李飞飞

李飞飞是一位出生于中国的美国计算机科学家，研究领域涵盖计算机视觉、机器学习和视觉智能。她主导开发了大规模标注图像集合ImageNet 数据集，并推动创办了基于该数据集的视觉识别挑战赛。这些合作项目提供了训练数据和评测基准，促进了深度学习和自动图像识别技术的发展。(en.wikipedia.org)

李飞飞是斯坦福大学教授，曾于2013年至2018年担任斯坦福人工智能实验室主任，并于2019年出任斯坦福以人为本人工智能研究院的创始联席院长。她的工作还包括人工智能辅助医疗、通过AI4ALL推动普惠计算教育，以及通过她共同创立的World Labs开展空间智能研究。她的职业生涯将机器如何理解视觉环境的研究，与机构建设、产业研究，以及围绕人工智能发展与应用的公共讨论联系在一起。(profiles.stanford.edu)

早年生活与科学教育

李飞飞出生于北京，在中国四川成都长大。1992 年，她随家人移民美国新泽西州，随后就读于帕西帕尼高中。父母鼓励她发展对科学技术的兴趣，她则在中餐馆兼职，补贴家用。她早年的科学兴趣包括基础物理学：在普林斯顿大学 2024 年校友日活动上，她回忆说，自己那时白天在餐馆工作，晚上思考狭义相对论。这段回忆表明，早在大学接受计算与感知方面的训练之前，她就已热衷于用科学解释世界。(cs.stanford.edu)

1995 至 1999 年，李飞飞就读于普林斯顿大学，以优异成绩获得物理学文学学士学位。除主修课程外，她还完成了工程物理以及计算与应用数学的证书课程。因此，她的本科教育将物理理论与数学、计算方法结合在一起，而非遵循常规的计算机科学学位培养路径。在此期间，她还协助经营家里位于帕西帕尼的干洗店，一边完成大学学业，一边在周末回家帮忙。1999 年，她获得普林斯顿大学的日下纪念物理学奖。(cs.stanford.edu)

在本科毕业与攻读博士学位之间，李飞飞于 1999 至 2000 年间，在普林斯顿大学马丁·戴尔奖学金的资助下前往西藏，从事藏医药研究。随后，她于 2000 年进入加州理工学院攻读电气工程研究生课程，2001 年获得硕士学位，2005 年获得哲学博士学位。她在研究生阶段的训练将识别问题的计算方法与人类视觉的实验研究结合起来。她的博士论文导师是彼得罗·佩罗纳；她的自述也将克里斯托夫·科赫列为导师，而加州理工学院的记录则将科赫与欧文·比德曼、亚西尔·S. 阿布-穆斯塔法一同列为她的博士论文委员会成员。(cs.stanford.edu)

她于 2005 年完成的博士论文《视觉识别：计算模型与人类心理物理学》，探讨了人类与机器如何识别物体和场景。其中，人类视觉研究通过受控实验，考察观察者能从短暂呈现的照片中感知到什么，以及识别如何受到注意力的影响；计算研究则探讨如何仅凭极少量样本学习物体类别，以及如何对自然场景进行分类。这两类研究方法相辅相成：行为实验用于衡量人类的感知表现，计算模型则用于检验明确界定的学习与识别过程。论文的结构展现了她如何从本科阶段的物理学基础，转向计算机视觉、机器学习与人类感知交叉领域的研究，而她获得的博士学位在正式学科归属上仍属于电气工程。(thesis.caltech.edu)

学术任职与实验室领导工作

2005年8月，李飞飞在伊利诺伊大学厄巴纳—香槟分校电气与计算机工程系担任助理教授，开始了她的高校教职生涯，同时在心理学领域兼任教职。2007年1月，她加入普林斯顿大学，担任计算机科学助理教授，并继续兼任心理学教职。2009年6月，她转入斯坦福大学，担任计算机科学助理教授，2012年8月晋升副教授，2018年1月晋升教授。这些任职使她的视觉识别研究扎根于工程与计算机科学院系，同时也与人类感知研究保持着正式的学术联系。(cap.stanford.edu)

在斯坦福大学，李飞飞领导斯坦福视觉实验室，将视觉的计算研究方法与针对生物视觉的认知及神经影像实验相结合。这是一个专注于特定研究方向的团队，与她于2013年至2018年10月担任主任的斯坦福人工智能实验室（SAIL）并不相同。SAIL是一个规模更大、由多位教师参与的研究机构：除计算机视觉外，其研究团队还涵盖机器学习、自然语言处理、机器人学等领域。因此，领导视觉实验室主要涉及一个特定研究群体及其研究规划；而担任SAIL主任，则需要在更大的机构框架下，为多个由教师带领的团队提供支持。斯坦福大学后来的研究团队名录将斯坦福视觉与学习实验室列为由李飞飞、胡安·卡洛斯·涅布莱斯、西尔维奥·萨瓦雷塞和吴佳俊共同参与的教师联合实验室。(fsi.stanford.edu)

