【来源：虎嗅网】
Fei-Fei Li，斯坦福大学首位红杉讲席教授，计算机科学教授，AI领域先锋人物，尤其在计算机视觉领域具有开创性贡献。她是ImageNet项目的创始人之一，推动了深度学习革命。近年来，她积极倡导将人文价值融入人工智能技术发展，并在学术与创业领域持续探索Spatial Intelligence等前沿课题。本次访谈由Tools & Weapons与Fei-Fei Li回顾了她的个人经历，探讨了受到政府与企业资助的学术研究如何在好奇心而非利益的驱动下，带来意想不到的变革，推动突破性的创新和经济发展的机遇。
以下为对话内容：
人生中最珍贵的礼物：好奇心
Brad Smith：今天我想和你谈谈一个词——“好奇心”，它在你的生活、你的成功中所扮演了重要的角色，大家都认为你一直是一个充满好奇心的人。我想问的是，这种“好奇心”最初是在哪里产生的？
Fei-Fei Li：作为科学家，我一直觉得好奇心是人生中最珍贵的馈赠。我的书名是《The Worlds I See》，副标题中的第一个词就是“Curiosity”（好奇心），因为保持好奇确实是我人生中最重要的主线。
你问我这种好奇心是如何诞生的，我认为每个孩子生来都怀有好奇心。这种好奇心是我们人类独有的天性，甚至在灵长类动物和其他物种中也可以观察到。这是一种推动探索世界的本能。
我小时候很幸运，成长环境保护了我的好奇心。我记得父亲会在周末带我去旧货出售的摊位。虽然听起来像是无聊的事情，但对我来说，每一个摊位都像一个小型博物馆。我父亲会指着一个杯子说：“Fei-fei，看这个杯子上的猫头鹰图案。”或者拿起一个园艺工具惊叹它独特的设计。这些瞬间让我学会用全新的眼光看待世界。
早期移民生活的艰难与馈赠
Brad Smith: 你曾提到早年移民生活的艰难时期。能否分享一下你这段经历，以及它如何影响你的好奇心的成长？
Fei-Fei Li：我15岁时和母亲来到美国，与父亲在新泽西的帕西帕尼团聚。我们的生活发生了剧变，从中国的中产阶级家庭跌入美国的贫困阶层。父母在一家干洗店工作，收入微薄。为了节省开支，我们经常去旧货出售和车库甩卖购买日用品。
周末和父亲一起去旧货出售成为我童年中最珍贵的回忆之一。父亲虽然不懂英语，但总能用兴奋的眼光发现那些不起眼物品的独特之处。这种“初学者的心态”让我明白，即使是最平凡的事物，也蕴藏着值得探索的奥秘。那种对事物初次相遇的探索欲正是我后来作为科学家时所需的特质。我当时并没有意识到这种视角是多么珍贵，这与科学家第一次看到一篇好论文、听说一种新算法时的心情是一样的。你必须时刻保持这种好奇心。
Brad Smith: 你在普林斯顿的求学经历非常令人敬佩，尤其是在母亲手术期间仍坚持考试的故事。能否详细讲述这一经历？
Fei-Fei Li：这段经历对我来说并不是悲情故事，而是移民的奋斗之歌。我的母亲有很严重的心脏病，在我普林斯顿大学大一期间需要进行紧急手术。因为她不会英语，我必须充当翻译。手术期间她需要保持清醒并与医生交流，而我必须一直在旁边支持她。那时我正面临期中考试，预设向学校申请了特殊安排，允许我在手术室旁边穿着手术服完成考试。这段经历让我更加坚定无论环境多么艰难，都不能放弃上进与学习。
在职业选择的十字路口：选择你所热爱的
Brad Smith: 你在普林斯顿之后去了加州理工学院读博士，但在攻读博士期间，你曾面临职业选择的十字路口。一边是McKinsey提供的高薪工作，另一边是继续科学研究的道路。你母亲在这个决定中扮演了重要角色，能否分享这个故事？
Fei-Fei Li：那确实是我人生中非常艰难的时刻。博士期间的第二、第三年往往是最困难的阶段。我曾经的研究论文被拒绝，AI领域正处于“AI寒冬”时期，工业界尚未对AI产生广泛兴趣，学术岗位竞争极其激烈。此外，我的家庭经济状况依旧拮据，母亲的健康状况也持续恶化。对于移民家庭而言，McKinsey的高薪工作代表着安稳的未来。
那时候，McKinsey的薪水比我父母在美国这么多年赚到的总和还要多。这让我感到非常矛盾。我记得有一天在实验室里独自思考，甚至开始想象自己穿上西装，拿着公文包，过着一份体面的职业生活。但我内心深处始终难以割舍对科学的热爱。
我打电话给母亲，告诉她我在犹豫不决。她没有考虑自己的健康状况，没有考虑我们的经济困境，而是坚定地告诉我：“选择你所热爱的事情。你在犹豫什么？” 她的这番话让我幡然醒悟。科学让我快乐，好奇心让我保持前行。她让我意识到，人生最宝贵的礼物是能够追随自己的热爱。而来自母亲的爱和勇气一直激励着我。
ImageNet的诞生：对数据规模和多样性的重要性的前瞻认知
Brad Smith: 你在2000年代初期创建了ImageNet，它后来成为深度学习革命的奠基石。你最初是如何产生这个想法的？
Fei-Fei Li：ImageNet始于2006年，当时我注意到机器学习领域对数据的重视还远远不足。人们通常先开发算法，然后随便找一些数据来训练模型。但从数学角度来看，学习和泛化能力不仅依赖于算法架构，还依赖于数据的规模和多样性。
