李飞飞专访:斯坦福人工智能实验室主任谈人生起点与AI梦想

作为世界人工智能代表之一,斯坦福大学AI实验室负责人李飞飞(Fei-Fei Li)无疑是华人的骄傲。她和她的团队ImageNet相关工作,为计算机视觉以及整个AI发展做出了贡献。日前,李飞飞获得卡内基基金会提名,成为“2016年度杰出移民”之一,以前获此殊荣的人还有爱因斯坦、基辛格、马友友和谭盾。CNN为此对李飞飞进行了专访,李飞飞回顾了她如何实现梦想,展现了作为一名科学家、一位女性以及母亲非凡的心路历程。新智元联系李飞飞做了跟进采访,并忠实按照其原意,对CNN的英文报道做了翻译。“真正生命中的最关键问题是如何充分发挥一个人的潜力,既要担待生活的责任,又要对得起自己的梦想。”李飞飞在接受CNN采访时说。本文还包括李飞飞对人工智能60年发展感想随笔一篇。

李飞飞(Fei-Fei Li)

2016年是人工智能发展的第60年。有鉴于人工智能曲折的发展历程,对比过去经历的“寒冬”以及当下媒体和公众火热的关注,对于AI是否又迎来了一个春天,自然有很多相关讨论。

7 月 10 日,斯坦福大学AI实验室负责人李飞飞在Twitter上发表随感,认为当下不是“AI春天”,而是“AI夏天”。新智元取得授权后,对这篇随笔进行了翻译。

“现在不是AI‘春天’,而是AI‘夏天’”

人们将20世纪80年代和当下称为两个“AI的春天”。过去的专家系统模式以及现在的深度学习算法在这两个时期分别引起了两股AI热,出现了大量的投资、初创企业和人才竞争,引发媒体的强烈关注以及其他种种。但是我更愿意把这两段时间称为“AI的夏天”而非春天。

我认为,“AI的春天”指的是促成这两个“夏天”的阶段,即在当下的AI热潮之前的20世纪90年代到21世纪初。

李飞飞(Fei-Fei Li)

这个“春天”,可谓是“百花齐放”。当时的学术界享受了一段相对平静但创意和模型又十分高产的时期。在图像分割、目标识别、场景理解、三维重建、优化、图形化模型、SVM、神经网络、推理算法、开源数据库、基准测试及其他方面,都建立了一些最基础的理论和重要的原型。

与媒体塑造的(萧瑟)场景相反,这期间,大量的想法被提出并试验,所有的想法都会被讨论、被检验、被怀疑,然后改进,进一步提升和传播。

当然,这些还只是原型,尚未达到工业生产的可测量性和精准程度的要求。但回想起来,这些原型已经成为当今深度学习、AR、VR、自动驾驶等领域的基础技术。

此外,在20世纪90年代和21世纪初培养的学生和研究员已成为现在AI和机器学习产业研发的主力军。

所以我的观点是:“AI的夏天”固然好,但是我们要认识到继续发展基础科学研究的重要性,要意识到AI领域中学术研究的需求只能更多,而不是更少,要培养更多AI技术人员。

斯坦福AI实验室负责人的起点

日前,李飞飞当选卡内基基金会“2016年年度杰出移民”(Great Immigrant of 2016)。

李飞飞(Fei-Fei Li)

卡内基基金会是美国历史最为悠久的基金会,每年都会评选出大约40位已经加入美国国籍,并对美国作出杰出贡献的人物,历届获奖人中包括爱因斯坦、基辛格、马友友、谭盾等。

CNN 记者 Octavio Blanco 就此对李飞飞进行专访。在采访中,李飞飞简要回顾了她从16岁去到美国,一路走来,实现梦想的过程。

“真正生命中的最关键问题是如何充分发挥一个人的潜力,既要担待生活的责任,又要对得起自己的梦想。”李飞飞在采访中说。

“我见过斯坦福非常优秀的博士生怎么也得不到绿卡,为世界上的人才创造这么多的障碍,在我看来是无法想象的。”李飞飞说,她也是主张高科技产业界性别平等、种族多样化的坚定拥护者。

现在,作为斯坦福大学人工智能实验室的负责人,李飞飞对 CNN 记者说:“作为全球人工智能界的一位代表,我对于创造人工智能这一对社会而言最强大也是最有益的技术感到十分激动,同时也为自己教育这些最优秀、最可爱的技术人员深感责任重大。”

李飞飞(Fei-Fei Li)

CNN:你刚来美国时是什么样子的?