2019年6月，李飞飞成为斯坦福大学首位红杉计算机科学讲席教授。这一冠名讲席属于教职任命，与她已于前一年卸任的SAIL主任职务相互独立。她的学术工作也包括课堂教学：在2015年冬季学季，她与安德烈·卡帕西被列为CS231n课程《用于视觉识别的卷积神经网络》的授课教师，贾斯廷·约翰逊、朱昱柯、布雷特·库普雷尔和本·普尔担任助教。该课程讲授用于视觉识别的深度学习方法，并采用ImageNet挑战赛的相关资料作为背景材料。课程考核中，三次作业占总成绩的45%，期中考试占15%，期末项目占40%，将有明确要求的练习与学生持续开展的探究相结合。(cap.stanford.edu)

指导研究生是另一项职责，不同于教授按课表开设的课程或管理实验室。卡帕西的博士论文《连接图像与自然语言》将李飞飞列为其主要导师；他在回顾双方合作时还提到，CS231n由两人共同设计，而他本人是该课程的主要授课教师。在2016年9月一篇介绍博士阶段研究的文章中，卡帕西描述了李飞飞团队的一项具体做法：在会议论文投稿截止日期前两周设置内部截止日期，要求提交至少五页的初稿，并使用会议式评审表开展内部评审。这一做法将研究生指导与实验规划、论文评议相结合，而不只是安排授课或管理实验室成员。(cs.stanford.edu)

物体识别与人类视觉研究

李飞飞早期的计算机视觉研究探讨了这样一个问题：面对外观和空间布局的变化，系统如何仅凭极少量样本学会识别一个新的物体类别。在2003年与罗布·弗格斯（Rob Fergus）和彼得罗·佩罗纳（Pietro Perona）合著的论文《物体类别无监督单样本学习的贝叶斯方法》中，研究者对四个类别进行了测试：人脸、飞机、摩托车和斑点猫科动物。他们先用数百张图像学习其中三个类别，从中提取通用的统计知识，再利用这些知识，仅凭一至五个样本学习第四个类别。这种迁移学习方式回应了一个受人类识别能力启发的问题：对熟悉类别的经验，能否减少识别陌生类别所需的证据？（cs.stanford.edu）

他们的方法将贝叶斯推断与描述物体各部件的概率“星座”模型相结合。模型用概率分布描述部件的外观和相对位置，因而能够容纳变化，而不要求与某个模板精确匹配。此前学过的类别为模型参数提供先验分布；新样本则通过变分贝叶斯估计，将其更新为后验分布。识别过程将参数的不确定性纳入考虑，而非依赖某个拟合效果最佳的单一估计。虽然论文标题将这一学习过程称为“无监督”，但训练图像已被标明包含目标类别；系统未获知的是物体的位置、大小或部件对应关系。（cs.stanford.edu）

在2005年的论文《用于学习自然场景类别的贝叶斯层次模型》中，李飞飞与佩罗纳将概率学习扩展到整体场景识别。这里的任务是将图像归类为卧室、森林或高速公路等场景，而非识别图像中的某个单独物体。他们的层次结构通过局部图像块、离散的视觉“码字”和中间层的潜在“主题”来表示场景。对图像块描述子进行聚类后得到码本；模型则学习各主题内码字的分布，以及与场景类别相关联的主题混合。这些中间表征不需要人工将各个图像块标注为天空、植被或其他语义组成部分，不过训练时仍使用了场景类别标签。实验使用了13个类别的灰度图像，每类取100张用于训练，其余用于测试。对于每张测试图像，模型赋予其似然值最高的类别即为分类结果。（people.csail.mit.edu）

在李飞飞的研究中，人类感知也是实验研究的对象，而不只是机器学习的类比。她2005年的博士论文《视觉识别：计算模型与人类心理物理学》将计算类别学习与心理物理学相结合，后者通过受控实验测量人对视觉刺激的反应。这篇论文汇集了多方面的研究：如何凭有限样本识别物体、如何学习场景表征，以及当注意力被其他任务占用时，如何检测有意义的类别。这些研究探讨的是相互关联但又有所区别的问题：表征如何习得，以及在受限的观看条件下，人类观察者能够提取哪些信息。（thesis.caltech.edu）

一个具体例子是2002年的研究《几乎没有注意参与时的快速自然场景分类》，由李飞飞与鲁芬·范吕伦（Rufin VanRullen）、克里斯托夫·科赫（Christof Koch）及佩罗纳共同开展。参与者一边完成一项要求很高的中央视野字母辨别任务，一边判断在周边视野中短暂呈现的照片是否包含动物或车辆。他们能够同时完成这些分类任务；相比之下，在需要区分T形与L形，或区分两种颜色排列方式不同的圆盘的对照任务中，表现则明显受损。作者认为，这种差异表明，某些高层次的视觉分类只需极少的集中注意即可进行，而不是说所有视觉识别都不需要注意。这些实验测量的是行为表现，并未证实人类视觉采用了上述计算研究所开发的贝叶斯算法。（allpsych.uni-giessen.de）

