La científica informática Li Feifei nació en 1976 en el seno de una familia intelectual adinerada de Sichuan, China. En 1992, a los 16 años, emigró con su familia a Estados Unidos. Allí, su vida fue extremadamente difícil, llegando incluso a tocar fondo. En aquella época, no solo sus padres tuvieron que trabajar para ganarse la vida, sino que ella también tuvo que estudiar y trabajar de camarera.
Para ayudar a su familia, cuando no va a la escuela, Ly Phi Phi trabaja a tiempo parcial como conserje en un restaurante chino, 12 horas al día, de 11:00 a 23:00, por 2 dólares la hora.
Cuando llegó a Estados Unidos, además de las dificultades económicas de su familia, Phi Phi también se enfrentó al problema de no ser buena con el inglés. Si bien en China su educación era el orgullo de su familia, al llegar a Estados Unidos, su rendimiento académico se desplomó.
Por suerte, solo sus asignaturas de Matemáticas y Física no se vieron afectadas. Para pagar la matrícula de Phi Phi durante los tres años de preparatoria, sus padres tuvieron que trabajar a destajo. Así que ahora, planea solicitar ingreso a la universidad para terminar sus estudios.
Sin embargo, con el apoyo de sus profesores y amigos, Phi Phi estaba decidida a presentar el SAT y obtuvo una buena puntuación. Este logro le valió una beca completa para la Universidad de Princeton en 1995. En 1999, se graduó con honores como licenciada en Física. Durante sus estudios universitarios, también cursó una doble especialización en Informática e Ingeniería.
Para desarrollar una carrera en investigación avanzada, en el año 2000, ingresó en el Instituto Tecnológico de California (EE. UU.) para iniciar su programa de posgrado. En 2005, se graduó con un doctorado en Ingeniería Eléctrica. Durante este estudio, realizó importantes contribuciones al aprendizaje de una sola muestra (One-Shot Learning). Esta técnica permite realizar predicciones basadas en datos mínimos, lo cual es fundamental para la visión artificial y el procesamiento del lenguaje natural.
Una de sus mayores contribuciones se produjo en 2006, cuando creó y desarrolló ImageNet, una enorme base de datos de millones de imágenes etiquetadas, considerada la "base de datos de la IA". ImageNet es una herramienta clave para el entrenamiento de modelos de aprendizaje profundo, que desempeñan un papel fundamental en el desarrollo de la inteligencia artificial actual.
Paralelamente al desarrollo de ImageNet, también impartió docencia en el Departamento de Ingeniería Eléctrica de la Universidad de Illinois (EE. UU.). De 2007 a 2009, trabajó en la Universidad de Princeton como profesora del Departamento de Informática. En agosto de 2009, se incorporó a la Universidad de Stanford como profesora adjunta y, posteriormente, se incorporó como catedrática en 2018.
Antes de convertirse en profesora, de 2013 a 2018, fue directora del Laboratorio de IA de la Universidad de Stanford. De enero de 2017 a septiembre de 2018, también fue vicepresidenta y jefa científica de IA/Aprendizaje Automático en Google Cloud.
Durante este tiempo, además de su labor docente y administrativa, se centró en el Proyecto Maven, un proyecto para desarrollar técnicas de IA que permitan interpretar imágenes tomadas por drones. Apoyó el desarrollo de sistemas de visión que permiten a las máquinas comprender la IA a un nivel más profundo. Su investigación en visión artificial es revolucionaria y se aplica a los vehículos autónomos.
En 2019, regresó a la Universidad de Stanford como codirectora del Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano (Stanford HAI). Actualmente, su trabajo en la Universidad de Stanford se centra en impulsar la investigación, la educación , las políticas y la práctica de la IA.
Según QQ News , a principios de febrero, ella e investigadores de la Universidad de Stanford y la Universidad de Washington implementaron con éxito el modelo de inferencia de IA S1 con un coste de computación en la nube inferior a 50 $. El rendimiento del modelo en pruebas de matemáticas y programación fue comparable al de las versiones O1 de OpenAI y R1 de DeepSeek.
Actualmente, el equipo de investigación del profesor Li Feifei está proponiendo un marco integrado que puede realizar tareas domésticas, también conocido como "Kit de Herramientas para Robots Conductuales". Este permite a los robots realizar tareas cotidianas, desde sacar la basura y lavar la ropa hasta limpiar el inodoro.
Fuente: https://vietnamnet.vn/profesor-nha-khoa-hoc-hang-dau-the-gioi-ve-ai-di-len-tu-rua-bat-thue-2384294.html
Kommentar (0)