《The Worlds I See》是一篇引人入胜的文章，作者通过自己的亲身经历展示了他看到的世界。他描述了美丽的自然景色、多样的人文风情和独特的文化遗产。同时，他还提到了人与人之间的相互关系和互助精神。通过这些描述，读者可以感受到作者对世界的热爱和积极向上的态度。这篇文章让人深思，也让人对世界充满了希望。
《The Worlds I See》读后感(一)
最负盛名的AI 华人女科学家李飞飞，被美国人称为AI 教母，新出的书《the worlds I see》模仿了爱因斯坦的书名《the world as I see it》，其实也是李飞飞的个人自传。 15岁也就是1992年从成都飞往美国投奔父亲(三年前抵美)。经济上捉襟见肘，父母因为不喑英语，体力工作收入微薄，飞飞边工边读。 来美就读高中，见识过校园暴力，但更是遇到了一生的贵人，意大利裔移民的大胡子数学老师，乃至是她思想，精神，学业，生涯的北极星。高中毕业后得到了普林斯顿大学的物理专业的全奖。 母亲因为心脏病，或多或少的影响着飞飞的职业上的选择，但是令人感动的是母亲希望飞飞选择科学，学术，追随自己的内心，而不是去华尔街挣钱来摆脱家庭的经济上的困境。 再后来，加州理工攻读研究生，普林斯顿，谷歌，斯坦福的职业经历等等，一系列的职业选择，李飞飞和他的学生一起做出了计算机视觉界的倾注她十几年的心血的ImageNet，不约而同的与AI的技术的大爆发构成了完美的融合，最终走到了AI界的前沿。 也许李飞飞去了华尔街，就是另外一个故事了，那是千千万万高智商的新移民的老套的选择。而追求神经科学,计算机视觉,AI ，也是她的妈妈，数学老师，爱因斯坦，普林斯顿冥冥之中指出的最优路径。
《The Worlds I See》读后感(二)
李飞飞是当今Al领域最有影响力的开拓者之一，但本书不是那种成功励志的故事，不是她的自传，想从中获得鸡汤鸡血的人肯定会失望。本书归类为memoir, 其实是李飞飞回顾自己的经历和Al研究的发展如何影响她的研究方向和成果，并且阐述她对现在和未来AI研究的理念。我从中读到的是她对科学的热爱，对人对生命的敬畏与尊重。这是让我极为感动的一本书。
她从自己和家庭的经历切入，引出她每次在科学研究道路中的重要节点，穿插着当时Al的发展和影响，以此阐述她的研究思路和挑战。她的文字不煽情，对于经历过的艰辛都带着幽默地轻描淡写，更多的是写对世界的好奇，在探索新事物中得到的快乐，对接受过的帮助（包括师友，同行的研究，学生的努力）都不吝提及。尤其写父母和高中数学老师更是饱含感情，让我几度热泪盈眶。她的父母和数学老师都是真正懂她的人，尤其她母亲，多次在艰难节点鼓励支持她遵从内心追求科研。她父母选择成为新移民重新开始的勇气也让我看到一些身边的人，有许多共鸣和感动。对于李飞飞，正是她父母身体力行带给她探索的勇气，对世界的好奇与热爱，对人文的重视，对内心追求的执着。
最让我感触的是她的人文关怀。开篇李教授就写在医院看护生病的母亲同时准备关于AI的国会听证，很有人味。这也是贯穿整本书的核心：人工智能不是以科技取代人类，而是为人类服务，为人类更有尊严地生活服务。有过看护生病老人经历的可以理解这背后的艰辛远超出她文字描述的点到为止，而她对生病母亲情绪的敏感和对这份艰辛的体验转化为科研方向；后来对医护工作的认识和体察又转化为科研责任，推动建立AI研究的道德责任体系。有她这样专注人文关怀的有影响力的AI研究者，让我又看到了人类的希望。
《The Worlds I See》读后感(三)
此前看过李飞飞女士的ted演讲，头脑清晰，表述简洁有序，她的书自然要看。看完觉得是很好看的一本女性学者自传，它所讲述的仍然是一个美国梦的故事。
对比米歇尔.奥巴马的自传《becoming》，可以看到第二代移民少女和多代融入后的黑人女孩对于生活环境和社交的感受有多么不同。前者充满了不安全感，对于校园霸凌存有很大的阴影；后者的自传中自然流露出安稳自信和native圈子的优势。
第一代平民阶层的移民和子女的生活是非常艰苦的，也是最有斗志的。牺牲在本国获得的一切，到一个地方从零开始的勇气，不是从女儿开始，而是从父母开始的。至于为何迁移及对此事的描述，可能也是这本书不能马上出版的原因。
个人估计编辑对这部作品做了比较多的修改和优化，将全书基调定为昂扬向上和充满希望的。在讲述个人发展史的同时，兼顾对于视觉识别技术迭代发展的全过程介绍和对于该项技术应用如何带动医疗、教育发展的观察和反思。李飞飞一直在思考，将自己的感受和希望改变的东西与自身的研究方向相结合，将个人的兴趣和解决一部分人的问题很好的做了结合。