ImageNet：数据集构建与视觉识别基准

李飞飞在 ImageNet 上的工作大幅扩展了视觉目标识别可用资源的规模。该项目于 2009 年在 IEEE 计算机视觉与模式识别会议上发表，由邓嘉、董巍、Richard Socher、李佳、李凯和李飞飞共同完成。论文介绍了一个包含 320 万张图像的数据库，涵盖十二个层级子树中的 5,247 个类别。研究人员的目标并非提出某一种识别算法，而是构建大规模、经过人工核验的训练数据，供不同的计算方法学习，并用于比较这些方法的表现。(image-net.org)

ImageNet 的组织结构源于 WordNet 词汇数据库。该词汇数据库中的“同义词集”（synset）代表不同的概念，并通过语义关系将这些概念相互连接，其中包括上位类别与下位类别之间的关系。ImageNet 将照片与这些概念关联起来。其构建流程先利用扩展查询和多种语言，从互联网搜索引擎中检索候选图像，再通过 Amazon Mechanical Turk 雇用人工标注员，核验每张图像是否呈现了预期概念。标注结果所需达到的一致性要求随类别调整，而非假定所有概念都同样容易识别。这一流程将自动采集与人工核验相结合；仅凭搜索结果，并不能认定标注有效。(image-net.org)

2010 年启动的 ImageNet 大规模视觉识别挑战赛（ILSVRC）使用的是经过筛选的类别和图像，而非整个数据库。其 2012 年的分类子集包含 1,000 个类别、1,281,167 张训练图像、50,000 张验证图像和 100,000 张测试图像。图像分类要求为图像赋予类别标签；单目标定位则额外要求用边界框标出目标类别的一个实例。2013 年引入的目标检测任务要求找出并标注 200 个类别中的目标实例。标准化评估指标包括分类的前五错误率、定位的边界框重叠判定标准，以及检测的平均精度均值。参赛者需提交对测试集的预测结果，而测试集的标注不予公开，使组织者能够在相同条件下比较各个系统。(arxiv.org)

2012 年的比赛产生了一项对深度学习影响尤为深远的成果。Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 开发的 AlexNet 系统获得冠军，其提交结果的前五测试错误率为 15.3%，而亚军为 26.2%。所谓前五错误率，是指当一张图像的参考标签未出现在系统排名最高的五个预测结果中时，就将该图像计为预测错误。他们的卷积神经网络包含五个卷积层和三个全连接层；使用两块 NVIDIA GTX 580 图形处理器训练一个网络，大约需要五至六天。这一成果将大规模标注数据、网络设计与 GPU 计算结合在一起。李飞飞与 ImageNet 的合作者提供了数据集和基准评测基础设施，而多伦多的研究人员则开发了获胜的网络及其训练实现。(papers.nips.cc)

此后，数据集构建本身也成为研究对象。在一项于 2019 年 12 月公布、2020 年发表于 FAT* 会议的研究中，Kaiyu Yang、Klint Qinami、李飞飞、邓嘉和 Olga Russakovsky 考察了 ImageNet 的“人物”子树。他们发现，其 2,832 个类别中，有 1,593 个可能不适合作为标签，并建议将其移除。在剩余的 1,239 个类别中，只有 158 个达到了该研究设定的可图像化阈值。这一区分强调：标签是否恰当，与照片能否有效支持该标签，是两个不同的问题。例如，无法仅凭外貌可靠地推断一个人是否为“慈善家”。研究人员还分析了图像中人物的感知性别、肤色和年龄分布，并提出在不公开敏感的逐图标注信息的前提下，平衡图像子集的构成。这些建议针对的是整个数据库中类别的适宜性与代表性；论文指出，其筛选方案不会影响标准的 1,000 类挑战赛子集。(arxiv.org)

图像描述、场景理解与具身智能

李飞飞与合作者开展的研究，将计算机视觉从为图像赋予类别标签，拓展到表征场景中的物体、物体属性及其相互关系。其中一个代表性项目是 Visual Genome，由 Ranjay Krishna、Yuke Zhu、Justin Johnson、李飞飞及其他合作者于 2016 年推出，相关论文于 2017 年发表于《国际计算机视觉杂志》。该项目通过众包方式，为 108,077 幅图像添加标注，将局部区域的描述与物体、属性和关系关联起来。这些标注支持构建场景图：一种以节点表示物体、以边描述物体间关系的结构化表示。与检测到的物体清单不同，这种表示将场景中的实体与实体之间的空间或语义联系区分开来。区域级标注也可以整合成表示整幅图像的图。(link.springer.com)

李飞飞与 Andrej Karpathy 在《用于生成图像描述的深度视觉—语义对齐》（Deep Visual-Semantic Alignments for Generating Image Descriptions）中研究了图像区域与自然语言表达之间的对应关系。该论文最早于 2014 年 12 月发布，并于 2015 年在计算机视觉与模式识别会议（CVPR）上发表。该系统将处理图像区域的卷积神经网络与处理句子的双向循环神经网络相结合。共享嵌入空间将相互对应的视觉表示和语言表示拉近，使模型能够从图像与描述配对的训练样本中，推断哪些区域为特定词语或表达提供了视觉依据。另一个独立的多模态循环神经网络则利用推断出的对齐关系，为图像区域或整幅图像生成新的描述。这属于多模态学习，而非将图像归入一组固定的物体类别：其输出是描述视觉内容的词语序列。评估既包括在 Flickr8K、Flickr30K 和 MS COCO 上开展的图像—句子检索，也包括将生成的描述与基于检索的基线方法进行比较。(arxiv.org)

