這個自從來到美國以后，就飽受經(jīng)濟壓力的乖乖女，卻少見地叛逆了一回。她決定去西藏研究一年藏藥，之后去加州理工學院攻讀PhD。
當我們今天縱觀李飛飛的人生時，會發(fā)現(xiàn)，這種追隨內(nèi)心的熱情和強硬堅韌的作風，始終貫穿著她的行為軌跡。正如博士畢業(yè)后，她選擇了當時還不太流行的圖像識別作為研究方向一樣。
圖像識別技術，是人工智能發(fā)展道路上的一座高峰。簡單來說，它就是要教會計算機看圖說話。要知道，“看到”和“懂得”是不一樣的。比如，你可以告訴計算機，“貓”就是有著圓臉、胖身子、 兩個尖尖的耳朵，還有一條長尾巴的東西。
可是，如果圖片是這樣的呢？
一個3歲小孩都能從圖片中識別出“貓”，可是計算機卻做不到。
李飛飛研究了很長時間，始終沒有突破。交好的教授都勸她換個方向，以便拿到tenure（終生教職：在西方高校，有了tenure就相當于終生的職業(yè)生涯都有了保障）。
她當然沒有同意。有一天，李飛飛突然意識到，由于人眼每200毫秒就能獲取一幅圖像，一個3歲兒童可能已經(jīng)獲得了上億次的圖像識別訓練，是計算機的幾何級倍數(shù)。
也就是，關鍵在于自主訓練量。
李飛飛馬上開始著手，從twitter上抓取海量照片，將它們統(tǒng)統(tǒng)打上標簽后，訓練計算機進行機器學習。機器學習（machine learning），就是給出一定算法，讓計算機自己學習。
這個過程是艱苦的。如今，機器學習已經(jīng)是熱門概念，可在2007年，李飛飛的實驗室缺少人手，又申請不到經(jīng)費。最困難的時候，她一度想重開洗衣店，籌集實驗資金。
她從亞馬遜的眾包平臺中找到了解決辦法，讓全世界的網(wǎng)友一起給圖片打標簽。當時，李飛飛的研究項目，一度是該眾包平臺全球最大的雇主。
一個前所未有的龐大數(shù)據(jù)庫建成了，這就是大名鼎鼎的ImageNet。李飛飛沒有敝帚自珍，而是將ImageNet數(shù)據(jù)庫開源，供學術和商業(yè)界的每一個實驗室調(diào)齲圖片識別技術從此飛速發(fā)展，如今已經(jīng)能辨識出大部分照片中的物體，還能用高度擬合的人類語言，將它們描述出來。
由于學術成就卓著，李飛飛收到了很多社會活動的邀請。她曾經(jīng)接受過 New York Times的訪談，也曾登上 TED的舞臺，講述圖形識別技術發(fā)展的背后故事。
李飛飛還組織了一年一度的 ImageNet挑戰(zhàn)賽，邀請谷歌等科技巨頭參賽，促進圖像識別和人工智能領域的交流。露露順便提一句，去年百度因為在這場大賽上作弊，被禁賽一年……
圖像識別技術能為我們帶來一個什么樣的世界呢？
首先當然是科幻電影里的各種炫酷場面，比如阿湯哥通過攝像鏡頭畫面，搜索恐怖分子啦，又比如只需要“刷臉”就能開門的智能公寓啦。
像大白那樣掃一眼就知道你哪里生病的智能機器人也不在話下：
倫敦初創(chuàng)公司 Realeyes能識別你看到廣告時的面部情緒，從此你會更有針對性地受到廣告的騷擾。