但我很难想象作者的人生一直是暖色调的，没有迷茫和困惑，内心挣扎的部分非常非常少。
中学老师的无私帮助，家人的支持，作者的自省和好奇心帮助她在发展的过程中做出了很多正确的抉择，在作出重大决策和抉择的时候，很少被金钱所左右。
作为独生子女，作者对于母亲疾病的关注和感受让我觉得感同身受。母女之间强烈的情感联结简直是东亚家庭永恒的主题之一。
另外，虽然中信签了版权，个人觉得此书短期内很难有简体版本出版。因为很难把一些内容完全剔除出来，就像米粥里加了一些椒盐，不可能否认某些情绪的存在。
《The Worlds I See》读后感(四)
AI教母李飞飞博士的自传，让同在异乡的我读得热泪盈眶，是每个异乡奋斗的女生的楷模。偶像！
在迷茫彷徨的时候，非常适合阅读这样的励志故事，学习着像李飞飞一样坚持去寻找自己的天赋和力量。同时，通过这本自传，也可以从李飞飞的视角复习近十几年来AI的演变、科研界和商界的动态变化过程以及对AI未来的思考。
从成都到美国，这是一个中国女孩在科学里找到了自己的使命和天赋的故事，一个她和家人们一起在美国坚持信念、不顾险阻生存下去的故事。她的中学老师曾经说，女孩生理上不如男孩。飞飞的父母，毅然决定，举家迁移，为了李飞飞可以成为一个她天赋所指向的科学家。父母以极大的牺牲，并且不断地支撑她，使得她坚持成为了世界顶尖的科学家。
李飞飞的文字洋溢着浓厚的向上生命力和源源不断的对人类进步的热情。她在不断找寻归属感，她也迷茫彷徨，但她从不间断地问自己：
What’s my next North Star？
当她在高薪工作和科研之间纠结，当她完成大型可视化数据库ImageNet开启了深度学习的研究领域，当她在病榻上的妈妈问她AI能不能帮助解决医疗体系的问题，当她在国会听证会作证AI对社会的意义…
这一路，不简单。
每一次当她找到一个新的North Star，都洋溢着自我实现的幸福 ：
I have something to chase again.
她说，作为一个移民，我总缺失那种归属感。但这一路上，我所遇到的人和善意却解决了这种缺失。
最后的最后，分享这段原文吧：
“科学家的一生，就像移民的一生，冒险家的一生一样，“家”永远不是一个清晰的概念。最好的其实总是发生在边界上—
在边界之上，想法永远被困在来来往往之间，由陌生人在陌生的土地上探索，同时既是内部人又是局外人。
但这种状态恰恰使我们强大：它使得我们保持独特的观点，也让我们自由地挑战现状。”
《The Worlds I See》读后感(五)
今天读完了斯坦福大学人工智能教授李飞飞老师的自传《The Worlds I See》。李老师的专业方向是计算机视觉，书名中的 See 一语双关，既指她自己看到的世界，也指她研究的模型和算法看到的世界。
这本书写得很真诚，书的最后提到了最新的 Transformer(一种神经网络结构) 和 LLM(Large Language Models，大语言模型，比如最有名的 chatGPT)，可惜没有写 AIGC (AI-Generated Content，AI 自动生成，比如最近大火的 Sora) 的内容。
谈谈印象比较深的几点：
《The Worlds I See》读后感(六)
李老师这个咖位的人物要写自传，业内应该默认会用ghost writer。但即便如此，本文的行文之流畅，细节之生动让我无法不相信其一手素材来自本人。那是没有经历过就无法共享的真实记忆。
书中提到她在博士期间每天早餐时间都和导师在校内咖啡厅一边喝咖啡一边讨论课题。我心想:”你就吹吧，一杯craft coffee按市价是五美元一杯，每天一杯的话一年要上千，我自己也是在公司有免费espresso bar之后才开始的习惯，到现在我也舍不得一天一杯星巴克而是自己在家压pod。如你所说家庭困顿怎么可能每天早饭来一杯。”
她紧接之后的第二句话就是“以我当时的经济状况是不可能负担一天一杯拿铁的，所以只能看着我的导师每天折腾不一样customerization drink，我自己就喝热水。”
