广播里听到对华裔科学家李飞飞博士的采访，她2023年出版了一本半自传书 - The Worlds I see。我找来读了，是本值得一读的好书。李飞飞1978年出生于北京，但她和父母，外公外婆一直在成都生活。她15岁随妈妈来美国，跟五年前来美的爸爸团聚。全家挤住新泽西郊区一室一厅的出租房。她进一所公校读中学，她小时候就对物理和数学有兴趣，一边克服语言关，一边勤奋学习。拿到Princeton全奖，本科读物理。大学毕业后她对computer science和neuroscience都有兴趣，选择了Caltech做两个方向结合的研究, 获得博士学位。她在University of Illinois Urbana-Champaign和Princeton短暂任教后去了Stanford。
对她影响最大的两个人，一个是她妈妈。她大学毕业找花街的工作很容易，读博的时候拿到McKinsey很好的offer。两次她跟妈妈说起要赚钱养家，妈妈阻止了她，说她的梦想就是她们全家的梦想，They didn't come this far for her to give up. 她妈妈心脏不好，做过多次手术。她工作以后一直和父母一起生活。第二个人是她高中的数学老师，放学后到老师办公室做作业，提问聊天。良师变成了益友。她毕业后和老师一家也一直联系。她父母四处借钱买干洗店，钱不够。老师借两万给她们凑齐。可惜老师因病英年早逝。
她有自己的试验室后做的第一个项目是ImageNet. 她从字典的名词开始，分出22000个categories,每个category找到1000张照片,apply label. 她的想法是machine learning和human learning相似，machine看过这么多照片之后，可以学会辨别照片里的object。她开设了一个竞赛，提供1000个category的data for training machine, 做computer vision研究的团队可以比一下机器识别的准确度。竞赛第三年，University of Toronto的AlexNet准确度直接提高了10个百分点。AlexNet用两个Nvidia芯片，24小时连续运作一星期来训练机器, 刚开始机器每个标签都是错的，蘑菇说成瓶盖，拖车成了电子吉他，但错误"trigger corrective signals", "do less of whatever failed, and more of whatever didn't." 1.4 million rounds以后准确度提高到85%。成功来自combination of hardware (Nvidia chip), software (AlexNet algorism) and data (ImageNet pictures). 李飞飞现在的研究侧重点是Human Centered Artificial Intelligence.
广播里听到对华裔科学家李飞飞博士的采访，她2023年出版了一本半自传书 - The Worlds I see。我找来读了，是本值得一读的好书。李飞飞1978年出生于北京，但她和父母，外公外婆一直在成都生活。她15岁随妈妈来美国，跟五年前来美的爸爸团聚。全家挤住新泽西郊区一室一厅的出租房。她进一所公校读中学，她小时候就对物理和数学有兴趣，一边克服语言关，一边勤奋学习。拿到Princeton全奖，本科读物理。大学毕业后她对computer science和neuroscience都有兴趣，选择了Caltech做两个方向结合的研究, 获得博士学位。她在University of Illinois Urbana-Champaign和Princeton短暂任教后去了Stanford。
对她影响最大的两个人，一个是她妈妈。她大学毕业找花街的工作很容易，读博的时候拿到McKinsey很好的offer。两次她跟妈妈说起要赚钱养家，妈妈阻止了她，说她的梦想就是她们全家的梦想，They didn't come this far for her to give up. 她妈妈心脏不好，做过多次手术。她工作以后一直和父母一起生活。第二个人是她高中的数学老师，放学后到老师办公室做作业，提问聊天。良师变成了益友。她毕业后和老师一家也一直联系。她父母四处借钱买干洗店，钱不够。老师借两万给她们凑齐。可惜老师因病英年早逝。
她有自己的试验室后做的第一个项目是ImageNet. 她从字典的名词开始，分出22000个categories,每个category找到1000张照片,apply label. 她的想法是machine learning和human learning相似，machine看过这么多照片之后，可以学会辨别照片里的object。她开设了一个竞赛，提供1000个category的data for training machine, 做computer vision研究的团队可以比一下机器识别的准确度。竞赛第三年，University of Toronto的AlexNet准确度直接提高了10个百分点。AlexNet用两个Nvidia芯片，24小时连续运作一星期来训练机器, 刚开始机器每个标签都是错的，蘑菇说成瓶盖，拖车成了电子吉他，但错误"trigger corrective signals", "do less of whatever failed, and more of whatever didn't." 1.4 million rounds以后准确度提高到85%。成功来自combination of hardware (Nvidia chip), software (AlexNet algorism) and data (ImageNet pictures). 李飞飞现在的研究侧重点是Human Centered Artificial Intelligence.
NVDA网站About Us上有一个A Timeline of Innovations. 记录了公司1993年成立以来的六个里程碑。2012年是这么写的：
AISparks the era of modern AI by powering the breakthrough AlexNet neural network
过去是在草堆里找一根针，现在是找一个草堆的针。
这是个模式转变，大公司口袋深。看好今年继续outperform 。
觉得她的名声大于她的成就。当然了，她的成就也不小。
运气也好。她对AI的影响很大，应该是大于她的实际学术成就。没有她领导的ImageNet，AI的发展也许会晚好几年。
九十年代做AI好多混不下去. 没想到.
cloud sourcing 找了很多人把照片标上签。竞赛前两年参赛的用的都是传统算法，参加的人也少下去了。如果没有第三年的突破的话，可能她的工作就找不到实用价值了。
我们需要有內行的人做这件事。