文|經(jīng)緯創(chuàng)投

“歷史剛被創(chuàng)造出來，而世界上只有少數(shù)人知道?！痹诜党田w機(jī)上，李飛飛腦子中一直回蕩著這樣一句話。

就在一天前，還在休產(chǎn)假的李飛飛深夜接到一個(gè)電話后，便帶著狂躁的思緒和焦灼的問題登上了當(dāng)天最后一班飛機(jī)飛往佛羅倫薩，去見證一個(gè)具有歷史意義的時(shí)刻——

當(dāng)時(shí)還是多倫多大學(xué)研究人員的杰弗里·辛頓(Geoffrey Hinton)及其團(tuán)隊(duì)參加了ImageNet的競賽，使用李飛飛的數(shù)據(jù)庫來訓(xùn)練一種名為AlexNet的算法，達(dá)到了85%的識(shí)別精確率，奪得了ImageNet圖像識(shí)別大賽冠軍，也創(chuàng)造了計(jì)算機(jī)視覺識(shí)別領(lǐng)域的世界紀(jì)錄。作為ImageNet創(chuàng)始人之一，李飛飛親自趕到現(xiàn)場為辛頓團(tuán)隊(duì)頒獎(jiǎng)。

“神經(jīng)網(wǎng)絡(luò)起死回生，比以往任何時(shí)候都更龐大、更復(fù)雜、更強(qiáng)大?！崩铒w飛如此興奮的原因，不僅僅是看到辛頓二十多年的研究成果有了回報(bào)，而是她看到深度學(xué)習(xí)重獲新生的希望火苗。

由此，「深度學(xué)習(xí)革命」拉開帷幕，各大商業(yè)公司巨頭敏銳地嗅到了人工智能帶來的商機(jī)，蜂擁而至。當(dāng)時(shí)業(yè)界的共識(shí)是：“沒有ImageNet，就沒有現(xiàn)在的深度學(xué)習(xí)革命”。因此，李飛飛憑借著她發(fā)起的里程碑式的數(shù)據(jù)庫ImageNet，獲得了“AI教母”的稱號(hào)，成為人工智能領(lǐng)域最重要的科學(xué)家之一。

曾經(jīng)改變過歷史的李飛飛，又一次站在人工智能進(jìn)程中的重要轉(zhuǎn)折點(diǎn)。不久前，她宣布以“空間智能”為核心，開啟全新創(chuàng)業(yè)征程，意欲改變?nèi)斯ぶ悄茉诂F(xiàn)實(shí)世界中與人類交互的方式。對(duì)于這個(gè)創(chuàng)業(yè)項(xiàng)目，李飛飛保持了一貫的神秘感：“新的冒險(xiǎn)總是在醞釀中，但更重要的是它們?nèi)绾文苷嬲苿?dòng)技術(shù)向善，為社會(huì)帶來正面的影響?！?/p>

作為本世紀(jì)AI重大歷史時(shí)刻的參與者，李飛飛為AI飛躍式發(fā)展做了哪些貢獻(xiàn)？在AI寒冬的年代，她如何在一片反對(duì)聲中創(chuàng)建人工智能領(lǐng)域早期最重要的數(shù)據(jù)庫ImageNet？李飛飛決心all in的空間智能，將會(huì)把人類和機(jī)器人帶到何處？以下，Enjoy：

01 尋找北極星的她，意外推動(dòng)歷史的車輪

李飛飛的“空間智能”并非空中樓閣。想要搞懂空間智能，大家要先了解她的另一項(xiàng)開創(chuàng)性研究，也是開頭提到的“ImageNet”。

“在寒冬中尋找北極星”，這便是李飛飛學(xué)術(shù)生涯的開端。上世紀(jì)90年代末，計(jì)算機(jī)領(lǐng)域風(fēng)頭正盛，李飛飛卻選擇了正值寒冬的人工智能領(lǐng)域。當(dāng)時(shí)，整個(gè)人工智能領(lǐng)域陷入研究瓶頸，其中一個(gè)需要攻克的難題是：教機(jī)器像人一樣識(shí)別圖片中的物體。