李飞飞:我父母都受过高等教育,但不太会说英语。所以来美国后,我父母既不是工程师也不是科学家,我父亲给人修理照相机,母亲则是一名收银员。

我们那时候没有钱,所以除了学习,我什么样的工作都做过。我觉得这不算什么,因为我父母也同样在努力工作。我们一家人只是为了好好地生活。

我必须从零开始学英语,但我的成绩还算好——尤其是数学和理科。

帕西帕尼高中(Parsippany High School)在新泽西州的高中里排名中等。但我在那里遇到了几位非常好的老师,他们帮我渡过了那段难关。我毕业的时候排名第六。

CNN:你在帕西帕尼生活得怎么样,有成为当地的一份子吗?

李飞飞(Fei-Fei Li)

李飞飞:我们当时有一些同样也是移民的朋友,但大家都很忙,忙着讨生活。我高中时交的朋友不多。当时很艰苦,我又是浑身都是书呆子气。但我的高中数学老师人非常好。他是个美国白人,并不是移民,但是他帮助了我和我的家人很多。我真的很感谢那些高中老师们,我当时什么都不是,就是个移民的小孩,还不会说英语。

CNN:不会说英语是你当时最大的困难吗?

李飞飞:我生来就对知识好奇,喜欢追求真理。我想要理解很多本质的问题,如宇宙的起源,生命的意义等,我想要生命中拥有那种智慧。我申请了一大批学校,但普林斯顿给了几乎全奖的奖学金。

在我移民的头两年,几乎全是中国馆子、给人打扫房子,然后[到了普林斯顿],身边全是这些学术、知性、充满魅力的人。我非常享受普林斯顿的学习。

但是,我的家人还住在帕西帕尼。我们决定买一家干洗店给他们经营赚钱。每天下课后,我都会通过打电话来参与干洗店的工作。

对我来说当时的生活就像“双城记”:帕西帕尼和普林斯顿。周一到周五,我在普林斯度学物理。周末我回到帕西帕尼[给家里的干洗店帮忙],接待那些来取送衣物干洗的人。

1999年,我从普林斯顿毕业,当时就业市场一片大好。我们都得到了华尔街的工作邀请,但是我选择了去西藏研究一年藏药,这听起来很疯狂。然后我的梦想是读博士,读博士只有微薄的奖学金。

李飞飞在西藏研究藏药。

李飞飞在西藏研究藏药。 

【李飞飞】去研究藏医藏药与我现在的研究一点也不冲突。作为一个scientist,我一直在追逐真理的定义和科学的哲学思维。虽然西方科学的方法论和哲学思维是目前人类科学方法论的主导,我一直想了解哲学和科学的方法论。所以了解中医或者藏医是一个显而易见的选择。另外,人类社会充满了种族间的冲突,我想亲自了解西藏的历史、文化和她的人们。西藏的研究和生活改变了我的整个人生。这个话题很长,我在这里就不多讲了。

李飞飞(Fei-Fei Li)

真正生命中的最关键问题是如何充分发挥一个人的潜力,既要担待生活的责任,又要对得起自己的梦想。

我父母非常支持我,他们到这个国家来实现他们的梦想,我也应该实现我自己的梦想。

我去加州理工读的博士研究生。我学的是人工智能和计算神经科学。读研很辛苦,我妈妈那时候得了癌症,后来又患了中风,我们经历了很多艰难困苦,然后一起挺过来了。

当时的背景是要在一个全新的社会或者说文化中把这些事情都处理好。我不认为我自己还可以再来一遍。

CNN:是什么让你走到了现在?