我当时看到这句话差点哭出来，当即即表示从此对书中所有的对经济情况的描述深信不疑。我家里倒是没有贫困，但从我懂事起，所有和物质相关的回忆都和一个词紧紧地联系在一起，就是”匮乏”。从我走出家乡，到省城，到首都，再到国外读书生活，在小圈子里原生家庭物质条件从来就是最差的，没有之一。我身边的熟悉的朋友，在饭店点菜不看价格，买grocery不看价格, 不知什么叫预算, 不知道什么叫储蓄。而我，清楚地记得当年milkpal所有单价一刀以下的所有水果的种类和它们的水果码。在ranch99拎一袋子grocery到收银台，目测就能算出不超过10%误差的总价。除了买mascarpone从来没有去过whole foods。每当听说谁谁把奖学金提前花完了quarter最后一周只能吃pizza,或者谁房租需要周转一下，我就会匪夷所思因为我的人生字典里没有”超支”这个词。
这些记忆，出国了之后，工作了之后，你同谁分享呢？ 能付得起百万学费的master同学自然是不能理解，越来越年轻，起薪也越来越高的同事自然也不能理解，我只有默默地听他们说VCA和宝格丽，香奈儿和爱马仕。没有人谈论贫穷和匮乏，也不会有人觉得frugal既然进得了亚马逊的leadership principle它其实是一个美德。直到我看到李飞飞的这本书。
她说我喝不起咖啡但是我还是可以和喝得起的人讨论科学问题的时候叙述之直白，态度之坦荡。打个不恰当的比喻，就像夏绿蒂勃朗特写那个雷电夜的树下，简爱说我矮小贫穷但我和你的灵魂是平等的一样让我感动和震撼。
这里从灵魂说起，就不得不说起灵魂之自由。当现在满大街都在鼓吹”财富自由”的时候，这本书confirm了我之前内心一个隐隐的(但一直得不到认同的)想法，就是自由其实与财富关系不大，相反，和它更紧密联系的恰恰是物质的贫穷。那些嚎叫”我要有多少多少多钱就财富自由了，就干自己想干的事情blablabla”的人，因不知何为自由，就是有了多少多少多少钱和没有也无甚区别，因为打工可能就是他们这辈子最充实最有价值的事情（不好意思我就是这么酸）。理解自由为何物的人从很早的时候就知道，并且为此不懈追求，有理想的人从来都是自由的，并不需要附加任何的物质前提，这就是李飞飞所谓的“北极星”。
在李飞飞名扬天下之前，我先认识的是她实验室里的人，刚transfer到斯坦福的她在中国学生里面口碑其实并不好，这背后原因其实并不难理解。我不是cs专业的人，但是后来看了书大概知道ImageNet是干什么的，label照片是一个本科生觉得累研究生觉得无聊的事情，她既然能推得动，其性格和执行力上必然有偏执和独断的一面。这和设计了iphone的乔布斯和产业化tesla的马斯克一样，把他们和asshole最终区分开的是他们坚持的事情本身是否有重大意义，这叫做vision。
因为这个最初印象，2019年开始她在grace hopper, ted各种公开场合做演讲和大量PR性活动，我以为她是一个跟风紧的沽名钓誉人物，直到我看到了这本书，我发现她可能其实，就是很单纯，她做的这些事情，可能其实就是她觉得应该做的。一个真正功利的人，会在tenure track第四年第五年左右去市场上面试一圈，要么直接拿外面的tenure offer,要么拿外面的offer来counter本校提前tenure。她在track第五年的时候跳到斯坦福AP重新开始，第8年才tenure，普林斯坦福在很多人看来是同一档次的学校，这就压根不是一个功利的人会做的事儿，她很可能就没考虑tenure，纯粹因为研究方向换的工作。对于有学术理想的人，反正她一辈子就干这个了，什么时候tenure,在哪里tenure，又有什么关系呢？ 同理不难想象她对选择华尔街的PhD学生的态度”我自己当年经济那么困难都没有因为钱放弃理想。你们难道缺钱么？ 如果缺钱为什么要来做研究呢？ 既然来了有了科学这么有意思的事情为什么还想要去赚钱？” (夏虫不可以语冰，这是我瞎猜的并无真凭实据)。李飞飞在自传中体现的经历和想法和我认识的一个人有很大的重合，这是我对自由灵魂的最尽力的揣测。
沙丘2中，保罗驾驭沙虫在飞沙中呼啸穿行。我立即就想起了阿凡达一里的御鸟和阿凡达二里的骑鲸。类比还有壮志凌云里的战斗机，how to train your dragon里的乘龙。这些影视化的形象之所以如此动人，因为人类始终向往飞行，向往自由。虽然现实并不容许我们的形体如此,至少我们可以不用桎梏心灵的自由。超脱物质，探索未知，就是李飞飞对自由的注解。
《The Worlds I See》读后感(七)
最近李飞飞教授出版了她的自传 The Worlds I See, 这是她的个人成长史，也是一部移民的奋斗史。
李飞飞教授在计算机视觉领域做出过卓越贡献，因为她创建的数据集 ImageNet，使得后来的深度学习在图片识别领域有了测试基准，从而大放异彩。
