“AI沒有國界，AI的福祉也沒有國界。”在12月中旬上海的一個演講中，李飛飛這樣說。

她自己就是那個技術(shù)和知識沒有國界最好的證明——出生于中國，16歲和父母移民到美國，全家人靠洗盤子、開干洗店生存下來，憑借強大的驅(qū)動力，她在普林斯頓、加州理工這些學(xué)校里完成了世界最好的科學(xué)訓(xùn)練。

之后，她一頭扎進(jìn)了人工智能的研究中。

整個人工智能研究領(lǐng)域，尤其是計算機視覺研究，因為她的貢獻(xiàn)而變得不同。2016年，美國最古老的基金會——卡內(nèi)基基金會，提名她為當(dāng)年的杰出移民。

但她在學(xué)科上做的貢獻(xiàn)、她培養(yǎng)的門徒從來沒有限制在美國境內(nèi)?，F(xiàn)在，她又作為谷歌的一員回到中國，領(lǐng)導(dǎo)這家公司在中國的人工智能研究中心。

知識和技術(shù)總是流動的，不會因為行政命令或者是特朗普簽證關(guān)卡而停止流動。

一

李飛飛談及自己的人生，總是從16歲談起，她說那年她和父母移民到了美國。

她1976年出生在北京，16歲那年是1992年。

那大概是中美經(jīng)濟(jì)生活之間還存在巨大差距的最后一個時代，從中國移民到美國往往要付出巨大的代價。李飛飛全家移民到美國兩年后，一部名為《北京人在紐約》的電視劇在國內(nèi)爆紅，描寫的就是這種代價——社會地位的落差，經(jīng)濟(jì)上的困頓等等。

李飛飛受過高等教育的父母來到美國后，也失去了原本在中國的知識分子的工作，父親給人修理照相機，母親則是一名收銀員。

用她自己話來說，全家人處于一種“求生模式”中。李飛飛說，她什么樣的工作都做過，從在中餐館里打工，到給人打掃房子甚至幫人遛狗，但她沒有覺得困難，因為父母也同樣努力工作。

初到美國，全家人住在紐約附近一個叫帕西帕尼（Parsippany）的地方，全家人僅有的一些朋友都是和他們一樣的移民，“大家都很忙，忙著討生活”。

作為一個移民，她必須從零開始學(xué)英語。相比當(dāng)?shù)氐暮⒆?，她渾身散發(fā)著書呆子氣，她說她在學(xué)校也沒有太多的朋友。

“我想要理解很多本質(zhì)的問題，如宇宙的起源，生命的意義等，我想要生命中擁有那種智慧。”她說這是她的驅(qū)動力。

所幸她的數(shù)學(xué)和理科都不錯，她就讀的帕西帕尼高中（Parsippany High School）在新澤西州的高中里排名中等，她畢業(yè)的時候排名第六。

當(dāng)時她申請了一大批學(xué)校，但普林斯頓給了幾乎全獎的獎學(xué)金，她去了普林斯頓。

事實上，她考上普林斯頓就在當(dāng)?shù)刈屓梭@訝了，1995年2月，當(dāng)?shù)氐膱蠹垖ｉT刊載了她的故事，《“美國夢”成真了！》

她最大的欣喜是發(fā)現(xiàn)身邊朋友起了變化，“身邊全是這些學(xué)術(shù)、知性、充滿魅力的人”，她說。

她極少公開提及的是她與《南京大屠殺》的作者張純?nèi)缭谀嵌螘r間成了好友。她在普林斯頓讀書時，曾經(jīng)舉行過一個跟南京大屠殺有關(guān)的活動，當(dāng)時在地區(qū)有不小的影響力，作為學(xué)校里數(shù)量非常非常少的來自中國大陸的學(xué)生，做到這一點并不容易。

在她與知識分子為伍時，她家人的生活還在掙扎當(dāng)中，她決定在帕西帕尼盤下一家干洗店來，讓父母來經(jīng)營。全家人都湊不夠那么多錢，她四處向朋友借錢，甚至從高中數(shù)學(xué)老師那里借到了錢。

多年后回憶起初到美國的困頓生活，她總是提及她的高中老師，“我真的很感謝那些高中老師們，我當(dāng)時什么都不是，就是個移民的小孩”，她回憶說，但這些白人老師愿意幫助她。