眾所周知，人類具有快速準(zhǔn)確的圖像識(shí)別能力，只要看到某些細(xì)節(jié)就能通過自己的豐富經(jīng)驗(yàn)，自動(dòng)填充其他部分，判斷出這個(gè)物體可能是什么。那么，如果想讓機(jī)器也做到這一點(diǎn)，是不是需要它們“看”過海量同一類別的圖片即可？李飛飛是這一研究方向的支持者。她認(rèn)為給機(jī)器呈現(xiàn)一個(gè)完整的世界，它們會(huì)開始嘗試?yán)斫膺@個(gè)世界。

但她深入這一領(lǐng)域后，發(fā)現(xiàn)學(xué)術(shù)圈存在一個(gè)問題：大家都在苦心孤詣地研究更好的算法制定決策，卻往往忽略數(shù)據(jù)?！叭绻惴ㄊ褂玫臄?shù)據(jù)無法反映真實(shí)世界的狀況，即便是最好的算法也無濟(jì)于事?！?/p>

于是，她決心創(chuàng)建數(shù)據(jù)庫，還確定了一個(gè)大膽目標(biāo)，為每個(gè)物品類別搜集1000張不同的照片——1000張不同的小提琴照片、1000張不同的德國牧羊犬照片、1000張不同的抱枕照片，直到涵蓋全部2.2萬個(gè)類別，也就是一共需要大約2000萬張圖片。但這個(gè)數(shù)字只是最終成品數(shù)據(jù)庫的情況。研究人員可能需要從數(shù)億張照片，甚至10億張照片中篩選，才能達(dá)到目標(biāo)。

在她看來，ImageNet的使命是在每張圖片中嵌入純粹的人類感知，以期在整個(gè)圖像集上訓(xùn)練出的計(jì)算機(jī)視覺模型能夠展現(xiàn)出類似人類的智慧。使用機(jī)器可能會(huì)削弱這一目標(biāo)。

但這項(xiàng)工作完全靠人標(biāo)注，工程量浩大。按照既定的速度，ImageNet的完工需要整整19年的時(shí)間。當(dāng)時(shí)，同事都不看好這個(gè)項(xiàng)目，李飛飛導(dǎo)師的導(dǎo)師，即李飛飛的“師爺”吉騰德拉委婉地提醒她：“科研的訣竅是跟隨你的領(lǐng)域一起成長，不要太超前?！币灿匈Y深同事勸誡她，如果你專注做這個(gè)項(xiàng)目，可能申請終身教授職稱都會(huì)有問題。那段時(shí)間，李飛飛聽到的勸阻之聲已經(jīng)多得夠她用一輩子了(可能下輩子也夠了)。

沒有充足研究經(jīng)費(fèi)、沒有足夠的幫手，但李飛飛團(tuán)隊(duì)最后依靠亞馬遜眾包平臺(tái)，解決了人工標(biāo)注的龐大工作量。2009年，包含320萬張圖片的ImageNet數(shù)據(jù)集誕生。有了圖片數(shù)據(jù)集，就可以在此基礎(chǔ)上訓(xùn)練算法，讓計(jì)算機(jī)提升識(shí)別能力。

但320萬的規(guī)模還是太少了。為了讓數(shù)據(jù)集不斷擴(kuò)充，李飛飛舉辦圖片識(shí)別大賽，參賽者自帶算法識(shí)別數(shù)據(jù)集中的圖片，準(zhǔn)確率最高者獲勝。但深度學(xué)習(xí)路線在當(dāng)時(shí)并不是主流，ImageNet只能默默“掛靠”在歐洲知名賽事下面，才能勉強(qiáng)湊夠參賽人數(shù)。而后為了提升ImageNet的名氣，李飛飛舉辦了ImageNet 大規(guī)模視覺識(shí)別挑戰(zhàn)賽 (ILSVRC)，但依舊收效甚微。

