李飛飛 (Fei-Fei Li)：AI 的北極星
介紹 AI 教母李飛飛。她用 ImageNet 點亮了電腦視覺的寒冬，現在則帶領 Stanford HAI，確保 AI 永遠不會偏離「以人為本」的航道。
WRITTEN BY
- Name
- Harry Chang
在 AI 發展的星圖中，如果說 AlphaGo 是最耀眼的流星，那麼 李飛飛 (Fei-Fei Li) 就是那顆恆久指引方向的 「北極星 (North Star)」。
她是史丹佛大學以人為本 AI 研究院 (HAI) 的院長，也是讓電腦學會「看」世界的關鍵人物。在那個比起數據更重視演算法的年代，她獨排眾議，認為 「數據」 才是解開智慧之鎖的鑰匙。她的遠見 (ImageNet) 直接催生了現代的深度學習革命。
為什麼你需要認識李飛飛？
當大多數 AI 科學家在追求「更強、更快、更聰明」的模型時，李飛飛在問一個更本質的問題：「這對人類有什麼好處？」
她代表了 AI 發展中那一股溫柔而堅定的力量。她提醒我們，科技發展不應該是一場軍備競賽，而應該是一場關於福祉的探索。如果你是教育者、政策制定者，或是關心 AI 倫理的普通人，李飛飛的 「以人為本 (Human-Centered AI)」 哲學將是你最好的導航。
核心哲學：以人為本的 AI (Human-Centered AI)
李飛飛的核心理念很簡單：AI 是由人創造、為了人而創造、且必須造福於人。
1. 數據即視野 (Data is Vision)
在 2007 年，大家都在鑽研更好的演算法時，她卻發現問題出在「書讀得不夠多」。如果小孩是透過看世界來學習，那電腦也需要「看」到足夠多的圖片。這種 「大數據驅動 (Data-Centric)」 的思維，後來成為了所有現代 AI 的基礎。
2. 跨領域的智慧
她認為 AI 不能只留給電腦科學家玩。真正的智慧涉及心理學、腦科學、倫理學。史丹佛 HAI 的成立，就是為了把社會學家、哲學家拉進來，一起定義 AI 的未來。
經典語錄 (Classic Quotes)
"If we want machines to think, we need to teach them to see."
「如果我們想讓機器學會思考，我們得先教會它們『看』。」
(解讀：視覺是智慧的入口，這是她創立 ImageNet 的初衷。)
"AI is not artificial. It’s made by humans, intended to behave like humans, and affects humans."
「AI 並不『人工』。它是由人製造、試圖模仿人、並最終影響人類的產物。」
(解讀：打破「人工 vs 自然」的二元對立，強調人的責任。)
影響力與案例
1. ImageNet：AI 的寒武紀大爆發
很多人常誤以為 ImageNet 是一個 AI 模型，其實它是一座 「數據金礦」 與一場 「傳奇比賽」：
- 它不是模型 (Not a Model)：ImageNet 本身並不具備智慧，它是用來訓練和測試智慧的「試卷」。
- 它是數據庫 (Dataset)：2009 年發布時，包含了超過 1400 萬張已經標註好的圖片，涵蓋 22,000 個類別。這是李飛飛動員全球 167 個國家、5 萬名眾包工作者（Amazon Mechanical Turk），花了兩年半才完成的壯舉。
- 它是比賽 (Competition)：為了證明數據的力量，她創辦了 ILSVRC (ImageNet Challenge) 比賽。正是 2012 年的這場比賽，讓 Geoffrey Hinton 的團隊 (AlexNet) 橫空出世，將錯誤率從 26% 驟降至 15.3%，一舉證明了深度學習的潛力。
可以说，沒有 ImageNet，就沒有今天的深度學習盛世。 它將 AI 的典範從「Model-Centric (以模型為中心)」轉移到了「Data-Centric (以數據為中心)」。
2. 下一個前沿：空間智慧 (Spatial Intelligence)
李飛飛認為，AI 的下一步不是更強的語言模型，而是具備 「空間智慧」。她創辦了估值超過 10 億美金的新創公司 World Labs，致力於開發能理解 3D 物理世界的 AI。
從 LLM 到 LWM (Large World Models)： 目前的 AI (如 GPT) 擅長處理文字 (Language)，但不懂物理定律。World Labs 正在打造 LWM (大型世界模型)，這種模型不僅能生成靜態圖片，還能理解物體的 3D 結構、深度、光影以及物理互動（例如：知道杯子掉到地上會碎，而不是變成一隻貓）。
首款產品「Marble」： 2025 年，World Labs 推出了首款產品 Marble。這是一個生成式世界模型，使用者只要輸入一段文字或一張圖片，它就能生成一個完整、可互動、且物理正確的 3D 世界。這不僅是為了做遊戲或元宇宙，更是為了讓機器人能在虛擬環境中透過模擬 (Simulation) 學習，最後將技能遷移到真實世界。
如果說 ImageNet 教會了電腦「看」，那麼空間智慧就是教會電腦「行動 (Act)」與「生存」。
實用建議
步驟 1：關注「好數據」勝過「新模型」
ImageNet 的成功告訴我們，數據的品質決定了 AI 的上限。
Action: 在你的工作中，花時間去整理、清洗、標註你的數據資產。這比追逐最新的模型更具長期價值。
步驟 2：保持「跨界」的好奇心
李飛飛原本想當物理學家，後來研究心理學，最後才進入 CS(computer science)。
Action: 不要把自己侷限在單一學科。去了解神經科學、去讀哲學。AI 的下一個突破口，往往藏在學科的交界處。
步驟 3：記得「人」在迴圈中 (Human-in-the-loop)
不管自動化多方便，永遠要問：人的位置在哪裡？
Action: 在導入任何 AI 工具時，確保它是在增強 (Augment) 人的能力，而不是單純的替代 (Replace)。
我的反思
李飛飛最讓我感動的，是她即使站在技術頂峰，依然保持著對「人」的關懷。她就像一位守護者，確保這輛疾駛的 AI 列車，不會因為追求速度而忘了車上乘客的安全與尊嚴。
參考資料 (References)
相關影片
這是李飛飛著名的 TED 演講，她講述了 ImageNet 的誕生故事，以及她對電腦視覺未來的願景。
書籍推薦
- The Worlds I See (視界): 李飛飛的親筆自傳。講述了她如何從一個剛移民美國、在乾洗店幫忙的華裔女孩，一步步成為 AI 界頂尖科學家的感人故事。
參考來源
- Stanford HAI: 史丹佛以人為本 AI 研究院官網。
- World Labs: 李飛飛新創辦的空間智慧公司。