在 2018 年 CVPR 论文《从场景图生成图像》（Image Generation from Scene Graphs）中，Justin Johnson、Agrim Gupta 和李飞飞研究了相反的方向：根据对物体及其关系的明确规定来合成图像。他们的模型利用图卷积沿图的边传递信息，再预测每个物体的边界框和分割掩码。这些预测结果构成空间布局，再由级联细化网络将其转化为图像。训练采用了两个对抗判别器，以促使输出更加逼真。因此，场景图不仅规定了要描绘哪些物体，也规定了它们之间的关系，而不只是提供一组无序标签。研究人员在 Visual Genome 和 COCO-Stuff 上，通过定性比较、消融实验和用户研究考察了多物体图像生成；输出结果是二维图像，而非交互式环境。(openaccess.thecvf.com)

李飞飞还参与了具身智能领域的合作研究。在这一领域，智能体通过在环境中进行观察和行动来学习。Bokui Shen、Fei Xia、Chengshu Li、Roberto Martín-Martín、李飞飞、Silvio Savarese 及其他合作者在 2020 年 12 月发布的预印本中介绍了 iGibson 1.0。该平台提供了 15 个住宅规模的交互式场景，共包含 108 个房间，将模拟视觉与深度传感器、可移动物体及带关节的物体、运动规划工具和用于采集人类示范的接口结合起来。通过随机化物体的外观和物理属性，平台支持了对泛化能力的实验研究。与解读静态照片不同，机器人执行任务时，可能需要先选择动作、应对障碍物并改变物体的配置，之后才能获得下一次观测。研究人员利用这一环境研究了导航、操控和模仿学习。(arxiv.org)

2021 年推出的合作项目 iGibson 2.0 通过表示物体的温度、湿润程度、清洁程度，以及是否切开、是否开启等状态，将模拟任务从移动和物理接触拓展到更广泛的范围。逻辑谓词将模拟器变量转化为“已烹熟”或“已浸透”等任务层面的条件；采样机制则生成满足指定条件的物理配置。虚拟现实接口让人们能够演示家务活动，为模仿学习实验提供示范。这些机制使任务能否成功取决于环境状态的变化，而不再仅仅取决于识别物体或预测物体在图像中的位置。(arxiv.org)

环境智能与人工智能辅助医疗研究

李飞飞与医生阿诺德·米尔斯坦共同领导斯坦福大学的人工智能辅助照护合作项目，将计算机科学研究与临床卓越研究中心联系起来。该合作将计算机视觉用于观察医疗照护的实施过程：传感器以被动方式记录临床环境，机器学习系统则识别患者和工作人员的相关活动。研究内容包括监测手部卫生消毒液分配器的使用、识别重症监护病房中患者的活动情况，以及描述老年人的日常活动特征。这些项目关注的是行为和照护流程，而非诊断影像的解读。(med.stanford.edu)

在这些研究中，环境智能指的是感知医院和日常生活空间等物理环境中的人类活动，并通过计算方法加以解读。李飞飞、阿尔伯特·哈克和米尔斯坦在2020年9月发表于《自然》的综述《用环境智能照亮医疗保健中的暗处》中，概述了这一研究计划。与仅依赖可穿戴设备的监测不同，非接触式感知不要求被监测者随身携带设备。深度传感器记录物体与传感器之间的距离，生成轮廓和空间信息，而不是常规的彩色图像；热成像可以模糊具有身份识别作用的视觉细节，不过，传感器的选择也会限制系统能够区分的活动种类。研究人员将临床验证和隐私保护视为把研究成果转化为大规模照护应用的必要条件，而不是成功识别活动后就能自动实现的结果。(nature.com)

阿米特·辛格、哈克及其同事在2020年的一项研究中，评估了斯坦福露西尔·帕卡德儿童医院的自动化手部卫生观察系统，李飞飞和米尔斯坦为共同末位作者。2017年3月至8月，16个安装在天花板上的深度传感器从病房外分配器的上方采集数据。研究人员使用111,080张标注图像训练卷积神经网络，并另取718张图像，将算法结果与同步进行的人工观察结果作比较。人工与算法的一致率为96.8%；以经裁定确认的标注为参照，算法的灵敏度为92.1%，特异度为98.3%。该研究测量的是系统检测符合分配器使用特征的动作的能力，而非评估手部清洁是否彻底。研究没有计算总体手部卫生依从率，也没有证明系统能够减少医院获得性感染。作者将其描述为在单个病区开展的概念验证，能否推广至其他场景尚不确定。(academic.oup.com)

