← 返回李飞飞课程目录
ZH + EN
中文
EN
课程定位
Lesson role
看思想如何落地
See how the thinking lands in reality
把抽象原则映射到真实场景
Map abstract principles to real situations
关键追问
Key opening question
问题的底层约束是什么？
How do we expand technical capability without losing sight of the human being the system is supposed to serve?
这是 李飞飞 在复杂问题前会先回到的起点。
This is the question Fei-Fei Li would return to before rushing into action.
底层支柱
Core pillars
人本 AI / 视觉智能 / 教育
human-centered AI / vision intelligence / education
课程内容始终围绕这三根支柱组织，而不是零散知识点。
The lesson is organized around these three pillars rather than isolated quotations.
本课解决什么问题 What this lesson solves 案例课不追求背历史，而是训练你看到：李飞飞 在真实局面里到底怎样把原则落地。下面三个场景，分别对应高压、模糊和资源有限时的应用方式。
The cases matter because Fei-Fei Li's work shows how technical platforms and human-centered framing can be built together. Use the cases to inspect what stays stable when pressure, ambiguity, or limited resources force prioritization.
李飞飞的三个关键实践案例。案例一：先把底层机制想清楚，再投入长期资源，而不是先追求表面热度。案例二：真正难的是在约束里做减法，保住最重要的骨架。案例三：面对压力时先稳住判断框架，再决定行动优先级。这些案例展示了思想如何在真实世界中落地。
Cases are the reality test for the curriculum. If the principles disappear under pressure, they were never really learned.
场景一
Why the cases matter
当新技术刚冒头、叙事很大但工程现实很硬时，如何判断是否跟进。 在这种局面里，李飞飞 不会先求全面，而会先守住最关键的结构。
The cases matter because Fei-Fei Li's work shows how technical platforms and human-centered framing can be built together.
场景二
What to watch for
当产品增长依赖平台红利时，怎么判断红利是不是快结束了。 这时重要的不是热度，而是识别哪个变量会在 12 个月后反噬你。
Track what the thinker protects first when the environment becomes noisy or constrained.
场景三
What you are extracting
当团队被功能堆砌拖慢时，如何回到底层技术与分发主线。 真正的差距通常来自下注顺序，而不是动作数量。
You are not collecting stories. You are extracting reusable judgment moves.
判断清单 Judgment checklist 案例的意义不是替你决定，而是帮你看到 李飞飞 的原则在什么压力下仍然成立。 A case is valuable only if you can recover the structure underneath the outcome. 把案例拆成“问题定义、约束识别、动作选择”三步，你就能迁移到自己的环境里。 Pay attention to what was protected, delayed, or refused under pressure. 如果你只记故事，不抽出结构，案例就只会变成谈资。 Good case-reading turns biography into decision pattern. 高质量案例复盘，最后一定要落到“我以后会怎么做得不同”。 Always finish by asking what changes in your own work after the case.
应用场景 1
Use case 1
当新技术刚冒头、叙事很大但工程现实很硬时，如何判断是否跟进。
Translate the framework into a live operating situation and inspect the constraint before moving.
应用场景 2
Use case 2
当产品增长依赖平台红利时，怎么判断红利是不是快结束了。
Translate the framework into a live operating situation and inspect the constraint before moving.
应用场景 3
Use case 3
当团队被功能堆砌拖慢时，如何回到底层技术与分发主线。
Translate the framework into a live operating situation and inspect the constraint before moving.
常见误区 Common misreads 把案例当成模板照搬，忽略自己的约束条件和资源差异。 Copying the visible move without checking whether your constraints match. 只看结果，不看当时为何这样排序。 Reading a success story as luck instead of structure and sequence. 把成功故事理解成运气，而非一套可重复的判断动作。 Remembering the anecdote but not the governing principle.
Reference Shelf
李飞飞 的原典与书单 Primary texts and reading shelf for Fei-Fei Li
这节课建议优先以 李飞飞 的原典、公开记录和权威书单为准，再回来看本课的判断结构。
Treat these texts as the trusted shelf for Fei-Fei Li. Start with the primary record, then return to the lesson structure.
原典与公开记录 Primary texts and public record
原典 / 一手记录
Primary text / public record
The Worlds I See
Fei-Fei Li · memoir
最适合进入李飞飞科学路径和价值框架的一本书。
One of the best entry points into both her scientific path and moral frame.
原典 / 一手记录
Primary text / public record
ImageNet: A Large-Scale Hierarchical Image Database
Jia Deng et al. with Fei-Fei Li · CVPR 2009
理解现代计算机视觉数据基础设施的关键论文。
The key paper behind the data infrastructure of modern computer vision.
原典 / 一手记录
Primary text / public record
Human-Centered AI Talks and HAI Lectures
Fei-Fei Li · public talks
看她如何把技术进步与社会后果一起讨论。
Useful for how she puts technical progress and social consequence together.
核心书单与研究入口 Core reading shelf
核心书单 / 研究入口
Core reading / study entry
The Worlds I See
Fei-Fei Li · memoir
如果你只读一本到位，这本兼具科学史与人物感。
If you read only one, this balances science history with personal voice.
核心书单 / 研究入口
Core reading / study entry
Stanford HAI Public Essays
Fei-Fei Li · essay archive
适合补足其 human-centered AI 公共论述。
Good for her public articulation of human-centered AI.