李飞飞:我是一个想要什么就去做什么的人。它就在我的基因里。如果我花很多时间抱怨,只是浪费精力。我身边总有愿意支持我的人——我的父母、我的老师。

(支持我的人)用不了500那么多个人,只要有一两个就够了。

李飞飞(Fei-Fei Li)

CNN:你想为你的孩子留下什么?

李飞飞:这是个很大的问题。我宁愿现在好好工作,让这个世界更好,然后我的孩子们可以生活在这个更好的世界里。

CNN:每天做什么事情让你觉得放松开心?

李飞飞:和我的孩子们在一起。我的研究领域是智能。我从他们身上学到了太多什么叫做智能,什么叫做“做人”。没有什么比看着这些孩子长大成人更幸福的了。

我知道这听上去可能有些怪,但我认为爱是最强大的力量。作为搞技术的人,你需要记住这一点。

【新智元】您在文章里提到了,您的孩子在智能和做人方面都给您带来了很大的启发。您能简单为我们和读者介绍一下,具体是怎样的启发吗?

李飞飞(Fei-Fei Li)

【李飞飞】我长话短说。但这是一个很重要的话题,未来值得进一步讨论。我认为作为母亲,我获得了巨大的启发和灵感。首先,人工智能对智能的理解还仍然十分有限。如果你仔细观察一个孩子如何成长,在这个过程中你会发现智能那惊人的复杂性、可塑性和种种微妙变化。如今的机器还远远不具备这样的智能。其次,孩子学习的过程是变化多端、灵活可塑的,这也是如今的人工智能所不具备的。第三,作为一个母亲,我发现为人父母不关乎教育,而在于学习。当好父母的唯一方法是好好做人。第四,为人父母是一个人生命中最重要、也是最常见的经历。我从中学到最重要的事情就是“爱”这个字——对孩子的爱、对自己的爱,对这个世界以及所有人的爱。这才是做人的基本。

【TED>李飞飞(Fei-Fei Li):如何教计算机理解图片】

【来源:Twitter、CNN 新智元编译 译者:张冬君、闻菲】

氧分子网(www.yangfenzi.com)是关注互联网生态圈的科技新媒体

·氧分子网(http://www.yangfenzi.com)延伸阅读:

➤ 后 ImageNet 时代:李飞飞视觉基因组重磅计划,新一轮竞赛!

➤ 腾讯联合创始人陈一丹斯坦福大学演讲视频曝光

➤ 这台计算机系统辨别感情真假的能力超过人类

➤ 计算机密码发明人:密码已成为互联网噩梦

➤ 未来只有两种工作:操控计算机或被计算机操控

➤ 王选:科学家、企业家与计算机发展

➤ “天河二号”主任设计师卢宇彤:我们不怕限购

➤ CMU计算机学院院长Moore:2016是机器情感智能的转折年?

您可能还喜欢…

13 Responses

  1. 尚龙说道:

    李飞飞教授在TED的演讲非常有名!!!:科学家也是有国界的,为人类太抽象了,美国的高科技尤其是太空技术为什么不对全人类开放?又一位华人之光! 真是越来越多女性在国际事务、研究上挑起大梁了你是我的女神!

  2. Jennifer雯说道:

    这样的科学家应该多吸引回国,国内现在的平台硬件都已经和国外一个水准了,就是差一些领军人物,,这位女科学家是中国国籍么?华裔人才都去建设美利坚了不为自己祖国服务科学家有啥用!老是讲人口智能,如果企业全用人智能,一大批低层没事干,就要干你们做人工智能的!

