前言在上一篇文章中我们跟随李飞飞的脚步走过了她从移民少女到找到人生北极星的前半段旅程。她在AI寒冬中坚守提出了一个当时被视为疯狂的假设如果我们给计算机提供足够多、足够丰富的数据它就能像人类一样学会看见世界。今天我们将继续解读这本书的后6章看看李飞飞是如何用ImageNet验证这个假设如何引爆了席卷全球的深度学习革命以及她在功成名就之后如何面对科技与伦理的冲突最终找到自己的下一颗北极星的。这6章不仅是一部技术发展史更是一位科学家的心灵成长史。它告诉我们真正的伟大不在于你创造了什么而在于你用你创造的东西为这个世界带来了什么。07 一个假设数据是人工智能的新石油章节核心这一章详细阐述了李飞飞提出的数据驱动AI的核心假设。在当时算法至上的主流观点中这个假设显得格格不入但它最终改变了人工智能的发展轨迹。7.1 当时的主流认知算法为王2006年前后计算机视觉领域的主流观点认为算法的优劣是决定性能的关键因素。大多数研究者都在致力于改进特征提取算法比如SIFT、HOG等认为只要找到更好的特征描述子就能解决计算机视觉的核心问题。李飞飞在书中写道“当时的计算机视觉界就像一个盲人摸象的游戏。每个人都在研究大象的不同部位却没有人愿意退后一步看看整头大象是什么样子。”研究者们普遍认为数据只是验证算法的工具而不是推动技术进步的核心动力。他们满足于在小规模数据集上取得的微小进步却没有意识到数据规模的限制才是计算机视觉发展的真正瓶颈。7.2 李飞飞的颠覆性假设李飞飞从人类的学习过程中得到了启发。一个孩子在成长过程中会看到数百万张不同的图片接触到成千上万种不同的物体。正是这种海量的视觉经验让孩子学会了识别和理解世界。她提出了一个颠覆性的假设“如果我们能够为计算机提供与人类相当的视觉经验数据那么即使是相对简单的学习算法也能表现出惊人的性能。”这个假设可以用一个简单的公式来表示AI性能∝f(数据量,算法复杂度,计算力) \text{AI性能} \propto f(\text{数据量}, \text{算法复杂度}, \text{计算力})AI性能∝f(数据量,算法复杂度,计算力)在当时大多数人都认为算法复杂度是这个函数中最重要的变量。但李飞飞却认为数据量才是决定AI性能上限的关键因素。7.3 一个孤独的先行者当李飞飞提出这个假设时她几乎遭到了所有人的反对。这是一个愚蠢的想法。一位资深教授对她说“计算机视觉的问题不是数据不够多而是我们没有找到正确的算法。”收集这么多数据需要花费数百万美元没有人会为你提供资金。另一位同事警告她。甚至连她的学生都不理解她“李老师我们为什么要做这种费力不讨好的事情我们可以写几篇算法论文很快就能毕业。”但李飞飞没有动摇。她在书中写道“我知道我是对的。历史会证明这一点。”她开始用自己的科研经费购买服务器亲自从互联网上爬取图片。这个过程非常缓慢但她一步一个脚印坚定地朝着自己的目标前进。08 实验验证ImageNet与深度学习的黎明章节核心这一章讲述了ImageNet从一个疯狂的想法变成现实的全过程以及2012年AlexNet在ImageNet挑战赛上的历史性胜利。这一天不仅是计算机视觉的转折点也是整个人工智能领域的转折点。8.1 创建ImageNet的艰辛历程创建ImageNet的过程比李飞飞想象的还要艰难。首先是数据收集的问题。她和她的团队需要从互联网上爬取数十亿张图片然后筛选出符合要求的图片。这个过程不仅需要大量的计算资源还需要解决版权、内容过滤等一系列问题。然后是数据标注的问题。他们需要为每一张图片标注出它所属的类别。如果按照传统的方式雇佣专业的标注人员这将花费数千万美元和数年的时间。就在李飞飞一筹莫展的时候她发现了亚马逊的Mechanical Turk众包平台。这个平台允许她将标注任务分发给全球各地的工作者每个人只需要完成简单的标注任务就能获得少量的报酬。这是一个革命性的想法。通过众包李飞飞将原本需要数年才能完成的标注工作压缩到了几个月。