李飞飞教授出生在北京，成长在成都。后来她父亲于1989年先移居到美国，三年后，她和母亲得以成行，与她父亲在美国团聚。
In the initial phase, which I quickly realized was spearheaded by my mother, my father would find work and secure a place to live. In the second phase, to follow shortly thereafter, we would join him.
因为成都没有飞往美国的航班，所以她和母亲先赶到上海，再搭乘飞往美国的航班。离开上海前，李飞飞特地前往浦江饭店，因为传言这里是爱因斯坦曾经下榻的酒店。就在访问上海前后，爱因斯坦获得了诺贝尔奖。当然在年少的李飞飞看来，还有另一层东西激励着她，那就是爱因斯坦也是移民。
Maybe this won’t be so bad, I thought. Einstein was an immigrant, too, after all.
当她们飞抵美国，等了很久，不见她父亲来接机。她和母亲非常焦灼，因为无法联系上她父亲，也没有钱买回中国的机票，更不用说她当时的英语口语不足以和人交流。
My mother had exactly twenty U.S. dollars in her pocket, we had no return ticket, and I quickly found that the couple of years I’d spent learning basic English in school were all but useless in practice.
终于等到她父亲来接机，之所以耽误了很久，是因为他的二手车在路上抛锚了。这种事在囊肿羞涩的移民中经常发生。
到了美国还没喘一口气，她就赶去学校上课。当然第一天的学校生活就让她爱上了美国。
On an otherwise imposing first day, I instantly knew one thing: I would love American teachers.
之后，李飞飞考上了普林斯顿攻读物理，获得了全奖。第一次让这个经济紧张的家庭如释重负。
Every milestone of her life had been a reminder that she was on the wrong side of divides she had no hope of bridging, conditioning her over decades to feign a confidence I knew she never truly felt.
等到她从普林斯顿毕业，刚好赶上第一波互联网泡沫。连华尔街也疯狂找人，想赶上这一风口 。李飞飞接到了不少华尔街投行的职位，于是她回去和母亲谈起这件事。如果去华尔街工作，高薪立即可以让这个移民家庭脱离困境。但是她母亲只问了两个问题就让李飞飞认识到这并不是她真正想要的。
“Fei-Fei, is it what you want？”
“You know what I want, Mom. I want to be a scientist.”
“So what are we even talking about？”
https://letters.acacess.com/weekly-123
在上一期 DPS 周刊中，我们介绍了李飞飞教授的移民奋斗史 -- The Worlds I See 。其实她的成名之作当属 ImageNet，这座计算机视觉的里程碑的诞生却一波三折，它甚至差点夭折。
当李飞飞最早和身边的人聊起 ImageNet 的点子，很多人都觉得她异想天开，甚至包括她的祖师爷 Jitendra Malik:
He paused for a moment, then continued. “Frankly, I think you’ve taken this idea way too far.” I took a shallow breath. “The trick to science is to grow with your field. Not to leap so far ahead of it.”
