放弃华尔街的高薪offer，我后悔了吗？

因为学历内卷、现实焦虑等问题，如今经常听到“读书无用论”，认为学历与收入或晋升之间不一定有必然联系；在这个知识更新迭代极快的信息时代，所学知识会很快过时；读书无法真正解决现实问题，不能带来预期的经济回报。

当我们在问“读书还可以改变命运吗”时，我们在问什么？

我们在问，读书是否能为我们带来直接、实际的好处，让我们获得知识、提高技能、解决就业。我们在问，学习对我们的个人发展有益吗？可以帮助我们提高思维能力、塑造价值观、培养爱好、增强社交能力吗？

《我看见的世界》一书中，计算机科学家李飞飞用自己的真实经历给出了肯定的回答。

李飞飞自幼酷爱读书，在家人的鼓励下，自由追逐好奇心。全家移民美国后，因为英语达不到母语水平，她觉得每一节课都是英语课，厚重字典不离身。她有幸在高中遇到数学老师鲍勃·萨贝拉，他们全家对她关照有加，视如己出，让这位青春期女孩找到归属感。

在整个高中阶段，为了补贴家用，她都在中餐厅打工，在学校没课的时候，要从上午11点工作到晚上11点，每天12个小时，每小时2美元。她每周还去做家政服务员，有时会帮人遛狗。与此同时，她还保持了优异的学习成绩。高中毕业时，她拿到了普林斯顿大学全额奖学金，学习物理学。

大学时候，李飞飞家开了干洗店，她平时在学校读书，周末就回家帮忙。李飞飞对学业极为投入，书中写道，“每过一天，我就距离大学生活结束更近一步，我无法忍受因为错过学习宝贵知识的机会而深深懊悔，所以我尽可能把学习日程安排得满满当当，让自己沉浸在数学和物理学的知识海洋中。”

李飞飞后来进入加州理工学院攻读电子工程博士学位。她对求知充满热情，为自己的职业发展独辟蹊径，打造了包含数千万张高质量照片的ImageNet，为训练计算机的识别能力提供了完备丰富的数据集，极大助推了图像识别的发展，其本人成为当之无愧的AI教母。

她毕生追求学习和探索，从根本上改变了自己的人生轨迹。她漂洋过海，凭借追求知识、克服困难、勇于创新的可贵品质，在学术界、商界和政界发挥自己的影响力，在更辽阔的世界里展翅高飞。

她从中产到贫困、再从贫困重返中产的跌宕人生历程，正是 “读书改变命运” 的例证。

这个问题老生常谈，之所以被不断提及，是因为涉及性别平等、女性发展瓶颈、工作生活平衡等重要议题。

李飞飞的履历充满闪光点，她是美国国家工程院、国家医学院、艺术与科学院三院院士，斯坦福大学计算机科学系首任红杉讲席教授，斯坦福大学以人为本人工智能研究院（HAI）联合院长，前谷歌副总裁、谷歌云人工智能及机器学习首席科学家，被《时代》评为“百大AI影响力人物”。

而在个人生活层面，她是家中独女，需要在经济上和生活上照顾两个不会说英语的患病父母，“二十多年来，我们全家经历了太多次深夜惊魂和死里逃生，次数多到我都记不清了。我们在急诊室、重症监护室、手术室候诊室，还有医院的其他地方度过了生命中的一个又一个章节。”

她是两个孩子的妈妈，在幼儿园开家长会的时候，也会有同为家长的投资人过来攀谈人工智能的话题。

李飞飞在自传中的话也许可以总结大部分职场女性的心境： “生活往往是这样：为人妻、为人母，同时追求自己的事业，所有的责任似乎在一夜之间爆发。” 关于如何平衡，李飞飞没有刻意着墨，但却从几个细节中看到她如何安排个人生活和工作时间。