2012年成為了一個(gè)至關(guān)重要的轉(zhuǎn)折點(diǎn)。這年9 月30 日，一個(gè)名為 AlexNet 的算法成為了新一屆ImageNet 大規(guī)模視覺識(shí)別挑戰(zhàn)賽的冠軍。而AlexNet采用的算法是計(jì)算機(jī)視覺領(lǐng)域的老古董——神經(jīng)網(wǎng)絡(luò)算法。到2017年，即比賽的最后一年，計(jì)算機(jī)識(shí)別圖像中物體的錯(cuò)誤率已從2012年的15%降至3%以下。至少從某種程度上看，計(jì)算機(jī)已經(jīng)變得比人類更善于觀察。

ImageNet推動(dòng)了深度學(xué)習(xí)和計(jì)算機(jī)視覺的快速發(fā)展，為人工智能的后續(xù)突破鋪平了道路——它是自動(dòng)駕駛汽車、面部識(shí)別、可以識(shí)別物體（并告訴你它們是否出售）的手機(jī)攝像頭有突破性進(jìn)展的根源。

同時(shí)，作為ImageNet的創(chuàng)始人，李飛飛開放了ImageNet數(shù)據(jù)庫，免費(fèi)提供給全世界的科研團(tuán)隊(duì)用于計(jì)算機(jī)圖片識(shí)別訓(xùn)練，這就引發(fā)了人工智能的井噴式發(fā)展，讓AI從實(shí)驗(yàn)室走到了大眾的視野。由此，一種被稱為神經(jīng)網(wǎng)絡(luò)的算法，一種被稱為圖形處理單元的專用硬件，以及龐大的數(shù)據(jù)集，如ImageNet，這三者的結(jié)合共同開啟了現(xiàn)代人工智能的新紀(jì)元。

02 如何讓機(jī)器人在真實(shí)世界行動(dòng)自如？

ImageNet的誕生是實(shí)現(xiàn)真正機(jī)器智能的第一步，它讓計(jì)算機(jī)可以直接辨認(rèn)出物品和人。但機(jī)器能看見遠(yuǎn)遠(yuǎn)是不夠的，真正的“看”是為了行動(dòng)和學(xué)習(xí)。

“自然界通過「空間智能」創(chuàng)造了一個(gè)良性循環(huán)，將視覺和行動(dòng)聯(lián)系起來。當(dāng)人類處在三維空間和時(shí)間中采取行動(dòng)時(shí)，可以通過觀察來學(xué)習(xí)如何做得更好。若想推動(dòng)人工智能超越其現(xiàn)有的界限，我們所追求的不再是僅限于視覺識(shí)別和語言交流的智能體。我們渴望的是那些能夠行動(dòng)的人工智能，能夠主動(dòng)介入并與我們生活的世界互動(dòng)?！边@便是“AI教母”李飛飛決定創(chuàng)業(yè)的原因之一。

在溫哥華TED大會(huì)的演講中，李飛飛提到，當(dāng)前最先進(jìn)的算法已經(jīng)能夠合理推斷圖像和文字在三維環(huán)境中的呈現(xiàn)方式，并據(jù)此作出行動(dòng)。這種算法所依托的便是所謂的空間智能?！按笞匀恢写嬖谥环N視覺與行動(dòng)之間的良性互動(dòng)，而空間智能正是這種互動(dòng)的核心?！崩铒w飛再一次強(qiáng)調(diào)。