幸好李飞飞遇到了 Kai Li 教授，以及他的学生 Jia Deng。专注于分布式计算的他们帮助李飞飞解决工程上的难题，毕竟在当年要构建一个包含上百万张图片的数据集，工程上并不容易。
最早他们是请学生一张张搜索图片，然后手工下载。Jia Deng 计算了一下工程量之后，发现要19年才能下载完。于是他写了爬虫，自动从 Google 上检索图片，然后下载。不久这个爬虫就被 Google 封锁，直到他使用动态 IP 来破解 Google 的封锁。
解决了图片下载的挑战之后，如何标注这些数据是第二大难题。在与 Jia Deng 的闲聊中，另一名研究生 Min 得知了这一挑战，于是向李飞飞建议使用 Amazon 的众包服务 -- Mechanical Turk -- 将标注工作外包给全世界使用 MTurk 的人。
I instantly forgot about my haste as my ears perked up. Jia has a social life？
就这样经过两年不懈的努力，ImageNet 终于完成建设，包含了近1500万张图片。
After two more years on the knife-edge of our finances—an agonizing stretch in which even a minor bump in the road might have sunk us for good—ImageNet was finally maturing into the research tool Jia and I had always envisioned.
恰逢 Black Friday，我们开通了首年订阅优惠，只要75折。点此获得优惠
他们于2009年将论文 ImageNet: A Large-Scale Hierarchical Image Database 投向了计算机视觉的顶会之一 – Conference on Computer Vision and Pattern Recognition (CVPR)，没想到只获得了海报展示的机会。你能相信吗？这篇计算机视觉史上最重要的论文之一只获得了海报展示机会，而不是口头汇报的机会？
Our first setback was also the most consequential: that ImageNet was relegated to a poster session.
尽管在 CVPR 2009 上，ImageNet 并没有获得多少关注。但是李飞飞他们并没有气馁，相反，她非常坚信自己的成果：
“I don’t think ImageNet will make today’s algorithms better,” I said. “I think it will make them obsolete.”
他们也没有雪藏这个数据集，而是把他们做成了一个挑战赛，任何人都可以报名参加。于是他们联合之前的赛事 PASCAL VOC，让 ImageNet 成为其中的一个分支。
Mark was a rising star in the world of computer vision in his own right, and kindly allowed ImageNet to begin its life as a new track within the PASCAL VOC competition, then in its sixth year. It was an especially gracious offer, giving us the chance to learn the ropes within the confines of something already established.
当然“古早”的机器学习算法 -- 比如随机森林，支持向量机等等，拿这么大的数据集毫无办法，所以参赛者也知难而退：
Worst of all, participation was already dropping, and precipitously: registrations fell from 150 to 96 in the second year, and the entries themselves fell from 35 to just 15.
一直等到2012年， Alex Krizhevsky，Ilya Sutskever和Geoffrey Hinton 三人利用基于神经网络的 AlexNet 把 ImageNet 上的识别错误率降低到 15.3%，比第二名高出10.8%。以至于李飞飞和 Jia Deng 都不敢相信自己的眼睛。因为神经网络在当时被视为古早的算法，很多机器学习的教材都是一笔掠过 :)
“All right. Well, first of all, they’re using a really unorthodox algorithm. It’s a neural network, if you can believe it.” My ears perked up even more. If he didn’t have the entirety of my focus a moment ago, he certainly did now. “It’s like… ancient.”
当然 Hinton 知道 ImageNet 也纯属巧合。因为神经网络早已被人摒弃，只有他一人在默默坚持。当时的他苦于找不到足够大的数据集测试自己的算法，知道有一天他向老朋友 Jitendra 抱怨，而 Jitendra 向他提起了 ImageNet。没错，就是前面心存怀疑的祖师爷。
“You really want to impress me, Geoff？ Show me they can handle something serious.”
“Like？”
“Like object recognition. In the real world.” Whatever Jitendra thought about ImageNet, I’d known since my days at Caltech that he was a believer in the power of visual categorization. “Have you tried PASCAL VOC？”
“Yeah. No luck. It’s just too small. There aren’t enough examples, so the network doesn’t generalize very well when we show it something new.”
“All right, so you need something bigger. Have you been following Fei-Fei’s lab, by any chance？ When you’re ready for a real challenge, take a look at what they’re up to.”
所以 ImageNet 和 AlexNet 相辅相成，没有 ImageNet 这么大量的数据，AlexNet 就不会有惊人的突破；没有 AlexNet 的问世，也就没有 ImageNext 的广为人知。而之后的一切都是人们所熟知的历史。
现在回看，ImageNet 真是命运多舛，哪怕李飞飞少一点坚持，那么整个计算机视觉的发展速度都会不一样。
https://letters.acacess.com/weekly-124