日常生活方面的研究包括戴维·薛与李飞飞、米尔斯坦等合作者于2018年发表的研讨会论文《面向老年照护的视觉步态分析》。其处理流程先从视频中识别行走片段，再估计骨骼关节位置，并通过分析双脚间距的变化来检测步数、计算步态指标。测试既使用了公开的 UTKinect-Action3D 数据集，也使用了合作养老照护机构录制的视频。在 UTKinect 数据集的行走序列中，系统有85%的序列能够正确计步；在养老照护机构的录像中，落脚时刻的平均误差为0.125秒。这些结果衡量的是技术性能，并不能证明该系统能够诊断神经系统疾病或改善患者结局。(arxiv.org)

妮科尔·马丁内斯-马丁牵头的一篇合作论文于2020年12月在线发表于《柳叶刀数字健康》，李飞飞和米尔斯坦也是作者。论文明确讨论了数据隐私、知情同意和数据治理问题。论文区分了系统部署期间的自动化分析与开发阶段的处理，后者可能需要人工标注员查看录制资料。论文讨论了访问限制、加密、数据保留期限、二次使用，以及仍然存在的重新识别身份风险。作者认为，在讨论知情同意时，必须区分为研究而进行的记录与实时临床监测：存储的传感器数据未必会得到及时查看，也未必能对患者出现的问题发出警报。伦理审查还取决于项目的分类；手部卫生研究报告称，该研究经过斯坦福大学机构审查委员会评估，被认定为不涉及人类受试者的研究。(rcastoragev2.blob.core.windows.net)

产业界研究与 World Labs

2017 年至 2018 年，李飞飞担任谷歌副总裁兼谷歌云人工智能与机器学习首席科学家。这是她在斯坦福大学休假期间担任的产业界领导职务，而非大学研究职位。她的职责包括通过云计算为商业用户开发人工智能能力。2018 年 9 月 10 日，谷歌宣布，她将重返斯坦福大学任教，并担任谷歌云人工智能与机器学习顾问；安德鲁·摩尔则将于当年年底加入，领导谷歌云人工智能业务。(profiles.stanford.edu)

Cloud AutoML 是她任职期间产品开发工作中的一个具体实例。在 2018 年 7 月 24 日发布的公告中，李飞飞介绍了 AutoML Vision 的公开测试版，以及面向自然语言和翻译的新 AutoML 产品。AutoML Vision 让客户能够根据自身业务所需的类别调整图像识别能力，为直接使用固定的预训练服务与从零构建定制模型之间提供了一种折中方案。这些产品是谷歌云团队的成果，不能归为李飞飞个人的研究贡献；其公开目标是让缺乏大量专业人才的组织也能使用定制化机器学习。(cloud.google.com)

2024 年，李飞飞与贾斯廷·约翰逊、本·米尔登霍尔和克里斯托夫·拉斯纳共同创立了 World Labs。公司的成立公告将四人均列为联合创始人，汇集了计算机视觉、机器学习和计算机图形学领域的专长；斯坦福大学的人物简介也将李飞飞列为该公司的联合创始人兼首席执行官。World Labs 将其拟开展的研究方向称为“大型世界模型”，即旨在感知、生成三维环境并与之交互的系统。因此，公司创立时确立的计划是一项全公司范围的研究与工程工作，而非将李飞飞的大学实验室冠以商业名称后继续运作。(radical.vc)

该公司用“空间智能”来描述对跨越时间与空间的物体、地点及交互进行建模的能力。其公开愿景不止于生成看似合理的图像，还要表征视角可以变化、行动会带来后果的环境。2024 年 12 月 2 日，World Labs 发布了“Generating Worlds”（生成世界），介绍了在构建具有持久性、可供漫游的三维场景方面取得的初步进展，用户可以在浏览器中探索这些场景。对持久性和漫游能力的强调，使这次演示预期呈现的结果有别于单张生成图像：场景被呈现为可供探索的空间，而不仅仅是供人观看的固定画面。公告将其定位为初步进展，而非已经完成、可用于通用物理推理的系统。(worldlabs.ai)

2025 年 11 月 12 日，World Labs 正式开放 Marble。根据发布文档，这一世界模型能够根据文本、图像、视频或粗略的三维布局生成环境，并支持对生成的世界进行编辑、扩展和组合。输出结果可导出为高斯泼溅、网格或视频。其实验性界面 Chisel 将结构控制与视觉风格设计分开：用户先排列简单形状或导入素材来确立布局，再提供文本以引导外观生成。这些文档中记载的功能涉及空间内容的创建和操作。公司提出的更广泛应用，包括机器人、设计和视觉特效制作，属于愿景与应用方向，并不等于已有证据表明，所发布的系统能够可靠地模拟物理动力学或控制机器人。(worldlabs.ai)