為了讓大家更好理解空間智能這一概念，李飛飛在演講中借用了一張極具啟發(fā)性的圖片：一只貓正伸出爪子，意圖將玻璃杯推向桌子的邊緣。

當(dāng)人類看見這一照片后，可以在極短時(shí)間內(nèi)對(duì)玻璃杯的幾何構(gòu)型、它在三維空間中的位置，以及它與桌子、貓和其他物體的相互關(guān)系進(jìn)行綜合評(píng)估的能力。在此基礎(chǔ)上，大腦能夠預(yù)測接下來可能發(fā)生的情境，并采取相應(yīng)措施來預(yù)防潛在的風(fēng)險(xiǎn)。譬如，人類可能會(huì)迅速伸手去接住可能會(huì)掉下來的杯子。而李飛飛的目標(biāo)是賦予AI類似的能力，訓(xùn)練計(jì)算機(jī)和機(jī)器人在3D世界中行動(dòng)自如。

因此，空間智能是讓機(jī)器可以像人類一樣能夠高效地處理復(fù)雜的視覺數(shù)據(jù)，精準(zhǔn)地作出預(yù)測，并基于這些預(yù)測迅速采取行動(dòng)。總之，空間智能是比傳統(tǒng)視覺識(shí)別更高級(jí)的視覺智能。

不過，“空間智能”需要基于世界數(shù)據(jù)、多模態(tài)數(shù)據(jù)的人工智能模型架構(gòu)，應(yīng)對(duì)復(fù)雜多變的物體識(shí)別、場景感知等挑戰(zhàn)。因此，模型需要大量高質(zhì)量標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)各種噪聲、遮擋等情況保持魯棒避免誤識(shí)別，進(jìn)行圖像、文本等多模態(tài)學(xué)習(xí)等。

可見，想要AI將視覺化為洞察，將看見轉(zhuǎn)為理解，最終指導(dǎo)行動(dòng)，這是一件充滿挑戰(zhàn)的科研探索。而李飛飛卻將其視為“解決人工智能難題的關(guān)鍵拼圖”，并將空間智能看作下一個(gè)指引她的“北極星”。當(dāng)然，李飛飛為了攻克這一技術(shù)難關(guān)，也做足了準(zhǔn)備。

早在2022年，李飛飛在《尋找計(jì)算機(jī)視覺的北極星》論文指出，在ImageNet和目標(biāo)識(shí)別取得成功之后，計(jì)算機(jī)視覺領(lǐng)域還有許多令人興奮的研究方向和挑戰(zhàn)，比如具身智能、視覺推理、場景理解等，這三個(gè)便是CV（計(jì)算機(jī)視覺）發(fā)展的三顆“北極星”，也有可能成為“空間智能”發(fā)展三大重要基石。這里提到的「北極星」指的是研究人員專注于解決一個(gè)科學(xué)學(xué)科中的關(guān)鍵問題，可以激發(fā)研究熱情并取得突破性的進(jìn)展。

用空間智能和語言智能為具身智能賦能，將開啟令人興奮的可能性。在具身智能領(lǐng)域，李飛飛帶領(lǐng)的研究團(tuán)隊(duì)曾在2023年推出一項(xiàng)新成果VoxPoser，利用大型語言模型（LLMs）和視覺語言模型（VLMs）來驅(qū)動(dòng)機(jī)器人。

在大模型的支持下，機(jī)器人不僅能夠與環(huán)境有效地交互，而且能夠在無需額外數(shù)據(jù)和訓(xùn)練的情況下完成各種任務(wù)，如繞過障礙，開瓶子、按開關(guān)、拔充電線等。

為了解決真實(shí)場景中噪聲和物體遮擋等問題，今年1月份，李飛飛公布了一種名為 Wild2Avatar 的新模型，該模型即使在有遮擋的情況下仍然能夠完整、高保真地渲染人體。大多數(shù)研究都是在理想狀態(tài)下渲染3D人體，需要清晰、無遮擋的場景，但在真實(shí)場景下常常會(huì)有障礙物可能會(huì)阻擋攝像機(jī)的視線。

Wild2Avatar提出了遮擋感知場景參數(shù)化，用于將場景解耦為三個(gè)部分——遮擋、人物和背景。同時(shí)，研究還設(shè)計(jì)了廣泛的目標(biāo)函數(shù)，以幫助強(qiáng)制將人體與遮擋和背景分離，并確保人體模型的完整性。