最终ImageNet包含了1400万张标注图片涵盖了22000个物体类别是当时世界上最大的图像数据集。8.2 ImageNet挑战赛的诞生2009年ImageNet正式发布。但李飞飞并没有就此止步。她意识到仅仅有一个数据集是不够的还需要建立一个统一的基准来比较不同算法的性能。于是她发起了ImageNet大规模视觉识别挑战赛(ILSVRC)。这个挑战赛每年举办一次吸引了全球顶尖的研究机构和科技公司参加。挑战赛的任务很简单给定一张图片算法需要从1000个类别中识别出图片中包含的物体。评分标准是Top-5错误率即算法给出的前5个预测中没有包含正确类别的比例。在第一届ImageNet挑战赛中最好的算法的Top-5错误率是26%。这个结果在当时已经非常不错了但李飞飞知道这还远远不够。8.3 2012年深度学习革命的引爆点2012年第三届ImageNet挑战赛如期举行。这一年一个来自多伦多大学的团队提交了一个名为AlexNet的算法。当结果公布时所有人都惊呆了。AlexNet的Top-5错误率只有15.3%比第二名低了整整10个百分点这是一个历史性的时刻。在此之前深度学习还只是一个边缘领域很少有人相信它能解决实际问题。但AlexNet的胜利向全世界证明了深度学习的巨大潜力。李飞飞在书中写道“那一刻我知道一个新的时代开始了。我们的假设被验证了。数据驱动的方法确实是解决计算机视觉问题的正确道路。”AlexNet的胜利引发了席卷全球的深度学习革命。一夜之间几乎所有的科技公司都开始投入巨资研究深度学习。人工智能终于从实验室走向了现实世界。09 万物以外是什么从物体识别到理解世界章节核心ImageNet的成功让计算机视觉领域迎来了前所未有的繁荣。但李飞飞并没有沉浸在胜利的喜悦中。她开始思考一个更深刻的问题计算机视觉的终极目标是什么仅仅是识别物体吗还是理解整个世界9.1 计算机视觉的黄金时代2012年之后计算机视觉领域进入了一个黄金时代。新的算法层出不穷性能不断刷新纪录2014年GoogLeNet将Top-5错误率降低到6.7%2015年ResNet将Top-5错误率降低到3.57%已经超过了人类的平均水平(5%)计算机视觉技术也开始在各个领域得到广泛应用人脸识别解锁手机、支付验证自动驾驶识别道路、车辆、行人医疗影像诊断癌症、糖尿病视网膜病变安防监控异常行为检测、人脸识别李飞飞在书中写道“我们曾经梦想的事情正在一个个变成现实。计算机终于学会了’看见’世界。”9.2 超越物体识别但李飞飞很快意识到物体识别只是计算机视觉的第一步。人类的视觉系统不仅能识别物体还能理解物体之间的关系理解场景的语义甚至能预测未来会发生什么。她在书中提出了一个著名的问题“一张图片胜过千言万语但计算机能说出这千言万语吗”为了回答这个问题李飞飞和她的团队开始研究更高级的计算机视觉任务图像描述用自然语言描述一张图片的内容视觉问答回答关于图片的问题视频理解分析视频中的动作和事件场景图生成构建图片中物体之间的关系图这些研究将计算机视觉从感知阶段推向了认知阶段。9.3 人工智能的终极目标在这一章的结尾李飞飞对人工智能的终极目标进行了深刻的思考。她写道“人工智能的终极目标不是创造出比人类更聪明的机器而是创造出能够与人类合作、帮助人类更好地生活的机器。”“计算机视觉的终极目标也不是让机器像人类一样’看见’世界而是让机器能够理解人类的意图能够与人类进行自然的交互能够帮助人类解决那些我们自己无法解决的问题。”这个观点为她后来提出以人为本的AI核心理念奠定了基础。10 似易实难从实验室到现实世界的跨越章节核心当深度学习技术在实验室取得巨大成功之后李飞飞开始思考如何将这些技术应用到现实世界中。这一章讲述了她离开斯坦福加入谷歌云以及创建AI4ALL的经历。她发现将技术从实验室带到现实世界比在实验室里发明技术要困难得多。10.1 加入谷歌云将AI民主化2016年李飞飞做出了一个让所有人都感到意外的决定离开斯坦福大学加入谷歌云担任首席人工智能科学家。