AI-Persönlichkeiten: Li Feifei, von einer schlechten Schülerin unter den Einwanderern zur "Göttin der KI"
Das Projekt "Portraits von KI-Persönlichkeiten" zielt darauf ab, die Schlüsselfiguren, die die historische Entwicklung der Künstlichen Intelligenz beeinflusst haben, festzuhalten. Aus ihren Entscheidungen in Bezug auf Studium und Beruf lässt sich ein Blick auf die historische Notwendigkeit, die gegenwärtigen Schwerpunkte und die zukünftigen Trends der KI-Branche werfen.
Sie ist die sogenannte "Mutter der KI", die den Maschinen "Augen" verlieh. Zusammen mit ihrem Team schuf sie den ImageNet-Datensatz und trug so zur Welle des Deep Learning bei. Sie führte auch ihr Team bei der Entwicklung von Google Cloud AutoML an, wodurch die Nutzungsschwelle für KI-Technologien gesenkt wurde und kleine und mittlere Unternehmen intelligentere Tools einfach nutzen können.
Sie ist auch eine Pionierin im Bereich der räumlichen Intelligenz. Mit ihrer scharfen Einsicht in die physische Welt widmet sie sich der Entwicklung von Weltmodellen, die es der KI ermöglichen, räumliche Beziehungen zu verstehen und vorherzusagen.
Früher hat sie sich in der Küche eines Restaurants schwer durchgesetzt, doch dank ihrer Liebe zur Wissenschaft hat sie es auf die Podien der weltweit führenden Universitäten geschafft. Sie hat auch aufgrund ihrer Haltung zu ethischen KI-Prinzipien Kontroversen erlebt, aber ihre Überzeugung, dass Technologie für das Gute der Menschen eingesetzt werden soll, hat sie nie verlassen.
Ihre jahrzehntelange Forschungsreise hat bewiesen: Die eigentliche Bedeutung der KI liegt nicht in kalten Algorithmen, sondern in der tiefen Fürsorge für die Bedürfnisse der Menschen.
Heute betreten wir die Welt von Fei-Fei Li, der "Mutter der KI", und erkunden, wie diese "Pionierin der Daten" durch Leidenschaft und Hartnäckigkeit die KI-Branche immer weiter voranbringt.
Der KI-Traum eines Migrantenmädchens
1976 wurde Fei-Fei Li in Peking geboren. Ihr Vater war Ingenieur, ihre Mutter Lehrerin. Die technischen Zeichnungen und elektronischen Bauteile im Büro waren ihre ersten Einführung in die Welt der Wissenschaft.
Als sie im Kindesalter mit ihrer Familie nach Sichuan zog, konnte sich ihr Talent für Naturwissenschaften in der akademischen Atmosphäre ihrer Schule entfalten. Sie liebte es, alte Elektrogeräte zu zerlegen, um deren Funktionsweise zu verstehen, oder mit ihrem Taschengeld elektronische Bauteile zu kaufen, um Experimente zu machen. Diese Leidenschaft für die praktische Erkundung legte die Grundlage für ihre spätere Laufbahn in der Forschung.
1992, im Alter von 15 Jahren, reiste Fei-Fei Li nach den USA. Die Realität war härter als erwartet. Ihre Eltern verloren ihre guten Jobs, und die Familie musste sich in ein kleines Haus in der Stadt Parsippany einschließen.
Um die finanzielle Belastung ihrer Familie zu reduzieren, legte die einstige Exzellenschülerin ihr Buch ab und arbeitete täglich mehrere Stunden in der Küche eines Restaurants in der Chinatown von New York. Das fette Geschirr, das Lärmgeräusch und die fremde Sprache konnten ihre Sehnsucht nach Wissen nicht brechen. Nach der Schließung des Restaurants nutzte sie den Tisch als Schreibtisch, las ihr Wörterbuch bis es aus dem Rahmen fiel und benutzte die Fernsehnachrichten als Englischunterricht. Das Licht um vier Uhr morgens war Zeuge ihrer Entschlossenheit...