她自己說那就是“雙城記”，帕西帕尼和普林斯頓。

周一到周五，她在普林斯頓學(xué)物理，放學(xué)后通過電話參與干洗店的經(jīng)營，周末她就回到帕西帕尼給家里的干洗店幫忙，接待那些來取送衣物干洗的人。“我非常愛普林斯頓，不過也非常愛我的洗衣店，缺少了它們中的任何一件，都沒有現(xiàn)在的我”，她說。

1999年，她從普林斯頓畢業(yè)。作為一個和父母一路艱辛走來的中國移民女兒，這毫無疑問是一個幫助全家人從經(jīng)濟(jì)困境中解脫出來的最佳時刻。

當(dāng)時是美股大牛市，就業(yè)市場一片大好。她受邀去面試了數(shù)家投行和咨詢公司，高盛和麥肯錫都給過她工作offer。如果她就這樣去了華爾街，從此讓全家人過上了富裕的中產(chǎn)生活，也是一個足夠勵志的北京人在紐約的故事了。

她并沒有去華爾街，而是選擇了去西藏研究一年藏藥，“這聽起來很瘋狂”，李飛飛說她自己也知道一般人難以理解她的選擇。

她的父母放棄了北京知識分子生活來到美國，也并不只是為了早日過上美國舒適的生活，他們非常尊重李飛飛的選擇。

從西藏回來后，她選擇繼續(xù)讀博，學(xué)的是人工智能和計算神經(jīng)科學(xué)。這意味著這段時間她還是只有微薄的獎學(xué)金，全家人仍然要承受經(jīng)濟(jì)的不寬裕。

“人生最大的挑戰(zhàn)其實是不辜負(fù)你最大的潛能，又不辜負(fù)你身上的責(zé)任，以及誠實面對你自己內(nèi)心所希望追求的事業(yè)”，2017年，她在接受CNN采訪時這樣說。

在加州理工讀博士期間，李飛飛媽媽得了癌癥，又患了中風(fēng)。

在《北京人在紐約》那部電視劇里，生活里的困苦拍成了40集連續(xù)劇，李飛飛在接受CNN采訪時把這段經(jīng)歷間斷地描述為，”我們經(jīng)歷了很多艱難困苦，然后一起挺過來了。”她說，如果加州理工那段經(jīng)歷發(fā)生在她剛剛來美國那段時間——要面臨全新文化和語言的挑戰(zhàn)，她不認(rèn)為她自己能夠辦得到。

2005年，李飛飛從加州理工獲得了博士學(xué)位。

從1995年到2005年，她接受了世界上最好的科學(xué)教育。

二

從移民生活的困頓中解脫了出來后，李飛飛一頭扎進(jìn)關(guān)于大的問題的研究當(dāng)中——如何讓計算機理解圖片。

計算機如果要越來越廣泛地被人們所使用，就必須習(xí)得認(rèn)知畫面的能力。最簡單的例子是，當(dāng)自動駕駛的汽車前方路面出現(xiàn)了一個障礙物時，計算機需要識別那是個可以輕松碾過去的紙袋子還是個應(yīng)該避開的石頭。

這是認(rèn)知世界最重要的一部分能力。大自然努力了5億4千萬年，人類才進(jìn)化到擁有這個地步。幾十年來，相當(dāng)一部分計算機研究人員都投身于此。

2005年前后，李飛飛剛成為美國伊利諾伊大學(xué)香檳分校的計算機科學(xué)教授。對于計算機的圖片識別問題，她發(fā)現(xiàn)學(xué)術(shù)界和AI工業(yè)界都在朝著一個方向努力：尋找一個更好的算法，這個算法可以提供更好的決策。

但她看到到了這個路徑的局限性——如果這種算法基于的數(shù)據(jù)并不能夠反映真實世界，再好的算法也不會有用。她試圖尋找另一種路徑——構(gòu)建一個更好的數(shù)據(jù)集。

在保持對這個問題的思索中時，李飛飛恰巧接觸到了關(guān)于WordNet的理論，受到了啟發(fā)。

1980年代，普林斯頓大學(xué)物理學(xué)家喬治·米勒啟動了一個項目叫做“WordNet”，目標(biāo)是為英語語言搭建一種邏輯結(jié)構(gòu)——有點像詞典，但不是按照字母排列，而是以邏輯關(guān)系展現(xiàn)，這種邏輯關(guān)系能夠被機器理解和閱讀。

比如，“dog”（狗）這個詞會出現(xiàn)在“canine”（犬）這個詞下，而“canine”（犬）又出現(xiàn)在“mammal”（哺乳動物）這個詞下。以這種方式，WordNet收集了15萬5千多個索引詞匯。

