器和數據，而這是研究所不可或缺的。

進(jìn)入工業(yè)界后的李飛飛不忘記強調她的愿景。在2017年3月的谷歌云大會(huì )上，李飛飛談及AI“民主化”，強調和呼吁谷歌把平臺、算法以及數據向外界以及其它公司開(kāi)放，甚至是人才也要和外部公司合作。

這種對AI“民主化”的強調為幾個(gè)月后她回到中國埋下了伏筆，2017年12月，李飛飛在上海宣布回國主持谷歌在中國的研究中心。

“我們重點(diǎn)關(guān)注基礎AI研究，與學(xué)術(shù)界建立合作關(guān)系，在本土合作上有所建樹(shù)，提供AI和機器學(xué)習的教育支持。我們很珍惜這次Google和中國頂尖AI人才合作的機會(huì )，這些人才也勢必是全球頂尖的AI人才。”在大會(huì )上，她這樣介紹這一研究中心。

你也可以看作是對人才的爭奪。谷歌在英國收購了人工智能創(chuàng )業(yè)公司DeepMind之后就竭盡全力的在挖空英國的人工智能人才，這個(gè)創(chuàng )業(yè)公司的團隊規模從100 人擴大到了大約 250 人。而現在，這種研究中心在中國的開(kāi)設，毫無(wú)疑問(wèn)也是如此。

從另一個(gè)角度，這些人并不像李飛飛那個(gè)時(shí)代那樣，僅僅是聚集在美國，他們在英國、在中國和加拿大，這本身就是李飛飛說(shuō)的“民主化”。

在李飛飛回到中國的時(shí)候，辛頓回到加拿大去主持一個(gè)國家資助的實(shí)驗室，這些人，在二三十年后又以另一種方式在移動(dòng)，在一個(gè)技術(shù)更為民主化的現在。