Schließlich konnte sie mit ihren rasant verbesserten Noten das Label des "schlechten Migrantenschülers" in der High School abschütteln und erreichte eine perfekte Punktzahl in Mathematik und insgesamt 1250 Punkte im College-Entrance-Exam.
Nach ihrem Abschluss wechselte Fei-Fei Li in das Princeton University, wo sie ein Vollstipendium erhielt. Das strenge Denken in der Physik bildete eine solide logische Grundlage für ihre spätere KI-Forschung.
Um ihr Lebensunterhalt zu verdienen, kaufte die Familie von Fei-Fei Li eine Reinigung und begann damit, fünf Tage in der Woche zu studieren und am Wochenende zu arbeiten.
Das weltverändernde ImageNet
1999 absolvierte Fei-Fei Li ihr Studium an der Princeton University mit Auszeichnung. Zu diesem Zeitpunkt stand sie vor einer wichtigen Entscheidung. Dank der Reputation der Princeton University erhielt sie Arbeitsangebote von mehreren Finanzriesen an der Wall Street, darunter Goldman Sachs. Doch Fei-Fei Li traf eine überraschende Entscheidung: Sie lehnte die lukrativen Arbeitsmöglichkeiten ab und entschied sich stattdessen, in Tibet die tibetische Medizin zu studieren.
Für Fei-Fei Li war die Studie der tibetischen Medizin kein impulsiver Schritt. Sie hat immer ein tiefes Verständnis für die Bedeutung von Nischenforschungsprojekten in einem breiteren Kontext gehabt. In ihrer Meinung kann die tibetische Medizin auf philosophischer und methodologischer Ebene mehr Inspiration und Denkanstöße bieten. Während ihrer Zeit in Tibet studierte sie die Pharmakologie und Wirksamkeit der tibetischen Arzneimittel eingehend und lernte von den lokalen tibetischen Ärzten. Sie erlebte persönlich die Tiefe und Breite der tibetischen Medizin.
Nach ihrer Rückkehr aus Tibet im Jahr 2002 beschloss Fei-Fei Li, an der Kalifornien Institute of Technology ein Promotionsstudium in KI und Computerneurowissenschaft anzustreben. Damals befand sich der Bereich der Computer Vision noch in den Anfängen, und die Anzahl der von Computern erkennbaren Objekte war sehr begrenzt. Viele Theorien und Technologien mussten noch erforscht und verbessert werden.
Aber Fei-Fei Li war überzeugt, dass die Computer Vision eine breite Anwendungsfläche hat und für die Weiterentwicklung der KI von großer Bedeutung ist. Deshalb entschied sie sich mutig für diesen schwierigen Weg. Während ihrer Promotion erkrankte ihre Mutter an Krebs, was eine schwere Belastung für ihr Leben und Studium darstellte. Trotzdem absolvierte sie dank ihrer Beharrlichkeit und ihrer Leidenschaft für die Forschung ihr Studium, während sie sich auch um ihre kranke Mutter kümmerte.
Zu Beginn ihrer Forschung legte Fei-Fei Li großen Wert auf die Optimierung von Algorithmen. Sie führte ihr Team bei der Verbesserung und Innovation bestehender Algorithmen an. Doch sie stellten fest, dass die reine Optimierung der Algorithmen die Genauigkeit der Computer Vision nicht ausreichen konnte, um praktische Anwendungen zu erfüllen. Nach mehreren Fehlschlägen begann Fei-Fei Li, über ihre Forschungsrichtung nachzudenken. Sie erkannte allmählich, dass der Schlüssel, um Computern das Erkennen von Bildern beizubringen, darin besteht, dass sie mehr Bilder sehen können, was eine reiche Datenbasis erfordert.
