最近我正忙著寫自己的新小說，試圖把自己過去那些細碎的人生經歷揉進虛構的故事裡。原本以為創作是過著另一個人生的抽離感，沒想到邊寫邊挖掘那些被塵封的往事，反而勾起了一陣陣揮之不去的悲傷。這種情緒竟然也延伸到了我閱讀這部自傳的過程，看著李飛飛在異鄉生存與夢想間的掙扎，好幾次我也跟著覺得心酸。
李飛飛的科學之路並非起步於象牙塔，而是始於生存。父母當年放棄成都的中產生活遠赴美國，動機很純粹，就是為了讓女兒擁有無限的機會，不想讓她在一個對女性發展存在偏見與限制的環境中受限。但隨之而來的巨大代價，讓他們從家鄉的體面生活跌落到紐澤西州的貧民階層，全家擠在狹窄的房子裡。她的高中與大學生涯，不是在餐館打工、幫人遛狗，就是在自家經營的洗衣店忙碌，甚至還要為了一通昂貴的長途電話費發愁。
書中最觸動我的轉折，是她在普林斯頓與加州理工深造期間的抉擇。面對母親惡化的心臟衰竭與龐大的經濟壓力，她一度考慮放棄科學家的夢想，轉向頂尖公司麥肯錫領取高薪。然而，身患重病的媽媽卻展現了驚人的堅毅與遠見，一針見血地攔住了她：「我們走到這一步，不是讓妳現在放棄的。」這句話不僅保住了她的科學天職，也重新校準了她的北極星：讓機器學會解讀視覺世界。
追逐這顆北極星的過程充滿壓力。就像一位孤獨的創作者，李飛飛投入了大量資源與時間開發 ImageNet。當時的研究主流沉迷於改進算法，而她卻大膽假設：大數據才是實現機器學習的關鍵。為了建立人工標註 1,500 萬張圖片的巨大資料庫，她與團隊不僅遭遇 Google 封鎖、資金短缺等困難，還面臨學術界的冷落。在 2009 年的電腦視覺與模式辨識大會上，ImageNet 卻被降級為海報展示區，無法進入正式展廳。甚至是她的師爺吉滕德拉（Jitendra Malik）也曾私下告誡她：「科學是跟隨著妳一起成長，不要太超前。」他認為李飛飛在 ImageNet 這個想法上投入過多了，這甚至讓她懷疑自己是否誤導了指導學生鄧嘉。
ImageNet 在成功之前，曾被學術界視為「徒勞無功的體力勞動」與「過於超前的妄想」，不被理解的孤獨感與預算枯竭的壓力，貫穿她在開發資料庫的最黑暗時期。但最終透過 2012 年 AlexNet 的競賽勝利，證明了大數據是深度學習革命的土壤。
但我認為全書最溫暖的筆觸，發生在技術與人性的交界處。受媽媽長年臥病啟發，李飛飛將技術帶進了醫院，研發監測手部衛生與預防跌倒的系統。即便這項技術曾被質疑為員工監視系統，她卻堅持這是一項致力於提升病患尊嚴與保護生命的關懷。這也促使她找到下一顆北極星：以人為本的人工智慧，強調 AI 應當增強人類能力、尊重人性價值。
她認為，推動 AI 發展的動機必須是對人類和社會產生積極、正向影響，AI 的革命不能只追求技術上的顛覆，必須植根於人類奮鬥的基礎之上，始終牢記人類擁有無盡想像力的起源。AI 的指導原則應該是「提高人類的能力，而不是與人類競爭」。
身為 AI 發展初期的重要參與者，她也對當前技術的不可讀性與不透明性感到危機。隨著深度學習模型變得越來越龐大且複雜，模型內部的運作機制已如同黑盒，即使是頂尖科學家也難以完全理解機器具體的決策過程。
不透明性伴隨著算法偏見（例如白人、男性等）、隱私侵犯以及對社會結構的潛在衝擊。AI 研究資源正向擁有強大算力的科技巨頭傾斜，研究特權化可能導致決策被少數營利目標所左右。
當技術跑得比倫理快、算力跑得比人性快的時候，我們的錨點在哪裡？李飛飛從洗衣店少女到 AI 領軍人物的過程，其實是不斷在數據裡找回人的溫度。在這個過度迷信自動化與效率的當下，已經有許多人發現，越是使用 AI，可能反而增加工時。如果我們只看見運算結果，我們終究會在自己親手構築的科技迷霧中走失。
寫在最後的題外話：
這本書我讀到一半時，上網查了相關資訊，其中看到一則給一顆星的評論，我覺得挺荒謬的。
那個人抱怨書裡寫太多個人生活、沒給出 AI 未來的明確藍圖，甚至還拿一些標籤在那邊酸。我心裡就在想：這不是「自傳」嗎？不寫人生經歷要寫什麼？想看產業預測報告或技術白皮書，去查論文或看科技期刊不就好了，跑來讀自傳找答案，這視角打從一開始就跑偏了吧。
而且說要預測 AI 未來，這誰說得準？書裡也提到，ImageNet 推出到後來 AI 大爆發中間隔十年以上，科技超乎想像的演進，哪是誰坐在研究室就能拍板定論的？何況這書是在疫情期間寫的，以那時候的觀點來看現在，環境早就變了，妄想拿過時的預測來解讀才有問題吧。
他怪李飛飛大量講述個人生活經歷，就像去拉麵店怪老闆為什麼給麵不給飯。自傳最珍貴的本來就是看那個人是怎麼養成的，看她在洗衣店、在病床邊，怎麼從生存掙扎裡磨出那顆人生方向。放著這些活生生的血肉不看，只想要科學家給個精準預言，真的挺可惜的，完全錯過了這本書的價值。