以人为本的人工智能机构与公共政策

李飞飞与哲学家、斯坦福大学前教务长约翰·埃切门迪共同筹建了斯坦福大学以人为本人工智能研究院（HAI）。在2019年3月对研究院缘起的回顾中，两人将合作的起点追溯至2016年夏季的一次交谈，话题是如何将人文与社会科学视角融入技术发展。2017年，李飞飞邀请计算机科学家詹姆斯·兰代和克里斯托弗·曼宁参与拟订方案，并邀请卸任教务长的埃切门迪担任共同院长。该倡议于2018年10月对外公布，研究院于2019年3月18日在斯坦福大学正式成立。(hai.stanford.edu)

HAI自成立之初就是一个全校性的机构，而非专攻某一技术领域的实验室。成立公告列出了来自斯坦福大学当时七个学院的200名参与教师，推动计算与工程领域同人文学科、社会科学、医学、法学、商学及教育学开展合作。其运作方式包括提供跨学科研究资助、设立研究员项目、招聘教师，以及召集学术研究人员、产业界、政府和公民社会共同参与的会议。截至正式成立时，研究院已支持约55个跨学科研究团队，涉及难民安置、重症监护服务，以及自动驾驶汽车对治理和基础设施的影响等项目。这些活动是HAI推进其机构使命的途径，并不意味着人工智能已经实现了该研究院所追求的社会效益。(news.stanford.edu)

李飞飞和埃切门迪为其以人为本的人工智能路径阐明了三项原则：研究并预判人工智能对人的影响；开发增强而非取代人类能力的应用；探索更具人类般细腻性与多面性的机器智能。他们的方案将社会研究视为技术开发的投入要素，而非仅仅是在技术部署后进行的评估。人文与社会科学将帮助识别技术带来的影响；经济学和教育学将为应对措施提供依据；法律、政策与伦理学则将为治理作出贡献。这些原则体现了创始人的研究方向与机构议程，而非对负责任人工智能的普遍公认定义。(hai.stanford.edu)

李飞飞在联邦层面的公共服务工作包括担任国家人工智能研究资源工作组成员。白宫科学技术政策办公室与美国国家科学基金会于2021年6月10日宣布成立该工作组，负责制定路线图，扩大人工智能研究资源和教育工具的可及范围。2023年9月14日，她出席参议院国土安全和政府事务委员会举行的“通过购置与采购治理人工智能”听证会并作证。她在书面证词中主张，在真实条件下评估政府所购系统的准确性、公平性和可靠性；要求供应商披露有关数据收集、标注、风险及缓解措施的信息；并增加对人工智能研究的公共投入。证词明确指出，她以个人身份发言，并不代表其所属机构。(hai.stanford.edu)

2023年，李飞飞还获任联合国秘书长安东尼奥·古特雷斯科学咨询委员会的七名外部学者之一。该委员会的职责不限于人工智能：其设立目的是就科学技术发展及其与伦理、治理和可持续发展的关系提供独立建议。委员会成员除外部学者外，还包括联合国各组织的高级科学代表、秘书长技术特使及联合国大学校长，并由一个更广泛的科学机构网络提供支持。李飞飞的任命使她成为这一科学政策咨询机制的一员，而非承担政府间谈判或监管职责。(india.un.org)

AI4ALL与人工智能教育机会的拓展

李飞飞在人工智能教育推广方面的工作，始于2015年与奥尔加·鲁萨科夫斯基及斯坦福大学大学预科教育项目执行主任里克·索默共同创办的斯坦福人工智能实验室暑期拓展项目（SAILORS）。这一项目是AI4ALL的前身，最初面向即将升入十年级的高中女生。首届项目从213名申请者中选出24名学生，在斯坦福大学参加为期两周、免费且不提供住宿的活动。教师和研究生志愿者带领参与者接触科研，并为她们提供与导师及同样对人工智能感兴趣的同龄人交流的机会。(spcs.stanford.edu)

AI4ALL于2017年正式成立为非营利组织，而非成立于斯坦福试点项目启动的那一年。根据该组织的发展史，拉布·戈维尔是创始董事会成员，梅琳达·弗伦奇·盖茨及其Pivotal Ventures机构，以及黄仁勋和妻子洛丽·黄，是早期资金支持者。泰丝·波斯纳出任创始首席执行官，任期为2017年至2021年。这些角色分别对应创始人的教育倡议、董事会治理、慈善资助和日常运营管理。李飞飞随后担任董事会主席；在2021年10月的一份公告中，她肯定了波斯纳在引领组织战略方向和发展方面的贡献。(ai-4-all.org)

这一教育模式将技术教学、有人指导的项目实践、导师辅导，以及对人工智能社会应用的讨论结合起来。在2016年的斯坦福项目中，上午安排讲座和辅导课，其他时段则提供导师交流、与工程领域女性从业者见面的机会，以及研究活动。学生项目探索了用于救灾的自然语言处理、用于医院安全的计算机视觉、分析癌症基因组数据的机器学习方法，以及自动驾驶。这些都是教学项目，并非展示已经成熟的医疗或交通技术能力。项目结束时，学生会展示自己的成果。这种安排将计算方法与具体问题联系起来，同时让参与者有机会接触研究人员和职业榜样。(news.stanford.edu)