2006年，訪問母校普林斯頓時，李飛飛拜訪了在WordNet領(lǐng)域有影響力的一名學(xué)者Chrinstiane Fellbaum教授。Fellbaum給她出了個主意，建議她給WordNet每個單詞配一張圖片，作為一種邏輯關(guān)系的索引。

幾個月之后，她回到普林斯頓任教，再幾個月后，2007年初，李飛飛啟動了ImageNet項目——遵循了Fellbaum的建議，給每個單詞配以多個圖片，從而構(gòu)建一個龐大的數(shù)據(jù)集。

十年后的2017年，她在接受Quartz 采訪時回憶那段經(jīng)歷，“那時我們決定做一些史無前例的事情，要描繪整個物理世界。”

李飛飛說的“我們”不過是包括她自己在內(nèi)的三個人——她聘請了教授研究員Kai Li，Kai后來又說服了博士研究生Jia Deng加入，而Deng一直和李飛飛一起管理這個項目，一直到2017年這個項目結(jié)束。

“當(dāng)時我清楚地知道這將改變視覺研究領(lǐng)域的游戲規(guī)則，但如何改變，卻不清楚。”Jia Deng對Quartz回憶說。

ImageNet 數(shù)據(jù)集里既包括熊貓、教堂這種具體事物，也包括“愛”這種抽象概念。

他們這個龐大的工程，要從最基礎(chǔ)的工作開始——給WordNet這種邏輯數(shù)據(jù)集添加照片。

李飛飛的第一個想法就是以10美元每小時的價錢雇傭本科生，讓他們以人工的方式尋找照片并添加進(jìn)數(shù)據(jù)集。很快，他們發(fā)現(xiàn)，按照這種速度，大約需要90年才能完成照片收集。

叫停這個方案后，李飛飛和團(tuán)隊重新回到黑板前來討論別的路徑。他們考慮寫一些算法，讓計算機自己從網(wǎng)上找圖片，然后只是人工審核準(zhǔn)確性。又對算法推敲了幾個月，他們發(fā)現(xiàn)這種路徑缺乏持續(xù)性——這種算法只能揀出能夠識別的圖片，而這種識別能力在編程時就限定了的。

李飛飛的目標(biāo)始終是整個世界。

與此同時，李飛飛還面臨的另一個問題是團(tuán)隊已經(jīng)沒有資金了。她四處向聯(lián)邦申請資金，得到的回復(fù)是對方寫在申請書上嚴(yán)厲的批評——為普林斯頓在做這樣的研究而感到羞愧，這個研究唯一的可取之處是這是一個女性主導(dǎo)的研究。

沒有任何一家愿意給他們錢，這個項目眼看陷入絕境。

轉(zhuǎn)機來自于李飛飛和一個研究生偶然間的聊天。那名學(xué)生問李飛飛是否知道亞馬遜的 Mechanical Turk 網(wǎng)站——一個眾包平臺，可以把任務(wù)在這個平臺上分發(fā)出去，雇傭世界各地的人用電腦遠(yuǎn)程完成，費用低廉。

“我真的就是在當(dāng)天對ImageNet重新燃起了信心。”李飛飛說，“突然間就找到了一種可以大規(guī)模完成這個任務(wù)的工具，如果僅僅是靠普林斯頓的本科生，ImageNet將是一個不可能實現(xiàn)的夢。”

即便利用 Mechanical Turk 這種高效的工具，數(shù)據(jù)集最終也花費了兩年半的時間才完成。最終它包含了 320 萬張標(biāo)記的照片，這些照片被劃分為 5247 個種類，劃分為12個子樹，比如“哺乳動物”“機車”和“家具”等。

2009年，李飛飛和團(tuán)隊發(fā)布了ImageNet的論文和數(shù)據(jù)集，但并不是什么破繭而出的時刻，外界幾乎沒有什么反應(yīng)。

當(dāng)時在CVPR——計算機視覺研究的前沿會議上，主辦方都不允許他們上臺做演講，僅僅是批準(zhǔn)他們貼一張海報。沒有辦法，他們只好向與會人員派發(fā)印有Imagenet品牌的鋼筆。

他們所有的努力都是基于這樣一種觀點——更多地數(shù)據(jù)對于算法是有幫助的，但大部分人對這個觀點持懷疑態(tài)度。

Jia Deng對當(dāng)時的遭遇記憶猶新，“很多人都說，如果你連一個物體都算不好，干嘛要收集幾千幾萬個物體的數(shù)據(jù)？”