核心书单 / 研究入口
Core reading / study entry
ImageNet Retrospectives and Interviews
Fei-Fei Li · interviews
帮助理解数据集、平台和学科转折。
Useful for context around datasets, platforms, and discipline shifts.
李飞飞 围绕 人本 AI 的代表性实践
先把底层机制想清楚，再投入长期资源，而不是先追求表面热度
Lesson: 先把底层机制想清楚，再投入长期资源，而不是先追求表面热度
逐步把 人本 AI 变成可复用的方法，而不是一次性的成功故事
Outcome: 逐步把 人本 AI 变成可复用的方法，而不是一次性的成功故事
李飞飞 在 视觉智能 上的关键取舍
真正难的是在约束里做减法，保住最重要的骨架
Lesson: 真正难的是在约束里做减法，保住最重要的骨架
通过围绕 视觉智能 的持续迭代，形成更稳定的优势
Outcome: 通过围绕 视觉智能 的持续迭代，形成更稳定的优势
李飞飞 处理 教育 压力情境的方式
面对压力时先稳住判断框架，再决定行动优先级
Lesson: 面对压力时先稳住判断框架，再决定行动优先级
让 教育 成为长期能力，而不是只在危机时被动应付
Outcome: 让 教育 成为长期能力，而不是只在危机时被动应付
证据锚点 Evidence anchors 问题的底层约束是什么？ Verification path: 问题的底层约束是什么？ 现有方案里哪部分只是历史包袱？ Verification path: 现有方案里哪部分只是历史包袱？ 如果把 人本 AI 作为核心变量，现在最容易被忽视的约束是什么？ Verification path: 如果把 人本 AI 作为核心变量，现在最容易被忽视的约束是什么？ 围绕 视觉智能 应该做减法还是加法？ Verification path: 围绕 视觉智能 应该做减法还是加法？ 什么结果能在 6-12 个月内证明 教育 的判断是对的？ Verification path: 什么结果能在 6-12 个月内证明 教育 的判断是对的？
价值与原则 Values and principles 第一性原理：回到底层约束重新设计方案 Core value: 第一性原理：回到底层约束重新设计方案 系统思维：产品、模型、算力和分发必须一起优化 Core value: 系统思维：产品、模型、算力和分发必须一起优化 高速迭代：尽快验证，尽快纠错，尽快放大有效路径 Core value: 高速迭代：尽快验证，尽快纠错，尽快放大有效路径 聚焦 人本 AI：围绕这个主题做长期积累，而不是追逐短期情绪 Core value: 聚焦 人本 AI：围绕这个主题做长期积累，而不是追逐短期情绪 聚焦 视觉智能：围绕这个主题做长期积累，而不是追逐短期情绪 Core value: 聚焦 视觉智能：围绕这个主题做长期积累，而不是追逐短期情绪
关键立场 Core positions AI：AI 的价值来自真实场景落地，而不是演示效果 AI: AI 的价值来自真实场景落地，而不是演示效果 产品：技术领先只有被用户频繁使用时才算优势 产品: 技术领先只有被用户频繁使用时才算优势 组织：高密度人才和高带宽沟通比流程堆叠更重要 组织: 高密度人才和高带宽沟通比流程堆叠更重要 重点议题：先抓住 人本 AI 的第一关键变量，再讨论表达方式和执行顺序 重点议题: 先抓住 人本 AI 的第一关键变量，再讨论表达方式和执行顺序 方法论：把 视觉智能 变成稳定机制，而不是只靠一次性灵感 方法论: 把 视觉智能 变成稳定机制，而不是只靠一次性灵感
一句话记住 Memory line 案例课的重点不是抄答案，而是看清 李飞飞 在压力下如何仍然守住原则排序。
Remember the operating sentence, not just the quote. The lesson works only when it changes how you order attention.
课后动作 Next actions 从三个场景里挑一个最像你现状的，把对应做法改写成自己的版本。 Pick the case closest to your current pressure pattern and rewrite it in your own operating language. 如果你团队正在争论，试着先说清楚你们目前属于哪一种压力场景。 State what the thinker would likely protect first in your current situation and why. 复盘最近一个失误：如果当时用这节课的结构，会不会更早发现真正问题。 Write one decision rule that survives even if the surface details differ.
研讨题 Seminar prompts 案例里最值得学习的不是结果，而是哪一个被优先守住的变量？ In the cases, what matters most is not the result but which variable was protected first. Which one was it? 把“当产品增长依赖平台红利时，怎么判断红利是不是快结束了。”当成真实处境时，你会先看哪个约束？ If you treat '当产品增长依赖平台红利时，怎么判断红利是不是快结束了。' as a live situation, which constraint would you inspect first? 如果你只能迁移案例中的一个动作到自己的工作中，会选哪一个？ If you could transfer only one move from the case into your own work, which move would you keep?
7 天训练 7-day drill 接下来 7 天，把本课的焦点放进一个真实问题里。每天只做一件小事：围绕“问题的底层约束是什么？”记录一次判断，说明你先看了什么、忽略了什么、以及如果重来一次你会怎么调整顺序。
For the next 7 days, run this lesson inside one real problem. Each day, log one decision through the opening question: How do we expand technical capability without losing sight of the human being the system is supposed to serve? and note what you examined first, what you ignored, and what sequence you would change on the next pass.