想要教會(huì)機(jī)器人在真正復(fù)雜的環(huán)境中觀察和行動(dòng)，還需要?jiǎng)?chuàng)造比真實(shí)世界更多的數(shù)據(jù)。今年3月，李飛飛參與的一項(xiàng)研究工作推出了 BEHAVIOR-1K，這是一個(gè)以人為中心的機(jī)器人的綜合模擬基準(zhǔn)。BEHAVIOR-1K 包括兩個(gè)組成部分。第一個(gè)是 1000 種日?；顒?dòng)的定義，基于 50 個(gè)場景（房屋、花園、餐館、辦公室等），有 9000 多個(gè)帶有豐富物理和語義屬性注釋的對(duì)象。第二個(gè)是 OMNIGIBSON，這是一種新穎的模擬環(huán)境，通過逼真的物理模擬和剛體、可變形體和液體的渲染來支持這些活動(dòng)。

這些都是為了讓機(jī)器人觀察、學(xué)習(xí)、行動(dòng)，那么，機(jī)器人如何實(shí)踐中不斷提高其觀察能力呢？這是涉及到一個(gè)視覺推理的概念。視覺推理包括三大類：三維關(guān)系理解，即理解二維場景中的三維空間關(guān)系，如理解“將左邊的金屬杯拿回來”的指令；社交智能，即理解人物間的關(guān)系和意圖，如判斷人物間的親情關(guān)系或預(yù)測人物行為，一個(gè)女人摟著腿上的小女孩，兩人可能是母女關(guān)系，一個(gè)男人打開冰箱，他可能是餓了；認(rèn)知功能，計(jì)算機(jī)視覺不僅是感知，更是認(rèn)知，需要理解場景的意義和背后的推理過程。當(dāng)然，執(zhí)行這些指令需要比視覺更多的東西，但視覺是其中的重要組成部分。

要知道，大自然歷經(jīng)數(shù)百萬年的進(jìn)化才賦予了生物空間智能。生物依賴于眼睛接收光線，在視網(wǎng)膜上形成二維圖像，隨后大腦將這些數(shù)據(jù)轉(zhuǎn)化為三維信息。那么機(jī)器在這方面有何進(jìn)展？

不久前，谷歌的一組研究人員才開發(fā)出一種算法，能夠通過拍攝一系列照片，將它們轉(zhuǎn)化為三維空間模型；而斯坦福大學(xué)的教授和學(xué)生也開發(fā)了一種算法，僅憑一張圖像便能生成無限逼真、可供觀眾探索的三維空間；李飛飛與學(xué)生創(chuàng)造了一種算法，能夠?qū)⑤斎氲亩S圖像轉(zhuǎn)換成三維形狀。一步一步地，機(jī)器人開始理解真實(shí)世界，而這或許就是李飛飛想要實(shí)現(xiàn)的目標(biāo)。

正如李飛飛所感慨的那般，“隨著空間智能的加速進(jìn)步，一個(gè)新時(shí)代在這個(gè)良性循環(huán)中正在我們眼前展開。這種循環(huán)正在催化機(jī)器人學(xué)習(xí)，這是任何需要理解和與3D世界互動(dòng)的具身智能系統(tǒng)的關(guān)鍵組成部分。”如果AI能夠精確理解三維物理世界的規(guī)則，并借助像人一樣靈活的具身智能完成動(dòng)作。那么，空間智能則可以看作是AI領(lǐng)域的又一次“大革命”，也是一個(gè)讓計(jì)算機(jī)和機(jī)器人釋放潛能的寒武紀(jì)大爆發(fā)開端。

03 她看見的世界和她改變的世界

身處男性占主導(dǎo)地位的AI領(lǐng)域，李飛飛如何一步步成為世界級(jí)頂尖科學(xué)家？

1976年，李飛飛出生在一個(gè)知識(shí)分子家庭，曾就讀于重點(diǎn)中學(xué)成都七中。李飛飛在傳記《我看見的世界：李飛飛自傳》中直言，父母的性格各自有一部分對(duì)她產(chǎn)生影響。