李飛飛始終是一個有野心的人，她希望更多的人接受她的觀點，“我們意識到如果要更大眾接受這個路徑，那我們要做得更多。”李飛飛說。

在圖片識別研究領(lǐng)域會有一些賽事，大家持自己算法參賽，對同樣的圖片數(shù)據(jù)庫做識別，識別率最高者獲勝。李飛飛聯(lián)系到了當(dāng)時歐洲的一個知名的圖片識別大賽PASCAL VOC，對方同意和她聯(lián)名舉辦比賽。

隨著比賽不斷舉辦，ImageNet的名聲越來越大，成為衡量圖像識別算法性能如何的一個基準(zhǔn)。

隨著比賽舉辦到2011年、2012年，研究者們注意到比賽之外的收獲——他們的算法經(jīng)過使用 ImageNet 數(shù)據(jù)集后表現(xiàn)得更好了。李飛飛向外界證明了他們觀點的正確性——更多的數(shù)據(jù)對于獲得更好的算法是有用的。

Alex Berg，團(tuán)隊的第四名成員后來回憶說，“人們驚訝地發(fā)現(xiàn)先用 ImageNet 訓(xùn)練模型，然后再針對其它任務(wù)調(diào)試模型，這不僅僅是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的突破，也是識別領(lǐng)域的重大進(jìn)展。”

2012年的ImageNet大賽上，發(fā)生了一件重要的事情——杰弗·瑞·辛頓（Jeoffrey Hinton）和他的團(tuán)隊勝出。

那場大賽上，來自加拿大多倫多大學(xué)的杰弗瑞·辛頓（Geo?rey Hinton）、Ilya Sutskever，和 Alex Krizhevsky 提交了一個叫做 Alexnet 的深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，奪得了當(dāng)年的 ImageNet 冠軍，圖片識別的正確率比第二名高出達(dá)41%。

一直到今天，人們都把深度學(xué)習(xí)能夠重新獲得生命的原因歸結(jié)于這場比賽，從此以后整個人工智能研究領(lǐng)域都發(fā)生了變化。

三

“和辛頓相比，我感到很幸運，因為他堅持研究了二十多年才獲得回報，我等待的時間沒有那么長，我很敬佩他的堅持和熱情”，在2017年和《國家科學(xué)評論》的訪談中，李飛飛這樣說。

辛頓和學(xué)生們贏得那場比賽時已經(jīng)65歲了，因為對深度學(xué)習(xí)這個領(lǐng)域的堅持，在此之前他完全過著邊緣化的一生。

深度學(xué)習(xí)的前身叫神經(jīng)網(wǎng)絡(luò)，可以把它理解為人工智能研究中的一個分支，完全迥異于傳統(tǒng)的機器學(xué)習(xí)學(xué)派依靠數(shù)學(xué)邏輯的路徑。這個分支在1950年代萌芽，他們的核心思想是“訓(xùn)練”——簡單來說，就是通過一種“獎賞機制”讓機器學(xué)會識別新事物。

正因為和傳統(tǒng)路徑迥異，注定了這個學(xué)派每次取勝時都會遭到傳統(tǒng)學(xué)派的抨擊和詆毀，在幾十年里幾番復(fù)活又幾番死去，這個學(xué)派的信徒們也不可避免地卷入這種命運沉浮中。

辛頓1970年代在英國愛丁堡開始做研究時，這個學(xué)派已經(jīng)在1950年代短暫地繁榮之后進(jìn)入了寒冬期。

別人問辛頓“看你挺聰明的一個人，為什么要做這個？”當(dāng)時他在論文中只要提到“神經(jīng)網(wǎng)絡(luò)”，論文就無法通過同行評審。畢業(yè)后，他沒有找到全職的學(xué)術(shù)工作。

辛頓當(dāng)時的長期合作伙伴Terrence J. Sejnowski說：“我們都堅信神經(jīng)網(wǎng)絡(luò)?？梢哉f是盲目信仰，因為我們不能用數(shù)學(xué)或其他方法來證明。”但是，當(dāng)看到基于數(shù)學(xué)和統(tǒng)計學(xué)的人工智能搞不定諸如圖片識別等難題時，他們知道自己手中握有王牌。