随着项目扩展，其目标受众不再局限于斯坦福项目最初关注的女生群体。AI4ALL的发展史记载，其暑期项目服务于长期以来在人工智能领域代表性不足的群体，包括黑人、西班牙裔及拉丁裔学生、原住民学生、女性，以及经认定有经济资助需求的高中生。2017年，加利福尼亚大学伯克利分校开设了类似项目。据该组织记录，其高校暑期项目合作伙伴从2015年的1所增加到2022年的16所；这些数字描述的是当时的合作网络，而非当前的合作伙伴总数。AI4ALL还于2019年推出“开放学习”（Open Learning）项目，为不同学科的高中教师提供免费、可灵活调整的课程和资源；2020年又推出“大学成长路径”（College Pathways）项目，将工作范围拓展至本科生。(ai-4-all.org)

该项目宣示的目标——扩大参与、增强信心和培养未来的人工智能领军人才——应与已经得到证实的教育成效区分开来。李飞飞与斯坦福项目组织者共同撰写的一篇2016年论文报告称，试点项目结束后，问卷调查所衡量的技术知识、职业兴趣和信心水平均有统计学意义上的提升。不过，这项评估由组织者撰写，研究对象也是一个经过筛选的小规模群体，因此不能视为独立证据，证明整个领域的参与状况发生了长期变化。AI4ALL的2019年年度报告介绍了更广泛的评估工作，包括项目前后问卷和校友跟踪调查，追踪内容涉及技术接触经历、学习动机、导师指导、后续学业及就业情况。这些指标记录了参与者的经历和发展轨迹，但并不能证明他们后来的教育或职业选择仅由这些项目促成。(cs.stanford.edu)

学术出版、回忆录与专业荣誉

李飞飞以“L. Fei-Fei”的署名发表学术成果，斯坦福大学的个人简介中明确说明了这一署名惯例。她发表的文献包括合作研究论文、数据集与基准测试介绍，以及跨学科综述。早期成果包括与罗布·弗格斯和彼得罗·佩罗纳合著、于2003年国际计算机视觉大会（ICCV）发表的《物体类别无监督单样本学习的贝叶斯方法》，以及与佩罗纳合著、于2005年计算机视觉与模式识别会议（CVPR）发表的《学习自然场景类别的贝叶斯层次模型》。这些论文体现了她早期计算机视觉研究中两个不同的方向：从少量样本中学习物体类别，以及对整体场景的类别进行建模。(profiles.stanford.edu)

从部分代表性论文中，还可以区分出研究基础设施建设与识别、生成方法研究之间的差别。邓嘉、董伟、理查德·索彻、李佳、李凯和李飞飞合著的《ImageNet：大规模层次化图像数据库》（CVPR，2009年），记录了合作构建ImageNet的过程。她与安德烈·卡帕西合著的《用于生成图像描述的深度视觉—语义对齐》（CVPR，2015年），将图像区域与语言联系起来，并利用这些对应关系生成描述。她与贾斯廷·约翰逊和阿格里姆·古普塔合著的《从场景图生成图像》（CVPR，2018年），则研究如何根据物体及其关系的结构化表示生成图像。这些论文分别涉及共享数据资源、多模态学习和条件图像生成，并非同一项贡献的不同版本，不能混为一谈。(cs.stanford.edu)

她的回忆录《我看见的世界：人工智能黎明时分的好奇、探索与发现》于2023年11月7日由熨斗出版社旗下的A Moment of Lift Books出版品牌推出。全书336页，将她对移民经历、家庭责任和科学教育的叙述，与对人工智能发展的阐释结合在一起。开篇将她准备出席国会作证的情景，与她对移民童年及照顾父母责任的回忆并置。这些场景呈现了李飞飞对自身经历和动机的回顾，属于自传性陈述，有别于外部记录所载的出版日期、机构任职及其他按时间排列的事实。因此，这本书既是个人叙事，也是一位参与者对人工智能研究的记述，而非技术专著，也不是由独立作者撰写的领域史。(us.macmillan.com)

2020年，李飞飞因在支持机器学习和视觉理解的大型知识库方面的贡献，当选美国国家工程院院士。同年，她当选美国国家医学院院士；该院的表彰说明肯定了她在基于视觉的人工智能方面的工作，包括识别临床医务人员和患者行为的研究。2021年，她当选美国艺术与科学院院士。这些荣誉来自三个机构各自独立的遴选，并非同一奖项的连续阶段。(nae.edu)

2025年伊丽莎白女王工程奖表彰了现代机器学习领域的成就，由七位获奖者共同获得：约书亚·本吉奥、杰弗里·辛顿、约翰·霍普菲尔德、扬·勒昆、黄仁勋、比尔·达利和李飞飞。奖项主办方区分了他们相互补充的贡献：神经网络的基础与方法、计算硬件，以及用于训练和评估的数据集。其介绍特别指出，李飞飞获奖与高质量数据集及ImageNet有关。因此，该奖表彰的是一组相互关联的工程贡献；它既不是仅颁给李飞飞个人的奖项，也没有将现代机器学习的全部进展归功于任何一位获奖者。(qeprize.org)