Deshalb beschloss Fei-Fei Li, ein beispielloses Projekt zu starten: die Erstellung einer riesigen Bilderdatenbank. Sie plante, eine große Anzahl von Bildern aus dem Internet herunterzuladen, diese Bilder zu klassifizieren und zu markieren, um den Computern ein "Arbeitsbuch" zum Lernen zur Verfügung zu stellen. Dieses Projekt wurde später das ImageNet, das die KI-Branche voranbrachte.
2006 kehrte Fei-Fei Li erneut an die Princeton University zurück und widmete sich ganz dem ImageNet-Projekt. Ihr Ziel war es, einen Bilderdatensatz mit bis zu 30.000 Kategorien zu erstellen, was damals eine äußerst kühne und anspruchsvolle Idee war. Viele Menschen bezweifelten ihr Projekt und glaubten, dass es fast unmöglich zu verwirklichen sei. Doch Fei-Fei Li ließ sich von den Zweifeln der Außenwelt nicht beirren und war überzeugt, dass sie den richtigen Weg eingeschlagen hatte.
Zu Beginn des Projekts stieß Fei-Fei Li auf zahlreiche Schwierigkeiten. Zunächst war das Sammeln von Daten kein Leichtes. Das Herunterladen einer großen Anzahl von Bildern aus dem Internet erforderte viel Zeit und Energie und war mit rechtlichen Problemen wie Urheberrechten verbunden. Zweitens war die Markierung der Daten eine Herausforderung. Wenn man die Bilder manuell markieren wollte, würde dies nicht nur viel Personal und Geld kosten, sondern auch sehr lange dauern. Laut Schätzungen der damaligen Zeit würde es 19 Jahre dauern, um nur einen Bilderdatensatz mit 30.000 Kategorien zu markieren.
Glücklicherweise traf Fei-Fei Li auf zwei wichtige Unterstützer. Einer war Professor Kai Li von der Fakultät für Informatik der Princeton University. Er sah das enorme Potenzial in Fei-Fei Lis Forschungsrichtung, schenkte ihr eine Arbeitsstation und gab seinen Doktoranden Jia Deng an sie weiter, um die Forschung zu unterstützen. Der andere war Min Sun, der ihr die Crowdsourcing-Plattform "Amazon Mechanical Turk" vorstellte. Über diese Plattform konnte Fei-Fei Li die Bildmarkierungsarbeit an Menschen auf der ganzen Welt verteilen, was die Effizienz der Markierung stark erhöhte und die Kosten senkte.
Bis 2009 enthielt die ImageNet-Datenbank bereits 15 Millionen markierte Bilder, was in Bezug auf Qualität und Quantität in der Wissenschaft bisher unerhört war. Noch wichtiger war, dass Fei-Fei Li den gesamten ImageNet-Bilderdatensatz kostenlos zugänglich machte. Dies war ein Meilenstein, denn es bedeutete, dass alle Teams auf der ganzen Welt, die sich mit Computer Vision befassen, von diesem Datensatz profitieren konnten, um ihre Algorithmen zu trainieren und zu testen.
Das Auftauchen von ImageNet hat die Entwicklung des gesamten Bereichs der Computer Vision stark vorangetrieben.
Fei-Fei Li, Stanford, HAI
2009 trat Fei-Fei Li als Assistentin an der Stanford University ein. Hier setzte sie ihre Forschung in der Computer Vision fort. Sie führte ihr Team bei der Entwicklung eines Algorithmus an, der die Technologie des Convolutional Neural Networks mit dem rekursiven neuronalen Netz aus der natürlichen Sprachverarbeitung kombiniert. Dadurch kann die Maschine nicht nur die Gegenstände im Bild erkennen, sondern auch die Szene beschreiben. Dies war ein bahnbrechender technologischer Fortschritt und eröffnete neue Wege für die Anwendung der Künstlichen Intelligenz in der Bildverstehen und -beschreibung.