1980年代早期，辛頓來到加州大學(xué)圣地亞哥分校做博士后，但最終沒有獲得教職，他回到英國，做著一份無聊的職位。

一個學(xué)術(shù)路徑未被證明之前，很多人研究人員都不得不像乞丐一樣四處討要資金，這讓這些學(xué)術(shù)路徑的生死帶有偶然性。在英國的一個半夜，辛頓被一個美國來的電話驚醒，對方表示，愿意資助他35萬美元繼續(xù)他的研究。

辛頓后來才知道這筆資助的來源：蘭德公司的一個非營利子公司通過開發(fā)核導(dǎo)彈攻擊軟件獲得了數(shù)百萬美元。因為是非營利組織，政府以此要求他們，要么把這筆錢用來支付薪水，要么盡快散出去，他們選擇把這筆錢散給了辛頓。

因為這筆錢，辛頓等人的研究又復(fù)活。到了1980年代末，神經(jīng)網(wǎng)絡(luò)隨處可見，他們重返《紐約時報》，好萊塢也以此博取眼球，阿諾德.施瓦辛格扮演的機器人終結(jié)者說：“我的CPU是一個神經(jīng)網(wǎng)絡(luò)處理器，一個會學(xué)習(xí)的計算機。”

但冬天很快再次來臨——神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)但學(xué)得不太好，一個神經(jīng)網(wǎng)絡(luò)失敗了，人們也未必清楚其中原因，工程師討厭這種變化無常。在主流機器學(xué)習(xí)會議上，很難發(fā)表任何有關(guān)神經(jīng)網(wǎng)絡(luò)的內(nèi)容。

1990年代末開始，深度學(xué)習(xí)完全進(jìn)入冰封期，辛頓和一群自稱為“主流機器學(xué)習(xí)社區(qū)棄兒”的人密謀復(fù)活神經(jīng)網(wǎng)絡(luò)，這些人包括伊恩·樂坤(YannLeCun)——后來主持Facebook人工智能實驗室的學(xué)者，以及后來加入百度的吳恩達(dá)等人。“當(dāng)時每個人都在做著不同的事，莫名其妙地，辛頓說服了他們”，經(jīng)歷了那場復(fù)興運動的樂坤回憶說。

到2004年，他從CIFAR的加拿大組織申請到一筆研究資金，這讓這個組織有了活下去的可能性。

到了2006年，Hinton發(fā)表了有關(guān)“深度信念網(wǎng)絡(luò)”的文章，這個人工神經(jīng)網(wǎng)絡(luò)被冠以新名稱”深度學(xué)習(xí)”。

現(xiàn)在看來，那是人工智能技術(shù)大爆發(fā)的前夜。也是在那個前后，李飛飛在普林斯頓思考有關(guān)數(shù)據(jù)對算法的問題，并著手建立ImageNet。

我們不知道兩人之間在當(dāng)時是否有過交流，但很明顯兩人都在朝著一個有微弱光芒的地方前進(jìn)——李飛飛對數(shù)據(jù)問題的強調(diào)，正好契合了辛頓的深度學(xué)習(xí)路徑對于數(shù)據(jù)需求。

2012年ImageNet大賽的結(jié)果，讓深度學(xué)習(xí)從此成為顯學(xué)，李飛飛說，到了2014年時，所有的高分選手都在用深度神經(jīng)網(wǎng)絡(luò)。從此，大批的研究資金傾入這一領(lǐng)域，大公司廣泛采用這一路徑—— Facebook 用它來標(biāo)記用戶照片；特斯拉自動駕駛汽車用它來檢測物體。

ImageNet 數(shù)據(jù)集的收集和標(biāo)注花費了李飛飛大量心血，但自從構(gòu)建以來，它一直秉承開放和自由使用的原則，這也影響了其它大公司在數(shù)據(jù)上的行為——2016 年谷歌發(fā)布了Open Image數(shù)據(jù)集，DeepMind 今年夏天也發(fā)布了自己的視頻數(shù)據(jù)集。

整個人工智能領(lǐng)域從此變得不一樣了。

四

2016年，美國最古老的基金會——卡內(nèi)基基金會，提名李飛飛為當(dāng)年的杰出移民。每年，他們會選出約40名的已入籍移民予以表彰，以獎勵他們對美國社會所做出的顯著貢獻(xiàn)。

美國是一個移民國家，因此聚集了世界上最聰明的那一批大腦——像李飛飛這樣的人。這種基金會的表彰和提名，本質(zhì)上是為這一制度和背后的經(jīng)濟(jì)繁榮感到優(yōu)越和自豪。