  3. 轩辕剑说道:

    确实学术界女的不多,但是他们中大牛比例还是蛮高的,感觉女科学家好厉害,和我等研究吃什么穿什么 完全没在一个档次,华人女性代表。偶像级,人工智能届的佼佼者~那些个顶尖人类感觉好遥远像神一样的存在啊

  4. 小顽童16说道:

    我好奇华人科学家的信仰。是科学的还是人文的?人工智能科学家是发现物质属性和规律,整合自然资源和人文科学而创造性的发明智能产品的人。但他们作为人本身会有怎样的情感和价值观和世界观呢?毕竟他们不仅仅是发明家和生产力的先进代表,他们通常和风投资本合作去换取和寻求更大的财富利益。

  5. 机器之说道:

    呵呵,非常熟悉的地方,就像007工作室对吧,别说一个实验室,现在整个老欧洲都快全部交给大婶们管理了,男女的思维果然不一样。科学家的工作就是为了人们生活提供便利,而非为了geek的酷炫,美利坚强大的基石,顶尖的,出类拔萃的女性,否则都不要吧!

  6. 余仁1说道:

    不管吃多少苦,受多少辱,能做一条美狗是我的终极梦想。做过这些工作并没有什么特别的,在美国就是这样的啊。理解!人少钱多好忽悠!掌握真理的不易,虽说可以以此成就梦想,但不能算是“成功”。要想成功似是还要学到“良知”。虽说科学无国界,但良知可是有爱憎。

  7. 小泽姐说道:

    改变命运的确是一个艰苦励志的过程,稍有懒堕就別想成功,一个坚强信念的支撑,契而不舍的努力奋斗,是一步步脚踏实地走出来的,其中的艰难困苦绝非能够想象,成功的人有着超常人的心理素质,能够到达彼岸是聪明加才智,苦尽甘来的滋味最幸福。:另一方面也说明美国人才济济,差一点的博士硕士只能依靠刷盘子洗碗扫地扫厕所来维持生计。。。

  8. 小虫说道:

    很多人都被挣大钱蒙蔽了自己最初的梦想甚至是自己适合的工作而选择高盛或者麦肯锡,结果把自己的梦想耽误了。为啥愿意去美国干这些而不愿在大陆发展呢?前几天斯坦福做的machine learning一个网络直播会议还听了她的演讲,讲她如何为在中国生活年迈的祖母设计一款智能监控,了不起

  9. 康庄大道说道:

    女人就是能靠真本事发展!这个事情的大背景是Fei-Fei老师入选了美国杰出移民没错啊 我也想在美帝刷盘子啊嘻嘻嘻! feifei家缺遛狗的吗,但是,中国人粗制滥造?中国有精美到您想都不敢想的艺术品服装;中国有漂亮得您见都没见过的艺术品服饰!那就是世界上独一无二的:会粹专利双面苏绣系列产品!看看吧,以针作画,巧夺天工

  10. 静音说道:

    : 震惊,这应该是美国梦在一个移民身上最好的体现了。美国社会加制度,结合移民的勤奋和愿景,真是无敌啊。feifei的研究果然都着眼于长期和远大的目标,别人都忙着刷垃圾论文时,她能静下心来标注几百万图片来给整个研究界提供长期的基础,这可能也是她那么成功的一大原因吧。

  11. 乐锅锅说道:

    这些是读书时的零工吧?别和我说是全职收银员变前沿科学家啊,移民第一代都是这么过来的啦,觉得没啥实际内容啊,讲经历不讲经验,鸡汤而已。中国从底层奋斗到教授的也很多吧,中国天地也很广阔 能做的也很多。中国人的美国梦,努力就会改变,或多或少有收获,有希望。相反国内,你努力,欠薪让你失望透了。

  12. 王咏刚:AI领域,中国人/华人有多牛?说道:

    上周三美国白宫科技政策办公室公布全世界在AI领域的研究数据,惊呼中国已领先世界并让他们感到“eclipsed”,(文章传送链接:华盛顿邮报:中国在的AI领域的研究领先世界)奥巴马也接受《连线》杂志的专访谈美国在AI的战略与未来走向。创新工场AI工程院副院长王咏刚做了深度的文章数据分析,看看AI领域,中国人/华人有多牛?对人工智能科研的推动作用到底有多大?美国白宫报告按国家统计得出中国领先世界的结论是否科学、合理?