参考来源

1. Li Fei-Fei: Biography; Vision; Princetoncs.stanford.edu
2. The Godmother of AIalumni.princeton.edu
3. At Alumni Day, Princeton honors computer scientist Fei-Fei Li ’99 and ornithologist John Fitzpatrick *78alumni.princeton.edu
4. Li Fei-Fei: Resume; Vision; Princetoncs.stanford.edu
5. Fei-Fei Li's Profile | Stanford Profilesprofiles.stanford.edu
6. Visual Recognition: Computational Models and Human Psychophysics — CaltechTHESISthesis.caltech.edu
7. Fei-Fei Li: Curriculum Vitaecap.stanford.edu
8. Fei-Fei Li | FSIfsi.stanford.edu
9. About – Stanford Artificial Intelligence Laboratoryai.stanford.edu
10. Research Groups – Stanford Artificial Intelligence Laboratoryai.stanford.edu
11. Stanford University CS231n: Convolutional Neural Networks for Visual Recognitioncs231n.stanford.edu
12. Connecting Images and Natural Languagecs.stanford.edu
13. Andrej Karpathy Academic Websiteai.stanford.edu
14. A Survival Guide to a PhDkarpathy.github.io
15. A Bayesian Approach to Unsupervised One-Shot Learning of Object Categoriescs.stanford.edu
16. Publicationsrobots.ox.ac.uk
17. A Bayesian Hierarchical Model for Learning Natural Scene Categoriescs.stanford.edu
18. Rapid natural scene categorization in the near absence of attentionallpsych.uni-giessen.de
19. ImageNet: A Large-Scale Hierarchical Image Databaseimage-net.org
20. ImageNet Large Scale Visual Recognition Challengearxiv.org
21. ImageNet Classification with Deep Convolutional Neural Networkspapers.nips.cc
22. Towards Fairer Datasets: Filtering and Balancing the Distribution of the People Subtree in the ImageNet Hierarchyarxiv.org
23. ImageNetimage-net.org
24. Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotationslink.springer.com
25. Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotationsarxiv.org
26. Deep Visual-Semantic Alignments for Generating Image Descriptionsarxiv.org
27. Deep Visual-Semantic Alignments for Generating Image Descriptionscv-foundation.org
28. Image Generation From Scene Graphsopenaccess.thecvf.com
29. Image Generation From Scene Graphsopenaccess.thecvf.com
30. iGibson 1.0: a Simulation Environment for Interactive Tasks in Large Realistic Scenesarxiv.org
31. iGibson 2.0: Object-Centric Simulation for Robot Learning of Everyday Household Tasksarxiv.org
32. Computer Visionmed.stanford.edu
33. Illuminating the dark spaces of healthcare with ambient intelligencenature.com
34. Vision-Based Gait Analysis for Senior Carearxiv.org
35. Ethical issues in using ambient intelligence in health-care settingsrcastoragev2.blob.core.windows.net
36. Ethical issues in using ambient intelligence in health-care settings — PubMedpubmed.ncbi.nlm.nih.gov
37. Google Cloud AI: Andrew Moore joining Google Cloud; Fei-Fei Li becoming advisorcloud.google.com
38. Empowering businesses and developers to do more with AIcloud.google.com
39. Introducing World Labsradical.vc
40. About | World Labsworldlabs.ai
41. Generating Worlds | World Labsworldlabs.ai
42. Marble: A Multimodal World Model | World Labsworldlabs.ai
43. Opening the Gatehai.stanford.edu
44. Introducing Stanford's Human-Centered AI Initiativehai.stanford.edu
45. HAI Co-Director Fei-Fei Li named to National Artificial Intelligence Research Resource Task Forcehai.stanford.edu
46. Governing AI Through Acquisition and Procurementhsgac.senate.gov
47. Governing AI Through Acquisition and Procurementhai.stanford.edu
48. Fei Fei Li's Testimony before the Senate Committee on Homeland Security and Governmental Affairshai.stanford.edu
49. UN Secretary-General Creates Scientific Advisory Board for Independent Advice on Breakthroughs in Science and Technologyindia.un.org
50. Artificial intelligence camp bridges STEM gender gapspcs.stanford.edu
51. Towards More Gender Diversity in CS through an Artificial Intelligence Summer Program for High School Girlscs.stanford.edu
52. Our Story - AI4ALLai-4-all.org
53. Tess Posner - AI4ALLai-4-all.org
54. Singing A New Song - AI4ALLai-4-all.org
55. 2019 ANNUAL REPORTai-4-all.org
56. Stanford Computer Vision Lab: Publicationscs.stanford.edu
57. ImageNet: A Large-Scale Hierarchical Image Databasecs.stanford.edu
58. Deep Visual-Semantic Alignments for Generating Image Descriptionscs.stanford.edu
59. Image Generation from Scene Graphsarxiv.org
60. National Academy of Engineering: Class of 2020 Membersnae.edu
61. Five professors elected to National Academy of Medicinecontent.medweb.stanford.edu
62. Modern Machine Learning | Queen Elizabeth Prize for Engineeringqeprize.org