在一邊舉辦ImageNet大賽時，李飛飛另一個重要的身份是教書，在普林斯頓之后，2009年她去了斯坦福。

大概是自己是移民的緣故，對于人才是否能夠自由流動，她一直保持警惕。“我見過斯坦福非常優(yōu)秀的博士生怎么也得不到綠卡，為世界上的人才創(chuàng)造這么多的障礙，在我看來是無法想象的。”

另一方面，她又希望留住學(xué)生們，大家一起為這個領(lǐng)域努力，而不是跑去華爾街。

姚邦鵬是李飛飛學(xué)生之一，從普林斯頓一直跟隨她到斯坦福，是李飛飛手把手教他推公式帶出來的。但姚邦鵬最終決定離開學(xué)術(shù)界，去了華爾街做金融。

李飛飛對他的決定非常失望。姚邦鵬說，在李飛飛看來，他放棄做學(xué)術(shù)也就罷了，拒絕了Google X和FAIR等公司，去了一個金融小公司，是自毀前程。

但讓他感動的是，畢業(yè)前，他去參加一個學(xué)術(shù)會議，到了機場才發(fā)現(xiàn)買錯了票，他說，他在機場給李飛飛打電話，李二話沒說就讓他重新訂機票，并允許報銷。在美國，博士生的工資費用和出差開銷都由導(dǎo)師報銷，“要知道當(dāng)時她已經(jīng)看出來我對學(xué)術(shù)沒有過去那么熱情了，并且當(dāng)時她剛休完產(chǎn)假經(jīng)費并不寬裕。”姚邦鵬在知乎上回憶說。

李飛飛在斯坦福的課總是爆滿，有人說，對她記憶最深的一句話總是她在課堂上那句，“來晚了的同學(xué)們，走廊上有小椅子可以坐下”。

在2016年11月，李飛飛自己也加入了工業(yè)界，“我將利用學(xué)術(shù)假期，在谷歌云計算擔(dān)任人工智能機器學(xué)習(xí)（Machine Learning, ML）部門的首席科學(xué)家。在這段時間里，我也會繼續(xù)和斯坦福的同事、博士后、研究生一起工作”，對于這一作安排，李飛飛自己是這樣解釋的。

實際上，幾乎就在2012年那場ImageNet大賽之后，工業(yè)界開始爭奪學(xué)術(shù)界的人才。谷歌買下了辛頓的公司，讓辛頓去主持谷歌的人工智能研究；而辛頓當(dāng)時的伙伴——樂坤被Facebook搶走，吳恩達(dá)，斯坦福教授機器學(xué)習(xí)的重要教授，被百度請去帶領(lǐng)百度人工智能研究；因此，李飛飛進(jìn)入谷歌外界也并不意外。

對于這些人來說，谷歌和Facebook這些大公司有他們在學(xué)術(shù)界難以獲得的機器和數(shù)據(jù)，而這是研究所不可或缺的。

進(jìn)入工業(yè)界后的李飛飛不忘記強調(diào)她的愿景。在2017年3月的谷歌云大會上，李飛飛談及AI“民主化”，強調(diào)和呼吁谷歌把平臺、算法以及數(shù)據(jù)向外界以及其它公司開放，甚至是人才也要和外部公司合作。

這種對AI“民主化”的強調(diào)為幾個月后她回到中國埋下了伏筆，2017年12月，李飛飛在上海宣布回國主持谷歌在中國的研究中心。

“我們重點關(guān)注基礎(chǔ)AI研究，與學(xué)術(shù)界建立合作關(guān)系，在本土合作上有所建樹，提供AI和機器學(xué)習(xí)的教育支持。我們很珍惜這次Google和中國頂尖AI人才合作的機會，這些人才也勢必是全球頂尖的AI人才。”在大會上，她這樣介紹這一研究中心。

你也可以看作是對人才的爭奪。谷歌在英國收購了人工智能創(chuàng)業(yè)公司DeepMind之后就竭盡全力的在挖空英國的人工智能人才，這個創(chuàng)業(yè)公司的團(tuán)隊規(guī)模從100 人擴大到了大約 250 人。而現(xiàn)在，這種研究中心在中國的開設(shè)，毫無疑問也是如此。

從另一個角度，這些人并不像李飛飛那個時代那樣，僅僅是聚集在美國，他們在英國、在中國和加拿大，這本身就是李飛飛說的“民主化”。

在李飛飛回到中國的時候，辛頓回到加拿大去主持一個國家資助的實驗室，這些人，在二三十年后又以另一種方式在移動，在一個技術(shù)更為民主化的現(xiàn)在。