怀第一个孩子的时候，她的孕期反应很大，但她依然每天都盯着电脑办公，手机震动个不停，一直保持着高强度的工作状态。

2012年，在第二个孩子的哺乳期，李飞飞需要到佛罗伦萨出席自己主办的ImageNet挑战赛。为了尽早赶回家，她选择了一趟20小时的航班，唯一能休息的时间就是中途转机。

2018年，李飞飞去美国国会人工智能听证会作证，正值母亲生病住院，于是她在重症监护室外撰写了书面证词。还有一次带母亲急诊之后，她瘫坐在病房角落的塑料座椅上，“本能地打开笔记本电脑，有那么几分钟的时间，敲击键盘，全情投入工作。”

即使在孕期、哺乳期、家人生病等身心高度负荷的情况下，李飞飞仍然能利用零碎时间持续工作，展现了极强的时间管理能力。面对压力和任务，她能切换到专注状态，“兵来将挡、水来土掩”。 这种坚韧的品质和顽强的毅力,对于职场女性而言是非常宝贵的。

李飞飞的父母绝非传统中国父母，用她自己的话说，“父亲是迷失在成年人身份中的孩子，而母亲则是困囿于平庸生活的知识女性。”

她的父亲聪明爱玩，而母亲敏锐犀利，但两个人都充满好奇心，淡泊名利，藐视社会规范。他们对李飞飞的教育也不走寻常路，鼓励她无论周围有什么障碍，都要奋力超越现实，构想出更加广阔的未来。

中学阶段，李飞飞的老师找她的母亲来谈话，说飞飞虽然聪明，但没有用心准备期末考试，总是在看与学习无关的“闲书”，并表示，“智力只是成功的一个因素。另一个因素是要有纪律性，要把个人兴趣放到一边，专心学习对未来最有用的东西。”

听了老师这番话，母亲喃喃自语，“这是飞飞想要的吗？这是我对她的期望吗？”她感慨道，“可能我把你教得太好了，飞飞。”

“华尔街巨头？”

我意识到，她并不熟悉这些美国文化术语。

“就是股票、交易什么的。搞投资的。当然，还有很多东西要学，不过如果我真的下定决心，我觉得还是能学会的。”

“嗯。”她平淡地回答，“这是你想要的吗？”

“我的意思是⋯⋯光是薪水就足以改变我们的生活了，而且——”

“飞飞，这是你想要的吗？”

“你知道我想要什么，妈妈。我想成为一名科学家。”

“那还有什么好说的呢？”

在几次类似的关键节点，母亲都表现出同样的坚持，“（追求科学）从来就不是你一个人的路。从一开始，这就是我们全家的路。”母亲的支持让李飞飞对自己前行的道路充满坚定和执著。

尊重孩子的兴趣和追求，不以成绩和纪律性作为最高标准， 在关键时刻给与孩子选择的自由和信任，用爱和智慧来引导孩子，帮助孩子实现自我价值， 这也许是为人父母给孩子最好的礼物。

“局外人”是李飞飞个人身份的一个明显标签。 她是一个移民，经历了漫长的奋斗和挣扎，被各种纵横交错的文化鸿沟所束。英语是她的第二语言，但她每天大部分时间都必须用英语来交流；她是一名女性，而她所在的领域由男性主导。她的丈夫是意大利人，她感觉自己也是名誉意大利公民。

初到美国上高中时，她亲眼目睹同为移民的同学在学校因为轻微的身体摩擦而被两个美国男生暴打，这件事情对她产生了巨大的冲击，“一时间，我思绪万千，难以自持。一种强烈的共情冲击着我，让我感到一阵恶心，同时又觉得非常无助，有心无力。我被吓得六神无主，既因为地上的男孩，也因为我自己。”