父親是工程師，性格天真散漫。李飛飛出生那天，父親姍姍來遲，只因他一時(shí)興起，跑到公園觀鳥，忘了時(shí)間。給女兒起名“飛飛”，也是觀鳥時(shí)想的；而母親熱愛文學(xué)，會(huì)帶著女兒讀魯迅的作品以及波伏娃《第二性》、海明威《老人與?！返任鞣浇?jīng)典。

在16歲那年，她跟隨父母舉家移民到了美國，并在美國的新澤西州定居。年少時(shí)期，她便癡迷物理，連騎自行車轉(zhuǎn)彎時(shí)都思考加速度和角動(dòng)量的變化。到了美國，李飛飛因語言不通成績不佳，但數(shù)學(xué)和物理兩門課受到的影響很小。

李飛飛對(duì)數(shù)學(xué)和物理的熱愛也成為了人生第一個(gè)轉(zhuǎn)折點(diǎn)。因?yàn)閾?dān)心學(xué)費(fèi)太貴，李飛飛大多申請的是公立和社區(qū)大學(xué)，但為了內(nèi)心的儀式感才申請了美國頂級(jí)名校普林斯頓大學(xué)。沒想到，普林斯頓大學(xué)看中了SAT（類似美國高考）數(shù)學(xué)考了滿分的李飛飛，主動(dòng)伸出橄欖枝為其提供全額獎(jiǎng)學(xué)金。

她在回憶錄中這樣描述自己當(dāng)時(shí)的大學(xué)生活：“對(duì)我來說當(dāng)時(shí)的生活就像‘雙城記’——帕西帕尼和普林斯頓。周一到周五，我在普林斯度學(xué)物理。周末我回到帕西帕尼給家里的干洗店幫忙，接待那些來取送衣物干洗的人?！?/p>

1999年，李飛飛以優(yōu)異成績獲得普林斯頓大學(xué)物理學(xué)學(xué)士學(xué)位。大學(xué)畢業(yè)后,李飛飛面臨生活壓力和學(xué)術(shù)抱負(fù)的抉擇，陷入了兩難境地——母親身體狀態(tài)欠佳，家庭債務(wù)更讓她壓力倍增，而華爾街巨頭提供的高薪、福利、醫(yī)療可以幫助家庭解決困境，但需要她放棄科學(xué)。

當(dāng)6位數(shù)年薪和健康保險(xiǎn)擺在眼前，母親卻阻止了李飛飛的決定。李飛飛曾在自傳復(fù)現(xiàn)了那段拯救了她人生的話：

“飛飛，我們走到這一步，不是為了讓你放棄。我了解我的女兒，她不是一個(gè)咨詢顧問，她是一個(gè)科學(xué)家。”

最終，她選擇前往西藏進(jìn)行藏藥研究，以“藏醫(yī)藥學(xué)與西醫(yī)學(xué)醫(yī)理的比較”作為課題，獲得了普林斯頓的Martin Dale1953獎(jiǎng)學(xué)金，也為自己的研究拿到了經(jīng)費(fèi)。完成一年的研究，李飛飛回到校園內(nèi)繼續(xù)自己的學(xué)術(shù)生涯，相繼在加州理工獲得了碩士和博士學(xué)位。她成為加州大學(xué)首個(gè)人工智能和計(jì)算神經(jīng)科學(xué)方向的博士，開始了針對(duì)圖像識(shí)別技術(shù)的研究，由此開啟了她與AI的不解之緣。

