从成都走出的华人女性李飞飞：改写 AI 进程的物理学迷妹

物理学与人工智能如今关系密切，2024年的诺贝尔奖更加凸显了这一点。然而，1995年时并非如此，这其中蕴含着怎样的趋势和经验？这确实值得我们深入探究。

早期物理学与AI的疏离

1995年，物理学与AI的联系并不紧密。当时，整个科技界对这两者关系的探讨相对较少。以高校为例，各个专业往往各自为政，物理系专注于理论物理和传统实验，而AI研究尚处于起步阶段。多数人认为AI主要属于计算机科学领域，与物理学分属不同学科。在研发领域，物理学家参与AI相关项目的情形不多，而AI研究团队也很少涉及物理知识。

1999年，李飞飞完成了普林斯顿物理系的学业。面对华尔街众多的工作邀请，她却在家人的鼓励下选择了科学道路。那时，物理学是她专注的领域，人工智能还未成为她事业的首选。这一选择也映射出当时物理学和人工智能两个领域界限清晰的社会环境。

AI开始崭露头角

2001年，李飞飞刚刚开始涉足人工智能领域。从这个时间点可以看出，人工智能逐渐被一些物理学家所关注。同期，人工智能本身也迅速发展，催生了众多早期理论研究。那时，各地高校纷纷建立AI实验室，但整体研究仍局限于小规模、探索性的模式。

2009年6月，ImageNet数据集的发布，让李飞飞团队在计算机视觉领域大放异彩。那时，机器学习遭遇了瓶颈，模型变得越来越复杂，但数据却不够充足。这充分展现了AI发展所面临的挑战和亟待突破的领域。当时，AI的改进主要依赖于计算机领域的人才，而物理学背景的学者参与度还相对较低。

早期学者的选择

JitendraMalik曾劝说李飞飞公开当时科学界的秘诀。卡帕西毕业后面临众多选择，普林斯顿大学甚至向他伸出了橄榄枝，提供职位，但他却选择离开学术界，加入了OpenAI。这些选择反映了当时AI发展初期学者们的不同考量。在李飞飞早期执教期间，她培养的学生如李佳、王刚等，后来在各个企业中各展所长。这显示出那时AI人才的输出开始呈现多元化趋势，但与物理学的联系并不紧密。

李飞飞，25岁那年，于2009年将学生带到斯坦福，随后完成了ImageNet的第一版。在这一过程中，我们可以观察到相关人才在人工智能早期发展阶段的流动以及他们的选择偏好。

AI与相关人才的发展脉络

朱玉可的研究历程映照出人工智能的发展脉络。2011年，李飞飞加盟雅虎，担任资深研究员并展开领导职责。那时，28岁的朱玉可博士毕业后在AI领域的成果斐然，这表明AI人才的培育已初显成效。2015年，朱玉可转向机器人研究，而AI在各个子领域的拓展也在持续深入。

2016至2021年间，朱玉可在斯坦福大学攻读博士学位，师从李飞飞教授，涉猎多个研究领域。这一经历反映出，诸如斯坦福这类顶尖学府在人工智能人才培养和研究领域正持续拓宽。

具身智能时期的关联

在具身智能的起步阶段，李飞飞及其学生们着手研究机器人技术。这一阶段，物理学中的某些概念偶尔会被提及，它们在机器人运动模拟等领域具有潜在的应用价值。例如，机器人的动力平衡模拟可以参考物理学中的力学原理。然而，这仅仅是初步的尝试，人工智能算法等技术的发展才是主导力量。

目前，AI的发展与物理学虽有交集，但整体融合度尚低。多数情况下，AI在具身智能领域独立探索，成果显著。例如，卢策吾在研究过程中积累的AI知识促使他调整了研究方向，但与物理学的交流并不频繁，互动程度有限。

当下转变与启示

2024年诺奖的背景下，物理学与AI的关系变得颇为神奇。过去它们各自独立，如今却开始相互交融，展现出新的可能性。以李飞飞的学生眭亚楠在机器学习和机器人领域的研究为例，我们可以思考一个问题：对于研究者而言，是否可以尝试跨学科的发展？比如，从物理学的视角出发，是否能为AI模型的优化提供新的思路？

读者朋友们，我想问问，你们是否已经准备好在自己的专业领域内，把握住这样的跨学科发展机遇？希望你们能从前人的经历中汲取经验，欢迎留言互动。同时，也请大家点赞并分享，让更多人受益。

内容来自网络，如有侵权，联系删除。