Finding Genius EP01｜李飞飞：在看见世界之前，先学会理解
Lead Her Way
为什么我想做这一集
过去一个月，我在斯坦福度过了不少时间。走过李飞飞教授的办公室，听她谈人工智能，也重新读了她的回忆录《The Worlds I See》。
我们每天都在谈 AI。
谈 ChatGPT，谈模型，谈算力，谈哪些工作会消失，也谈下一个改变世界的产品会是什么。但我越来越好奇的，反而是另一个问题：
那些真正改变技术方向的人，是怎样形成自己的判断的？
这也是我开始做 Finding Genius 的原因。
我并不想做一个关于“成功人士”的节目。这个世界已经有太多成功故事。我更想借一本书、一个人的经历，去理解一些更缓慢、也更难被看见的东西：一个人的好奇心从哪里开始？她如何面对不知道答案的问题？当周围的人并不认同她的时候，她为什么仍然愿意继续走下去？
李飞飞是我想讲的第一个人。
今天，我们知道她是 ImageNet 背后的科学家，是现代计算机视觉的重要推动者，也是 Stanford Human-Centered AI Institute 的创始领导者之一。
但《The Worlds I See》真正打动我的，并不是这些成就。
而是一个女孩如何不断进入陌生的世界。
从中国到美国，从物理到神经科学，从理解人类视觉到让机器学习“看见”，再到今天重新追问：如果人工智能越来越强大，它最终应该为谁服务？
所以这一集，与其说是在讲人工智能，不如说是在讲一种理解世界的方法。
在看见世界之前，我们也许要先学会理解。
本期简介
李飞飞是现代人工智能发展中最重要的科学家之一。
但她的故事并不是从硅谷开始的。
她出生于北京、成长于成都，十几岁随家人移民美国。从一个需要重新学习语言和文化的移民女孩，到普林斯顿的物理学生，再到研究人类视觉、计算机视觉和人工智能，她一直在追问一个看似简单的问题：
我们究竟是怎样理解眼前这个世界的？
这个问题后来把她带向 ImageNet。
2009年，李飞飞和团队发表 ImageNet 工作，希望建立一个前所未有的大规模视觉数据库，让机器不再只依赖人为写下的规则，而能够通过大量真实世界的图像学习。
几年以后，ImageNet成为深度学习革命的重要基础设施之一。
但李飞飞后来的注意力逐渐从“机器能够做什么”，转向另一个问题：
我们希望机器为人类做什么？
从 Human-Centered AI，到医疗领域的 ambient intelligence，再到今天 World Labs 对 spatial intelligence 和 world models 的探索，她的研究看似一直在变化，背后却有一条非常稳定的线：
从 seeing 到 understanding，再从 understanding 到 acting in the world。
这一期 Finding Genius，我们从《The Worlds I See》出发，聊李飞飞，也聊 ImageNet、人工智能、移民、女性、好奇心、判断力，以及在一个技术快速改变世界的时代，我们怎样保留自己的 human agency。
本期提到的书
《The Worlds I See》
完整书名： The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI
作者： Dr. Fei-Fei Li
出版社： Flatiron Books / A Moment of Lift Book
出版时间： November 7, 2023
页数： 336 pages
这不是一本传统意义上的 AI 科普书。
李飞飞把自己的个人经历与现代人工智能的发展史交织在一起：童年、移民、父母、求学、ImageNet、Google、Stanford，以及她后来对 Human-Centered AI 的思考。
如果只能从这一期节目延伸阅读一本书，我仍然会首先推荐这一本。
李飞飞的几个重要研究与项目
01｜ImageNet
ImageNet 是李飞飞最具历史影响力的工作之一。
2009年发表的 ImageNet 论文提出建立一个以 WordNet 为语义结构的大规模图像数据库。当时发表的数据集已经包含 5,247个类别和约320万张图片，目标则更加庞大。
ImageNet后来不只是一个数据库，也成为计算机视觉研究的重要 benchmark。
2012年的 ImageNet Challenge 中，AlexNet 使用深度卷积神经网络和 GPU 大幅改善图像识别表现。它通常被视为现代深度学习爆发的重要节点。
ImageNet的重要性不只在于“大”。
它代表了一次研究思路的变化：
也许让机器变得更聪明，不只是需要更聪明的算法；机器还需要足够丰富的经验去认识世界。
02｜Computer Vision：让机器从“看到像素”走向“理解场景”
李飞飞长期研究 computer vision、cognitively inspired AI、machine learning 与视觉认知。
她关心的问题并不只是“这张照片里有没有一只猫”。
更深的问题是：
机器能不能理解物体之间的关系、场景、人的动作以及发生在视觉世界里的事件？
这也是为什么她今天研究 spatial intelligence 并不是一次突然的转向。
从 ImageNet 到 world models，可以看到一个延续了二十多年的问题：
机器怎样从看见，走向理解？
03｜Human-Centered AI