当时我读了很多生物学和神经科学的论文，了解到人类的认知系统需要大量的视觉输入来学习和理解世界。我开始思考，如果机器也需要类似的视觉数据进行学习，那为什么我们不为AI构建一个大规模的数据集？
ImageNet的想法在当时被认为是异想天开。很多同行告诉我，收集那么多图像既费时又无意义，还可能影响我的学术生涯。但我始终坚信，AI模型只有通过大量、多样的数据才能真正学习世界的复杂性。于是我带着两个学生开始了ImageNet项目，花了三四年时间，最终创建了1500万张图像、覆盖2.2万个类别的庞大数据集。它是人工智能领域有史以来最大的数据集，也成为了深度学习革命的关键数据集，为神经网络算法提供了丰富的训练数据。
ImageNet的意义不仅仅在于图像数量或其作为视觉数据集的形式，更在于它引入了大数据概念。如今，如果想要推动人工智能的发展，必须依赖三大要素：GPU、算法和数据。从AlphaFold到ChatGPT，再到Gemini和Transformer等最新的人工智能模型和产品，均建立在这三大要素的基础之上。
独立、自由、基于好奇心的学术研究的价值
Brad Smith: 你对学术研究始终充满热情。为什么你认为学术研究对计算机科学如此重要？
Fei-Fei Li：我始终相信学术研究的核心在于自由和好奇心，“curiosity based research”（基于好奇心的研究）才能做得最好。在很大程度上，学术研究最宝贵的特质是自由。作为大学教授，没有人会告诉你应该研究什么。你可以完全基于好奇心选择课题，哪怕这个课题在当时看来毫无商业价值。换言之，美国的创新创业环境为研究人员提供了独立探索未知领域的空间，不受商业目标的限制。
ImageNet的诞生恰恰是这种自由环境的产物。当时许多人不看好这个项目，甚至质疑它的意义，但我依然坚持。正是因为这种学术科研上的自由，研究人员才能想象、实践不可想象、不可实践的事物，并最终改变世界。学术界是一个肥沃的乐园，在这里，研究人员和学生可以尽情想象匪夷所思的事情，或者想象一些让人嗤之以鼻的事情。
我认为，美国有着非常独特且珍贵的科技创新生态系统，而大学（学术机构）和公共部门（政府）在其中扮演着关键角色。学术机构不仅是技术创新的摇篮，还肩负着培养下一代科学家和工程师的责任。我们的实验室里有很多年轻的学生，他们带着无限的创造力和激情，让我对未来充满信心。而这正是我热爱美国科技创新生态系统的原因——它开放且流动，知识与技术在学术界、产业界和年轻一代之间快速流动，打破了传统的边界。
World Labs与Spatial Intelligence
Brad Smith: 你既是一名学者，也是一名企业家。能否介绍一下你目前专注的创业项目和理解呢？
Fei-Fei Li：在2023年休假期间，我意识到计算机视觉领域正经历一场新的革命。Transformer、扩散模型、神经渲染等技术正将深度学习、计算机图形学和计算机视觉重新组合，这在重新定义机器如何理解和生成三维世界——也即是我所称的空间智能（Spatial Intelligence）时代。空间智能是一项基础技术，能够理解并生成三维世界，带来前所未有的交互体验。
然而，单靠学术界的资源很难推动这个领域的快速发展。数据、算力和跨学科协作都需要大量资金和团队力量。因此，我与前学生及行业同事共同创建了World Labs，致力于开发世界模型，帮助用户创造、交互并利用三维世界，释放生产力与创造力。
Brad Smith: 美国的国家科学基金会或其他联邦基金，企业社会基金在您的事业发展和研究过程中发挥了什么作用？
Fei-Fei Li：至关重要的作用。国家科学基金会是我早期研究的重要资助来源之一，另一个主要资助机构是海军研究办公室（ONR）。ONR在计算机科学和计算机视觉领域尤为知名，他们通过多大学研究计划（MURI）资助来自不同大学的教授，推动跨学科与跨机构合作。我职业生涯中参与了许多MURI项目，这些项目极大地促进了领域内的科技创新。
此外，产业界在推动科研方面的作用也日益重要。事实上，20年前，我的第一笔产业资助来自微软，后来陆续获得了来自谷歌、亚马逊、松下、丰田、英伟达等企业的支持。联邦资助与企业资助的良性互动，共同构建了美国独特的、极具优势的创新创业生态系统。
Brad Smith: 你对政策制定者在支持基础研究方面有什么建议？
Fei-Fei Li：过去五年，我越来越积极地倡导为公共部门的研究与技术提供资源支持。正如我的经历所示，公共部门资助对创新生态系统至关重要。大学不仅是技术创新的发源地，也是培养人才和促进关于技术变革的广泛、严谨讨论的场所。我希望政策制定者将公共部门和学术界视为战略性资产，对其进行长期投入。这种战略性的、长期主义的投入不仅关乎知识的突破，人才的积累与吸引，更是推动美国社会进步和保持创新生态系统健康发展的唯一途径。
原视频：Fei-Fei Li: Staying curious at the forefront of AI https://www.youtube.com/watch?v=WX7mTMXTuy4&t=796s&ab_channel=Microsoft
本文来自微信公众号：Z Potentials，编译：YIBING