    人工智能这把火已经烧到了国家战略层面,连美国总统和政府机构也卷了进来。上周四,奥巴马主持白宫前沿峰会,展望美国在未来50年的发展。峰会中,白宫发布报告《国家人工智能研究与发展策略规划》(见原文链接)。相关情况,大家可以参考《连线》杂志的总统专访(Wired: Barack Obama on Artificial Intelligence, Autonomous Cars, and the Future of Humanity) 。(附,文章翻译链接:http://tech.qq.com/a/20161014/005583.htm)
    这两天,自媒体没少炒作这个报告;我自己呢,倒是特别地对这个报告中的两张趋势图感兴趣。报告中说,从2013年到2015年,SCI收录的论文里,提到“深度学习”的文章增长了约六倍,同时强调,“按文章数计算,美国已不再是世界第一了。”

    美国不是世界第一?谁是世界第一呢?来看报告中的两张趋势图:

    上图是每年SCI收录的文章里,提到“深度学习”或“深度神经网络”的文章数量变化趋势,同时按国家做了区分。数据本身是从Web of Science核心数据库里查询得到的。

    第二张图和第一张图其他条件一样,只是增加了一个“文章必须至少被引用一次”的附加条件。也就是说,第二张图统计的文章数,是被引用过的“有效文章数”,相对来说更合理一些。
    两张图里,中国都在2014年和2015年超过了美国(以及其他所有第二梯队的国家),居于领跑者的位置。

    问题来了,在AI研究领域,中国人真有这么强吗?

    从这些年的直觉看,中国人/华人在人工智能领域里的大牛比比皆是,吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏 ……随口可以说出一大串,我自己在Google的研究团队,微软研究院等地亲眼看到的,也到处是中国人、华人的面孔。但这只是直观感受。整体来看,中国人/华人所做的科研贡献到底有多重要,对人工智能的推动作用到底有多大?白宫报告里的统计是不是科学、合理?
    其实,对美国国家战略规划里的统计,我自己是有几个疑问的,主要包括:

    直接搜索关键字“深度学习”、“深度神经网络”,真的能涵盖这些年人工智能领域的所有科学研究进展?像机器人、智能控制、机器视觉、无人驾驶等领域里,没有提及深度学习的文章眼见还有不少。严格按关键词匹配会漏掉多少相关文章?是否影响统计结果?
    “文章至少被引用一次”,比较科学,但好像还远远不够。这种统计,真的不需要考虑SCI的影响因子吗?不考虑的话,会混进多少较差期刊上发表的比较水的论文?这些数据会不会被国内研究机构靠SCI引用数来评职称的风气污染?
    在全球化时代,按国家统计,会不会有明显偏差?白宫报告没有提到被统计的文章是如何归入不同国家的。如果按作者发表文章时的所在机构,那大量在国外机构访问的中国学者会不会被算成外国人?中国人和外国人合写的文章该如何统计?如果按期刊所属国家和地区,那不同国家间的期刊水平(影响因子)差异是不是会让统计结果带有偏见?
    基于此,我也想自己去做个统计。

    统计前,给自己设了几条原则:

    从期刊的影响因子出发,只统计影响因子高的顶尖期刊。
    从Web of Science主题词出发,涵盖人工智能相关的所有科研领域,而不仅是深度学习方面的文章。
    关注对象是华人,而不是用国家分类的办法去比较中国和外国——这个是我自己的选择,因为今天的学术界,国家间的合作和交流已不可忽视。类似吴恩达这样的外籍华人,其实也在为中国的人工智能发展做贡献。与其限定国家,不如从整体上看一看,地球上的华人科学家、研究者群体,到底有多厉害。
    关注时间范围是2006到2016年,跨度10年左右——因为许多人说,这一波人工智能大潮是从2006后的几年时间里,才开始真正兴起的。

    我的统计结果

    先说说我的统计结果,一会儿会在附录一中讲讲我用的统计方法。

    来看下2006到2016年间华人作者的平均贡献:

    在2006到2016年的时间段里,近两万篇最顶级的人工智能文章中,由华人贡献的文章数和被引用数,分别占全部数字的29.2%和31.8%。近十年,华人用五分之一左右的作者人数,平均贡献了三成的顶级AI研究文章和被引用数。统计角度,这已经是超出平均水平的科研贡献了。

    但平均数并不能看出华人科学家、研究者在最近几年的发力程度。来看2006到2015年间,华人贡献的文章数和被引用数的变化趋势:

    2006到2015年间,华人作者参与的顶级AI论文,占全部顶级AI论文数量的比例,从23.2%逐年递增到42.8%。而华人作者参与的顶级AI论文被引用次数,占全部顶级AI论文被引用次数的比例从25.5%逐年递增到55.8%(2016 年数据较少,未用于趋势比较)。

    也就是说,即便只统计顶级出版物里的顶级文章,中国人/华人在人工智能领域的贡献,在发展趋势上也和白宫报告中揭示的规律如出一辙——无论从哪个角度来说,中国人/华人正在人工智能领域里发挥举足轻重的作用,而且,从2014年,2015年开始,中国人/华人已经处于人工智能研究的领先地位,占据了人工智能科研世界的半壁江山!

    个案分析

    会有人觉得这个统计很不可思议吗?这个结果会出乎很多人意料吗?我们还可以拿一个更具体的例子,来深入分析一下。

    在顶级人工智能期刊和会议录里,我来举个大名鼎鼎的例子吧:IEEE模式分析与机器智能汇刊(IEEE Transactions on Pattern Analysis and Machine Intelligence,简称PAMI),2015年影响因子6.077,高到没朋友,想往这里投稿的同学可能都知道被接受和发表的难度有多恐怖。

    我从《IEEE模式分析与机器智能汇刊》里按引用数选出2006到2016年间的前500篇论文,下面是这500篇论文的引用数分布情况:

    其实很恐怖的,前500篇文章最高引用数2715,最低引用数41——真顶级期刊!普通期刊难以望其项背呀。

    那么,这500篇最顶级的人工智能论文里,华人科学家、研究者的贡献如何呢?先说几个数字:500篇顶级文章的作者一共1220人,其中华人科学家、研究者316人,占25.9%。所有作者单独累加计算的被引用数总和是231361次,其中,华人科学家、研究者被引用数总和是63846 次,占27.6%。如果单看2014年(当年华人的文章数、引用数均较高)的数据,华人科学家、研究者被引用数占51.8%,超过了半数。

    如果只看《IEEE模式分析与机器智能汇刊》在2006到2016年间,引用数最多的10位华人作者和10位非华人作者的具体情况,也是一个很有趣的表格:

    《IEEE模式分析与机器智能汇刊》的华人前10位大牛,与非华人前10位大牛,在每个人的总引用数上几乎不相上下。的确,最顶尖的人工智能科学家里,中国人/华人的贡献丝毫不亚于其他科学家。
    另外,如果对人工智能特别是模式识别的研究领域不熟悉,那么,记住表中这20位顶尖科学家的名字吧。有兴趣的话,大家可以去搜一搜他们的简历,看看他们都在哪里工作,在哪里做研究,他们的学生、同事都是谁,相信会有很多发现。

    原因?

    为什么中国人/华人在人工智能领域这么强?因为数学好?因为兴趣使然?因为思维习惯?因为勤奋?因为教育?大家可能都有自己的答案。

    本文不想展开讨论,列举数据和事实,才是本文的目的。

    附录一:统计方法介绍
    简单介绍一下我是怎么得到上面那些比例和趋势数据的。

    周末,我先去Web of Science数据库里,找到Computer Science / Artificial Intelligence的主题类目,根据2015年SCI影响因子从高到低排序,取前50个出版物(包括期刊和会议录),这50个人工智能领域顶级期刊和会议录的详细列表见附录二。