李飞飞是 Stanford Institute for Human-Centered Artificial Intelligence（Stanford HAI）的创始领导者之一。
Human-Centered AI 的重要之处，在于它把问题从：
“AI还能变得多强？”
转变成：
“我们希望AI如何增强人的能力？”
这意味着 AI 不只是计算机科学的问题，也涉及医学、教育、经济、法律、伦理、政策以及人与人之间的关系。
04｜Ambient Intelligence 与医疗
李飞飞的研究团队也长期探索 AI 在医疗环境中的应用。
她与合作者提出利用非接触式传感器和机器学习构建“ambient intelligence”——让医院、ICU、手术室等空间本身拥有一定的感知能力。
目标不是用机器替代医生。
恰恰相反，是希望技术帮助医生减少一些机械性的观察和记录工作、改善病人安全，并让医疗工作者把更多注意力重新放在人身上。
这是我认为理解她所谓 Human-Centered AI 非常好的一个具体例子。
05｜AI4ALL
2015年，李飞飞、Olga Russakovsky 和 Rick Sommer 在 Stanford 创建了一个面向高中女生的 AI 夏季项目。
它后来发展成为 AI4ALL。
这个项目背后的想法其实非常重要：
如果人工智能未来会影响所有人，那么创造人工智能的人也不应该只来自非常有限的一群人。
AI4ALL后来从 Stanford 扩展到多个大学项目，希望让过去在 AI 和计算机科学领域代表不足的学生更早接触这个领域。
06｜Spatial Intelligence & World Labs
这是李飞飞现在最值得继续关注的方向。
她与 Justin Johnson、Ben Mildenhall 和 Christoph Lassner 创立了 World Labs，研究 spatial intelligence——空间智能。
如果大型语言模型学习的是：
words → language
那么 world models 想解决的是：
pixels → objects → space → worlds → action
也就是说，AI不只是描述一张桌子的照片，而是理解桌子存在于一个三维空间里；如果移动它，会发生什么；人可以怎样绕过它；一个机器人又应该怎样与它互动。
World Labs 已经推出生成和操作三维世界的模型与产品 Marble，并在2026年继续推进机器人模拟和 world models。
从这个角度看，李飞飞二十多年前开始提出的问题其实还没有结束。
ImageNet问：
机器怎样看见世界？
今天她问的是：
机器怎样理解、模拟，并最终与这个世界互动？
最近值得听／看的李飞飞访谈
Huberman Lab — August 10, 2026
Using AI to Increase Your Intelligence & Enrich Humanity | Dr. Fei-Fei Li
如果听完这一期 Finding Genius 还想继续，我会首先推荐这场。
讨论从 AI 的发展一路延伸到医疗、教育、科学发现、human agency，以及为什么塑造 AI 的未来不能只是科技公司的责任。
a16z — July 2026
Fei-Fei Li on Spatial Intelligence and Robotics
Fei-Fei Li、World Labs/SceniX 的 Yunzhu Li 与 a16z 的 Martin Casado 讨论 spatial intelligence、simulation、robotics，以及为什么训练机器人可能与训练语言模型完全不同。
如果想理解她 ImageNet之后正在做什么，这一场非常值得听。
Scientific American — June 16, 2026
Fei-Fei Li
这场访谈把她放回科学研究本身，讨论基础科学、人工智能和技术进步。
它也提醒我们：在今天所有关于 AI 产品和公司的讨论之外，李飞飞首先仍然是一位科学家。
Bloomberg Live — June 4, 2026
World Labs' Fei-Fei Li on Creating Large World Models
重点是 World Labs、large world models 和 spatial intelligence。
如果对“为什么语言模型之后可能是世界模型”感兴趣，可以从这里继续。
Possible — January 15, 2025
Fei-Fei Li on Spatial Intelligence and Human-Centered AI
Reid Hoffman 和 Aria Finger 与李飞飞讨论 ImageNet、World Labs、spatial intelligence、AGI、AI治理以及 human-centered AI。
这一场特别适合与《The Worlds I See》一起听，因为它把她过去的工作与正在发生的下一阶段连接了起来。
关于 Finding Genius
Finding Genius 想做的，不是寻找“天才的成功公式”。
每一期，我们借一本书、一次研究、一段人生，去认识一个真正改变过自己所在领域的人。
我更感兴趣的，是成功之前的部分。
他们在想什么？
他们看到了什么别人没有看到的问题？
是什么经历塑造了他们的判断？
而当答案还不存在的时候，他们为什么愿意继续走下去？
Finding Genius，不是寻找成为天才的方法。
而是试着理解，那些改变世界的人，是怎样理解世界的。
