這個(gè)自從來到美國以后，就飽受經(jīng)濟(jì)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(xué)院攻讀PhD。

　　當(dāng)我們今天縱觀李飛飛的人生時(shí)，會(huì)發(fā)現(xiàn)，這種追隨內(nèi)心的熱情和強(qiáng)硬堅(jiān)韌的作風(fēng)，始終貫穿著她的行為軌跡。正如博士畢業(yè)后，她選擇了當(dāng)時(shí)還不太流行的圖像識別作為研究方向一樣。

　　圖像識別技術(shù)，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(huì)計(jì)算機(jī)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(jì)算機(jī)，“貓”就是有著圓臉、胖身子、 兩個(gè)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(gè)3歲小孩都能從圖片中識別出“貓”，可是計(jì)算機(jī)卻做不到。

　　李飛飛研究了很長時(shí)間，始終沒有突破。交好的教授都勸她換個(gè)方向，以便拿到tenure(終生教職：在西方高校，有了tenure就相當(dāng)于終生的職業(yè)生涯都有了保障)。

　　她當(dāng)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(gè)3歲兒童可能已經(jīng)獲得了上億次的圖像識別訓(xùn)練，是計(jì)算機(jī)的幾何級倍數(shù)。

　　也就是，關(guān)鍵在于自主訓(xùn)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(biāo)簽后，訓(xùn)練計(jì)算機(jī)進(jìn)行機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)(machine learning)，就是給出一定算法，讓計(jì)算機(jī)自己學(xué)習(xí)。

　　這個(gè)過程是艱苦的。如今，機(jī)器學(xué)習(xí)已經(jīng)是熱門概念，可在2007年，李飛飛的實(shí)驗(yàn)室缺少人手，又申請不到經(jīng)費(fèi)。最困難的時(shí)候，她一度想重開洗衣店，籌集實(shí)驗(yàn)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(biāo)簽。當(dāng)時(shí)，李飛飛的研究項(xiàng)目，一度是該眾包平臺全球最大的雇主。

　　一個(gè)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(xué)術(shù)和商業(yè)界的每一個(gè)實(shí)驗(yàn)室調(diào)取。圖片識別技術(shù)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(xué)術(shù)成就卓著，李飛飛收到了很多社會(huì)活動(dòng)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(shù)發(fā)展的背后故事。