從選擇改進(jìn)和擴(kuò)展訓(xùn)練AI的數(shù)據(jù)這一冷門方向開始，李飛飛無意間敲開了AI世界的大門——作為現(xiàn)代人工智能的關(guān)鍵催化劑 ImageNet 創(chuàng)建者，李飛飛一躍成為了世界頂尖的華裔女AI專家；她曾在33歲便獲得斯坦福終身副教授職稱，成為首位擔(dān)任斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任的女性；她是美國三院院士、前谷歌副總裁、谷歌智能云及人工智能及機(jī)器學(xué)習(xí)首席科學(xué)家……這些耀眼的頭銜，都離不開她一系列開創(chuàng)性成就。

如今李飛飛選擇“清零”，開啟創(chuàng)業(yè)的新征程，尋找下一個(gè)改變?nèi)祟悮v史的“北極星”。從 2024 年 1 月開始，在 LinkedIn 上，她將自己目前的工作列為“新手”和“新事物”。

曾經(jīng)推動(dòng)歷史的李飛飛成為創(chuàng)業(yè)新手，正在試圖創(chuàng)造一個(gè)新事物、新未來——在宇宙誕生的初始階段，無盡的黑暗籠罩著一切，直至首批生物逐步演化出了視力。那一刻，生命的光輝得以綻放。在李飛飛看來，空間智能不僅僅是讓AI看清這個(gè)世界，更能使AI超越當(dāng)前能力，與人類和3D世界互動(dòng)，提高生產(chǎn)力和增強(qiáng)人性。也許，一個(gè)類似的轉(zhuǎn)折點(diǎn)即將在計(jì)算機(jī)與機(jī)器人領(lǐng)域上演。

提到李飛飛，總是不免要提起“人工智能教母”這一稱號(hào)，而此稱號(hào)源自「人工智能教父」稱謂，通常用來致敬三位在計(jì)算機(jī)科學(xué)領(lǐng)域取得卓越成就的開拓者 —— 杰弗里 辛頓（Geoffrey Hinton）、約書亞 本吉奧（Yoshua Bengio）和楊立昆（Yann LeCun）。他們因在 AI 技術(shù)方面的突破于 2018 年獲得計(jì)算機(jī)界的最高獎(jiǎng)項(xiàng)——圖靈獎(jiǎng)。

對(duì)此，李飛飛展現(xiàn)出開放的態(tài)度：“我從未自詡為任何事物的教母，但當(dāng)這個(gè)稱號(hào)賦予我時(shí)，我確實(shí)對(duì)其進(jìn)行了反思。隨后，我意識(shí)到，既然男性可以被稱為各種領(lǐng)域的教父，那么女性也完全可以被譽(yù)為教母。因此，我欣然接受了這個(gè)榮譽(yù)?！?/p>

她的出現(xiàn)讓科學(xué)領(lǐng)域多了一抹亮色，不再只有“帽衫男”這一典型形象。更為關(guān)鍵的是，李飛飛的求學(xué)、科研的經(jīng)歷，能代表很多覺得自己在AI領(lǐng)域沒有發(fā)言權(quán)或找不到認(rèn)同感的人——包括移民、年輕女性、各行各業(yè)的人，他們不一定是典型的硅谷AI人士。李飛飛的故事可以傳達(dá)一個(gè)聲音，給更多人帶來更多力量。

李飛飛身體力行地為更多人發(fā)聲?！氨M管我們看到越來越多的女性和不同背景的人進(jìn)入科技和人工智能領(lǐng)域，但我們也看到，他們的聲音往往被忽視或低估?！币虼?，她希望能成為一個(gè)催化劑，激勵(lì)更多女性站上科技的舞臺(tái)，共同塑造這個(gè)行業(yè)的多元未來。

References：

1.TED:With spatial intelligence, AI will understand the real world

2.quantamagazine:By Exploring Virtual Worlds, AI Learns in New Ways

3.Stanford University:BEHAVIOR-1K: A Benchmark for Embodied AI with 1,000 Everyday Activities and Realistic Simulation

4.USNews:Exclusive-Stanford AI Leader Fei-Fei Li Building 'Spatial Intelligence' Startup

5.Wired:Fei-Fei Li's Quest to Make AI Better for Humanity