2012 erreichte Fei-Fei Li einen weiteren Höhepunkt in ihrer akademischen Laufbahn: Sie wurde zur Professorin für Lebenszeit an der Stanford University ernannt. Von 2013 bis 2018 war sie Direktorin des KI-Labors an der Stanford University. Unter ihrer Leitung erzielte das Labor zahlreiche wichtige Forschungsergebnisse im Bereich der Künstlichen Intelligenz und wurde zu einem der weltweit führenden Forschungszentren für KI.
Ende 2016 traf Fei-Fei Li eine überraschende Entscheidung: Sie verließ vorübergehend die Stanford University und übernahm die Position als Chefwissenschaftlerin bei Google Cloud. "Technologie, die nicht in der Praxis eingesetzt wird, bleibt nur schöne Papierarbeit." Ihr Ziel war klar: die "Demokratisierung der KI" voranzutreiben. Damals war die KI-Technologie hauptsächlich in den Händen einiger großer Technologieunternehmen, und es war für kleine und mittlere Unternehmen schwierig, an diese Technologien heranzukommen. Die von ihr initiierte Google Cloud AutoML-Plattform hat diese Situation grundlegend verändert.
Dieses automatisierte Tool ermöglicht es auch nicht-fachkundigen Benutzern, KI-Modelle zu trainieren: Mitarbeiter einer Blumenbauernhof können Bilder hochladen und einfach markieren, um ein präzises Blumenerkennungssystem zu erhalten; Bauer können mit ihrem Handy Bilder ihrer Pflanzen aufnehmen, um Krankheiten und Schädlinge schnell zu diagnostizieren. Nach der Veröffentlichung der Plattform überstiegen die registrierten Benutzer binnen weniger Monate die Million. Kleine Restaurants nutzen es, um ihr Bestellsystem zu optimieren, und Museen verwenden es, um ihre Kunstwerke zu digitalisieren. Fei-Fei Lis Vision hat die KI tatsächlich in das tägliche Leben der Menschen gebracht.
Im Herbst 2018 gründete Fei-Fei Li mit ihrer Unterstützung das Stanford Human-Centered Artificial Intelligence Institute (HAI). Das Ziel des HAI ist es, die Entwicklung der KI-Technologie voranzutreiben, damit sie besser der menschlichen Gesellschaft dient. Das HAI will weltweit führende KI-Experten und Wissenschaftler zusammenbringen, um interdisziplinäre Forschungsprojekte durchzuführen und zu untersuchen, wie die KI-Technologie für den Menschen nützlich sein kann, ohne negative Auswirkungen zu verursachen.
Seit 2017 hat das HAI, in dem sich Fei-Fei Li befindet, acht Ausgaben des AI Index Reports veröffentlicht, um die Aktivitäten und Fortschritte im Bereich der Künstlichen Intelligenz zu verfolgen und datenbasierte Diskussionen über KI zu fördern. Das Institut setzt sich dafür ein, Politikern, Forschern, Unternehmensleitern und der Öffentlichkeit genaue, solide und globale KI-Daten und Einblicke bereitzustellen.
Im Februar 2020 wurde Fei-Fei Li aufgrund ihrer herausragenden Beiträge bei der Erstellung großer Datenbanken für maschinelles Lernen und visuelle Verständnis in die National Academy of Engineering gewählt. Im Oktober desselben Jahres wurde sie in die National Academy of Medicine aufgenommen. Im April 2021 folgte ihre Wahl in die American Academy of Arts and Sciences.
2019 wurde sie zur ersten Sequoia Professorin an der Stanford University ernannt, eine Ehre, die Wissenschaftlern für herausragende Beiträge in der Informatik verliehen wird. Sie hat auch ihr Team bei der Veröffentlichung zahlreicher hochwertiger wissenschaftlicher Artikel unterstützt, die sich auf kognitionsgestützte KI, maschinelles Lernen, Deep Learning und Computer Vision beziehen.
