AI 教母李飛飛：ImageNet 不是天才的發明，是站在巨人肩上的集體成果

本文整理自 Tim Ferriss Show 2025 年 12 月播出的訪談。

現代 AI 的起點：三要素的匯流

2012 年是現代 AI 的分水嶺。那一年，一篇名為「ImageNet Classification with Deep Convolutional Neural Networks」的論文，展示了三個要素匯流後的驚人成果：

1. 大規模資料集（ImageNet）
2. 快速平行運算（GPU）
3. 神經網路演算法

這個組合在影像辨識領域達到了前所未有的表現，被許多人稱為「現代 AI 的誕生」。而李飛飛創建的 ImageNet，正是這三要素中的關鍵之一。

大數據假說的誕生

ImageNet 於 2007 至 2009 年間建立，當時李飛飛是普林斯頓大學的助理教授。這個資料集包含 1500 萬張經過人工標註的高品質影像，是當時 AI 領域最大的視覺訓練資料集。

但李飛飛強調，ImageNet 的成功不只是「量大」這麼簡單。

「很多人誤解 ImageNet 的意義，以為只是收集很多資料，」她說。「每個資料集背後都有一個科學假說——你要問對問題。」

例如，要訓練機器「看懂」世界，你可以建立一個辨識 RGB 色彩的資料集，也可以建立一個以「物件」為核心的資料集。表面上都是視覺任務，但科學意義完全不同。ImageNet 選擇以「視覺物件分類」作為核心假說，這個選擇本身就是成功的關鍵。

絕望中誕生的解決方案

確立假說後，李飛飛面臨一個棘手問題：要從數十億張網路圖片中篩選出高品質的訓練資料，需要大量人力標註。

「我試過雇用普林斯頓大學生，」她笑說，「但你知道的，他們對自己時間的估價很高。」

即使有足夠預算，用傳統方式標註也需要花費數年時間。在幾乎絕望的情況下，她發現了剛成立一年多的 Amazon Mechanical Turk——一個讓全球使用者完成微型任務賺取報酬的線上平台。

「我第一次登入時，試做的任務是辨識酒瓶標籤，」她回憶。「那時我意識到，這是一個大規模平行處理的機會——用全球人口的力量來完成標註。」

品質控制：比收集資料更難的事

但眾包標註有個致命問題：如何確保品質？

如果付錢請人標註「熊貓」，什麼能阻止他們在每張圖都標上熊貓，不管圖片裡有沒有？

李飛飛和學生花了無數小時設計品質控制機制：

• 入門測驗：先確認標註者理解任務要求
• 隱藏標準答案：在任務中混入已知正確答案的圖片，隱性監控標註品質
• 多重驗證：同一張圖片由多人標註，交叉比對結果

這些「運算策略」讓他們從數十億張圖片中，提煉出 1500 萬張符合標準的 ImageNet 影像。

科學不是單一天才的故事

在訪談中，李飛飛反覆強調一件事：科學進步不是單一天才的功勞。

「我不喜歡科學史只聚焦在少數天才身上，」她說。「我們都知道牛頓發現了現代物理定律，但科學是一條傳承的脈絡，而且是非線性的。」

她以自己為例。為什麼她會想到「大數據」這個假說？因為她讀了心理學家 Irv Biederman 的論文，研究幼兒如何在早期學會辨識大量視覺物件。這篇論文本身不是 AI 研究，但啟發了 ImageNet 的假說。

「即使是我最崇拜的愛因斯坦，他的狹義相對論也是建立在洛倫茲變換之上。科學永遠是站在巨人肩上。」

這也是她寫書《The Worlds I See》的原因之一——她想呈現 AI 發展史中那些「無名英雄」：跨世代、跨學科的科學家們，用畢生心血交織出今天的成果。

我的觀察

聽完這集訪談，我一直在想李飛飛說的「科學是非線性的傳承」這句話。

我們這個行業太習慣天才敘事了。每次有新突破，標題一定是「某某天才又做出驚人成果」。這種故事好寫、好讀、好傳播，但它製造了一個錯覺：創新是靈光一閃的事。

李飛飛自己就是被貼上「AI 教母」標籤的人，但她花了很大篇幅在講那些啟發她的心理學家、認知科學家——很多人的名字我從沒聽過。她說得很直接：沒有 Irv Biederman 研究幼兒如何學習辨識物件，就不會有 ImageNet 的假說。這不是客套話，是她真心相信的事。

另一個讓我印象深刻的是 Mechanical Turk 的故事。那不是什麼深思熟慮的策略選擇，而是走投無路之下的絕望之舉。普林斯頓大學生太貴、傳統方式太慢，眼看計畫要卡死了，她偶然發現這個剛成立一年的線上平台，才找到出路。

很多時候我們回顧歷史，會把偶然說成必然，把絕望說成遠見。但真實的創新往往沒那麼光鮮。李飛飛願意講這些「不體面」的細節，反而讓我覺得更真實，也更有參考價值——做事的人都知道，很多好東西是被逼出來的。