用英语学习也给她造成了巨大障碍，每次作业都是艰难的挑战，几乎每句话都需要借助词典才能理解，所以她的速度总是非常慢，这让她极为痛苦，倍感挫败。

因为家里经济困难，她很长一段时间都使用坏掉的二手计算器，导致计算错误层出不穷，直到数学老师帮她发现了问题所在。

但恰恰是这些局限性，赋予了李飞飞独特的视角、生活经历和文化影响，帮助她加倍努力，以全新的眼光、丰沛的同理心和非常规的思维来处理问题。

她成为斯坦福大学人工实验室的首位女性主任，在计算机这个性别比例极其不平衡的行业奋力前行，她在自传中写道，“科学家的生活与移民的生活和冒险家的生活一样，对他们来说，‘家’从来都不是个明确的概念。最好的作品总是在边界上诞生，在那里，思想永远被困在来去之间，由陌生土地上的陌生人探索，既是局内人又是局外人。但这正是我们如此强大的原因。独特的身份让我们保持独特的视角，赋予我们自由挑战现状的能力。”

直面局限，拥抱现状，保持内在的好奇心，这些都是突破局限的关键所在。 这不仅适用于科学领域，也可以应用于各种跨界创新和自我超越的过程中。

李飞飞不认为AI会取代人类，相反，她认为AI应该在尊重人性、人文关怀的基础上,与人类充分融合协作，共同推动人类社会的进步和发展。

2018年，李飞飞以谷歌云首席人工智能科学家的身份在立法者面前作证，指出人类文明正处在一场科技革命的风口浪尖，人工智能革命将重塑我们的生活方式。她认为，“科技革命必须深深植根于人类奋斗的基础之上，必须尊重全球社会的集体尊严，必须始终牢记自身的起源，”她掷地有声地表示，“人工智能革命必须明确地以人为本。”

在李飞飞看来，人工智能是所有人共同承担的责任。她也坚信，在21世纪的人工智能技术探索中，人性和人文关怀扮演着核心角色。

她在书中指出，“硅谷的傲慢态度向来为外界所诟病……（对于那些）被先进技术取代了工作的人（出租车司机、长途卡车司机、装配线工人甚至放射科医生）的命运，商业领域的态度似乎介于半心半意的‘再培训’和几乎不加掩饰的漠不关心之间。”

对此，李飞飞表示，构建科技未来的智慧基石应该是尊重个人尊严，重视群体代表性的内在价值，相信人类努力的方向应该是由多数人的意志和利益引领。

她致力于研发真正可以协助医疗人员、保全患者隐私和尊严的环境智能系统，如今又投身“空间智能”的创业之中，希望打造观察、学习和行动之间的良性循环，训练计算机在三维世界行动，推动人工智能与人类空间互动，让机器人在尊重个人尊严和促进人类集体繁荣的同时，提高人类生产力，与人类共同打造更美好的世界。

为了让更多没有获得充分代表的群体接触人工智能领域，李飞飞还联合创立非营利教育组织AI4ALL，推动向处于高中阶段的女生、有色人种和其他未被充分代表的群体开放大学实验室，提高STEM（科学、技术、工程与数学）领域的包容性。

这种以人为本的AI发展理念，值得产业界和决策制定者认真对待、广泛学习。

人工智能的发展并非一帆风顺。 在上世纪90年代，人工智能的能力被淡化，研究人员转向了更加狭隘的领域，如决策、模式识别和自然语言处理（旨在理解人类的语言和文字）。

2006年，李飞飞认定了数据集的重要性。在她看来，对计算机视觉而言，如果以庞大的数据集来训练算法，那么算法就可以将丰富的视觉线索内化。让算法能够识别出任何东西的秘诀，就在于打造一个无所不包的数据训练集，让机器看到完整的世界，机器才能理解这个世界。

于是她致力于打造ImageNet。但这么庞大的数据集工程刚刚起步，就遭到了几乎所有人的一致反对，各种声音层出不穷。

你知道用这么多图像训练一个模型要花多长时间吗？飞飞，这个时间可是用“年”来计算的。

别人要怎么下载呢？你这个图像总量比大多数硬盘的存储量还要大。

具体怎么做，你有计划了吗？几百万张图谁来做标注？要花多长时间？怎么验证所有内容的准确性呢？