    然后,对每份顶级期刊和会议录,基于文章的被引用数对2006到2016年的所有文章进行排序。这个时间段里,期刊和会议录的平均发表文章数在500左右,我以500为上界,取每份期刊和会议录中,被引用数最多的文章,至多500篇。由此得到2006到2016年间的顶级人工智能相关论文共计19855篇。

    接下来,基于这些文章的作者列表和被引用数目,统计华人科学家、研究者与全部文章作者之间的比例和趋势关系。

    如何识别华人作者?好像没有特别好的方法。我的方法是根据英文姓名判断,如果英文姓名主要由汉语拼音、韦氏拼音或粤语拼音组成(当然还要考虑姓氏、名字二者在英文表述上的区别,以及其他一些经验规则),那么就假定这个作者是华裔。根据小样本集验证,这个判别方法的检准率大约在96%以上,检全率大约在90%左右。也就是说,会有一定数量的遗漏,也会有少量误识,但基本可以反映整体情况与趋势。

    如何解决合作者问题?我是分别统计,并且不加权重的。第一作者和其他作者共享文章计数和引用计数。为第一作者增加权重是否影响整体统计结果?也许,但不会影响总体趋势数据,因为并没有证据表明,华人更多地出任第一作者,还是非华人更多地出任第一作者。至于每个作者的文章数和引用计数,是采用简单累加,还是采用比例累加(如两人合作,每人的贡献算0.5还是1),我做了全数据集的对比试验,几乎完全不影响整体结果。

    附录二:出版物名称,影响因子
    按影响因子排序的前50人工智能期刊、会议录列表:

    IEEE TRANSACTIONS ON FUZZY SYSTEMS, 6.701
    International Journal of Neural Systems, 6.085
    IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 6.077
    IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, 5.908
    INTEGRATED COMPUTER-AIDED ENGINEERING, 4.981
    IEEE Transactions on Cybernetics, 4.943
    IEEE Transactions on Neural Networks and Learning Systems, 4.854
    MEDICAL IMAGE ANALYSIS, 4.565
    Information Fusion, 4.353
    INTERNATIONAL JOURNAL OF COMPUTER VISION, 4.27
    IEEE TRANSACTIONS ON IMAGE PROCESSING, 3.735
    IEEE Computational Intelligence Magazine, 3.647
    EVOLUTIONARY COMPUTATION, 3.6
    IEEE INTELLIGENT SYSTEMS, 3.532
    PATTERN RECOGNITION, 3.399
    ARTIFICIAL INTELLIGENCE, 3.333
    KNOWLEDGE-BASED SYSTEMS, 3.325
    NEURAL NETWORKS, 3.216
    EXPERT SYSTEMS WITH APPLICATIONS, 2.981
    Swarm and Evolutionary Computation, 2.963
    APPLIED SOFT COMPUTING, 2.857
    DATA MINING AND KNOWLEDGE DISCOVERY, 2.714
    INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 2.696
    SIAM Journal on Imaging Sciences, 2.687
    DECISION SUPPORT SYSTEMS, 2.604
    Swarm Intelligence, 2.577
    Fuzzy Optimization and Decision Making, 2.569
    IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, 2.476
    JOURNAL OF MACHINE LEARNING RESEARCH, 2.45
    ACM Transactions on Intelligent Systems and Technology, 2.414
    NEUROCOMPUTING, 2.392
    ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2.368
    CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2.217
    ARTIFICIAL INTELLIGENCE IN MEDICINE, 2.142
    COMPUTER VISION AND IMAGE UNDERSTANDING, 2.134
    JOURNAL OF AUTOMATED REASONING, 2.113
    INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS, 2.05
    COMPUTATIONAL LINGUISTICS, 2.017
    ADVANCED ENGINEERING INFORMATICS, 2
    JOURNAL OF INTELLIGENT MANUFACTURING, 1.995
    Cognitive Computation, 1.933
    IEEE Transactions on Affective Computing, 1.873
    JOURNAL OF CHEMOMETRICS, 1.873
    MECHATRONICS, 1.871
    IEEE Transactions on Human-Machine Systems, 1.8
    Semantic Web, 1.786
    IMAGE AND VISION COMPUTING, 1.766
    Wiley Interdisciplinary Reviews-Data Mining and Knowledge Discovery, 1.759
    NEURAL PROCESSING LETTERS, 1.747
    ARTIFICIAL INTELLIGENCE REVIEW, 1.731