她在书中解释了自己的决定“在斯坦福我可以培养最优秀的AI人才可以做出最前沿的研究。但我想做更多。我想让AI技术惠及每一个人而不仅仅是少数科技公司和研究机构。”在谷歌云李飞飞的目标是将AI民主化。她带领团队开发了Google Cloud AI平台让任何企业和个人都能轻松地使用最先进的AI技术而不需要拥有自己的AI团队和计算资源。她推出了AutoML这是一个自动机器学习平台即使是没有机器学习背景的人也能通过简单的操作训练出自己的AI模型。10.2 创建AI4ALL让AI更包容在推动AI技术落地的同时李飞飞也注意到了一个严重的问题AI领域的多样性严重不足。她在书中写道“AI正在塑造我们的未来但参与塑造这个未来的人却不能代表我们整个社会。女性、少数族裔、来自发展中国家的人在AI领域的代表性严重不足。”这种多样性的缺乏会导致AI系统产生偏见甚至会加剧社会的不平等。为了解决这个问题李飞飞在2017年创立了AI4ALL组织。这个组织的使命是培养来自不同背景的下一代AI人才让AI技术的发展更加包容和公平。AI4ALL为高中女生和少数族裔学生提供免费的AI教育和实习机会帮助他们进入AI领域。截至2025年AI4ALL已经培养了超过10000名学生其中70%是女性60%来自低收入家庭。10.3 现实世界的挑战在谷歌云的工作经历让李飞飞深刻体会到了将AI技术从实验室带到现实世界的困难。她在书中写道“在实验室里我们只需要关心算法的性能。但在现实世界中我们需要考虑更多的问题数据隐私、算法偏见、安全风险、法律合规、用户体验等等。”例如一个在实验室里表现完美的医疗AI模型在实际应用中可能会因为数据分布的差异而表现不佳。一个用于招聘的AI系统可能会因为训练数据中的偏见而歧视女性和少数族裔。这些挑战让李飞飞更加坚定了以人为本的AI的理念。她认为AI技术的发展必须始终以人类的福祉为中心。11 无人可控站在科技与伦理的十字路口章节核心这一章是全书最沉重、也最深刻的一章。李飞飞讲述了她在谷歌期间经历的Maven项目争议以及她对AI伦理和责任的思考。她意识到AI技术的威力越大它带来的风险也就越大。如果我们不能很好地控制它它可能会给人类带来灾难性的后果。11.1 Maven项目的风暴2017年谷歌与美国国防部签署了一份合同参与Maven项目。这个项目的目标是利用AI技术分析无人机拍摄的视频帮助军方识别目标。这个消息曝光后在谷歌内部引发了轩然大波。超过4000名谷歌员工签署了联名信抗议谷歌参与军事项目。他们认为AI技术不应该被用于战争谷歌应该坚守不作恶的原则。作为谷歌云的首席AI科学家李飞飞被推到了风暴的中心。她面临着一个艰难的抉择一边是公司的商业利益一边是自己的科学良知。她在书中写道“那是我人生中最艰难的一段时光。我每天都在思考我做的事情是对的吗我是不是在帮助制造武器我是不是在背叛自己的理想”11.2 AI的威力与责任Maven项目的争议让李飞飞对AI的伦理和责任有了更深刻的认识。她在书中写道“AI是人类有史以来发明的最强大的技术之一。它可以用来治愈疾病、消除贫困、改善环境也可以用来制造武器、监控人民、操纵舆论。”“技术本身是中性的但使用技术的人是有善恶的。作为AI研究者我们不仅有责任推动技术的进步更有责任确保技术被用于善的目的。”这让她想起了2018年在国会听证会上说过的话“人工智能的威力越大责任也就越大。”11.3 以人为本的AI在Maven项目争议之后李飞飞更加坚定地倡导以人为本的AI理念。她提出了以人为本的AI的三个核心原则AI应该服务于人类福祉AI技术的发展应该以改善人类生活为目标AI应该尊重人类权利AI系统应该保护用户的隐私和数据安全避免歧视和偏见AI应该是透明和可解释的人类应该能够理解AI系统的决策过程能够对其进行监督和控制她呼吁全球的AI研究者、企业和政府共同努力建立一个全球性的AI治理体系确保AI技术的发展始终沿着正确的方向前进。2018年底谷歌宣布不会续约Maven项目。