  13. 李飞飞:探求知识与真理是我的天性说道:

    今年,是人工智能发展60周年。经历了一个甲子的跌宕起伏,人工智能再次迎来了新的春天,绽放出无限生机与活力。在人工智能的浪潮中,有一位华人女性科学家的身影令全世界为之瞩目。她,就是李飞飞——美国斯坦福大学计算机科学系终身教授、人工智能实验室主任、谷歌云计算集团机器学习部门负责人。

    “经历了60年,AI终于从学院派的象牙塔中走出,变得足够实用和强大,可以解决真实世界中的实际问题——从文本分析到图像理解到决策制定。这些进步业已进入到实际应用中,在未来也会对越来越多的行业造成冲击。”

    在李飞飞的神采飞扬背后,是她为梦想付出的巨大努力与坚持。年仅41岁的李飞飞,本身就已然是一部励志的传奇。

    从中餐馆到普林斯顿

    16岁那年,随父母一同移民到美国的李飞飞一句英文也不会说。和千千万万个移民家庭一样,虽然受过良好教育,但因为语言不通,李飞飞的父亲只能靠相机维修谋生,母亲则做起了收银员。用李飞飞自己的话说,那时,她和班里其他移民学生一样,“终日忙于糊口”。

    尚在中国时的幼年李飞飞与父母

    然而,家庭经济条件的拮据并没有扼杀掉她与生俱来对知识的渴求。从帕西帕尼高中毕业时,她已经从一个英文零基础的移民后代一跃成为了班级第六名。

    “探求知识与真理是我的天性。我想要了解宇宙,我的生活离不开理性。”在这种力量的驱使下,李飞飞最终选择了向自己伸出橄榄枝的普林斯顿大学。“普林斯顿几乎给了我全额奖学金。在刚到美国的头两年里,我总是忙于中餐馆和清洁工的工作;一转眼,我已经身处普林斯顿,周围全是精英学者。我爱死普林斯顿了。”

    在生存与理想间做出抉择

    虽然迈入了顶级院校,李飞飞的家庭条件却依然如故。她买下了一家干洗店,让父母得以维持生计。为此,她的生活不得不上演了一出“双城记”:平日里,她是普林斯顿物理系的高材生;周末,她则要奔回帕西帕尼,在干洗店打理生意。

    1999年,李飞飞毕业了。那时正逢牛市,她和同窗大都收到了华尔街的offer。令所有人大跌眼镜的是,李飞飞却回绝了所有offer,来到远离华尔街的世界屋脊——西藏,花了一年的时间开始研究藏药及幽门螺杆菌在游牧民中的传染和诊疗。她说这是她的梦想。

    从西藏回到美国之后,各大投资机构纷纷开出诱人的offer。尽管这些工作机会可以迅速帮助家里人摆脱困境,李飞飞仍选择了读博。在生存与理想的权衡中,她再一次选择了后者。

    加州理工学院人工智能和计算神经科学方向的博士课程并不轻松,李飞飞的母亲在此期间又罹患癌症和中风。“我们共同经历了很多困苦,但最终度过了难关。”

    爱是终极的力量

    李飞飞表示,“作为人工智能领域的领导者之一,对于开创那些最前沿、可以造福人类的技术,以及培养出未来可以做这些贡献的技术人才,我始终抱有极大的热情和责任。这是我的夙愿和使命。”

    2017年1月15日的未来论坛年会上,李飞飞将作为人工智能领域的青年领袖,发表相关主旨演讲,并参与对话讨论。“爱是终极的力量。科技工作者需要谨记这一点。”作为杰出的华人女性科学家,李飞飞将如何在未来论坛2017年会上传递自信、坚强与对科学的爱?我们和你们同样期待着。

发表评论

邮箱地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>