李飞飞也在同年离开了谷歌回到了斯坦福大学。12 下一颗北极星AI的未来与人类的使命章节核心这一章是全书的总结和升华。李飞飞回顾了自己的人生旅程分享了她对AI未来的展望以及她找到的下一颗北极星。她告诉我们人生的意义不在于你取得了多大的成就而在于你为这个世界留下了什么。12.1 回到斯坦福重新出发回到斯坦福大学后李飞飞并没有停下脚步。她成立了斯坦福以人为本人工智能研究院(HAI)致力于研究AI的伦理、政策和社会影响。她的研究方向也发生了转变。她不再仅仅关注技术本身而是更加关注技术与人类的关系。她开始研究医疗AI希望用AI技术帮助医生更好地诊断和治疗疾病。她也开始研究AI教育希望培养更多有社会责任感的AI人才。她在书中写道“我回到斯坦福是为了重新出发。我想做一些更有意义的事情一些能够真正改变世界的事情。”12.2 下一颗北极星在全书的结尾李飞飞再次提到了北极星这个隐喻。她写道“小时候我在成都郊外的星空下第一次知道了北极星。它是夜空中最亮的星也是唯一一颗永远不会移动的星。它指引着迷路的人找到回家的路。”“在我的人生中我也有过很多颗北极星。小时候我的北极星是考上大学让父母过上好日子。后来我的北极星是创建ImageNet让计算机学会’看见’世界。再后来我的北极星是倡导以人为本的AI让技术服务于人类福祉。”“现在我找到了我的下一颗北极星用AI解决人类最紧迫的问题让这个世界变得更加美好。”12.3 给下一代的寄语最后李飞飞给下一代AI研究者留下了一段深情的寄语“亲爱的年轻朋友们你们生活在一个伟大的时代。AI技术正在改变着我们的世界也为你们提供了前所未有的机会。”“我希望你们能够保持好奇心永远对世界充满探索的欲望。我希望你们能够保持坚韧不拔的毅力在遇到困难的时候不要轻易放弃。我希望你们能够保持人文关怀永远不要忘记技术的最终目的是服务于人类。”“愿你们都能找到自己的北极星愿你们都能在自己的人生道路上发出属于自己的光芒。”后6章核心感悟与启示读完《我看见的世界》全书我有以下几点深刻的感悟1. 伟大的创新源于敢于挑战主流观点李飞飞的成功首先源于她敢于挑战主流观点的勇气。在所有人都认为算法为王的时候她提出了数据驱动的方法在所有人都认为创建ImageNet是不可能完成的任务的时候她坚持了下来。真正的创新往往不是在主流观点的基础上修修补补而是颠覆主流观点开辟一条全新的道路。2. 坚持长期主义做难而正确的事创建ImageNet用了李飞飞整整3年的时间。在这3年里她没有发表多少论文也没有获得多少荣誉。但她知道这是一件难而正确的事情。今天我们生活在一个浮躁的时代每个人都追求快速成功。但真正有价值的事情往往都需要长期的坚持和付出。只有那些愿意坐冷板凳、愿意做难而正确的事的人才能最终取得伟大的成就。3. 科技的发展不能脱离人文关怀李飞飞的人生旅程给我们最大的启示就是科技的发展不能脱离人文关怀。AI技术是一把双刃剑。它可以给人类带来巨大的福祉也可以给人类带来巨大的灾难。作为AI研究者和从业者我们不仅要关注技术的进步更要关注技术的社会影响。我们要确保AI的发展始终沿着正确的方向前进让技术成为推动社会进步、改善人类生活的力量。4. 人生是一场持续寻找北极星的旅程李飞飞的人生告诉我们人生不是一条直线而是一场持续寻找北极星的旅程。在不同的人生阶段我们会有不同的目标和追求。重要的是我们要始终保持对生活的热爱对理想的追求不断寻找属于自己的北极星。结语《我看见的世界》是一本非常值得一读的书。它不仅是李飞飞的个人自传也是一部人工智能的发展史更是一部关于人生、理想和责任的思考录。李飞飞用她的经历告诉我们看见不仅是一种视觉能力更是一种人生境界。看见自己知道自己想要什么知道自己该往哪里去看见他人理解他人的痛苦和需求用自己的能力帮助他人看见世界了解世界的复杂性和多样性用开放的心态拥抱变化看见未来洞察技术的发展趋势用自己的智慧创造更美好的明天愿我们都能像李飞飞一样在自己的人生道路上不断看见不断成长最终找到属于自己的北极星。