لی فیفی، دانشمند کامپیوتر، در سال ۱۹۷۶ در یک خانواده روشنفکر ثروتمند در سیچوان (چین) متولد شد. در سال ۱۹۹۲، در سن ۱۶ سالگی، او و خانواده‌اش به ایالات متحده مهاجرت کردند. در آنجا، زندگی آنها بسیار دشوار بود، حتی به بدترین وضعیت ممکن. در آن زمان، نه تنها والدینش برای امرار معاش سر کار می‌رفتند، بلکه خود او نیز مجبور بود به مدرسه برود و به عنوان پیشخدمت کار کند.

برای کمک به خانواده‌اش، در روزهایی که مدرسه نمی‌رود، لی فی فی پاره وقت کار می‌کند. شغل او سرایداری در یک رستوران چینی است، ۱۲ ساعت در روز، از ساعت ۱۱ صبح تا ۱۱ شب، با حقوق ۲ دلار در ساعت.

وقتی فی فی برای اولین بار به آمریکا آمد، علاوه بر مشکلات مالی خانواده‌اش، با مشکل خوب نبودن زبان انگلیسی نیز روبرو بود. در حالی که در چین، تحصیل او مایه افتخار خانواده‌اش بود، وقتی به آمریکا آمد، عملکرد تحصیلی‌اش به شدت افت کرد.

خوشبختانه، فقط دروس ریاضی و فیزیک او تحت تأثیر قرار نگرفت. برای پرداخت شهریه سه سال دبیرستان فی فی، والدینش مجبور بودند شبانه‌روز نیروی کار خود را بفروشند. بنابراین اکنون، او قصد دارد برای ادامه تحصیل به دانشگاه درخواست دهد.

با این حال، با تشویق معلمان و دوستانش، فی فی مصمم شد که با نمره نسبتاً خوبی در آزمون SAT شرکت کند. این موفقیت به او کمک کرد تا در سال ۱۹۹۵ بورسیه کامل دانشگاه پرینستون را دریافت کند. در سال ۱۹۹۹، او با مدرک لیسانس فیزیک با رتبه عالی فارغ التحصیل شد. در طول دوران تحصیل در دانشگاه، او همچنین در دو رشته علوم کامپیوتر و مهندسی تحصیل کرد.

۴۸۵۰۸۴۱۰۳_۱۸۷۳۶۸۰۳۷۶۷۰۳۴۲۷_۳۸۹۹۰۲۹۶۷۸۹۰۲۲۰۱۱۳_n.png
استاد برجسته علوم کامپیوتر جهان امروز - لی فی فی. عکس: بایدو

برای دنبال کردن حرفه ای در تحقیقات پیشرفته، در سال ۲۰۰۰، او برای شروع برنامه تحصیلات تکمیلی خود به موسسه فناوری کالیفرنیا (ایالات متحده آمریکا) رفت. در سال ۲۰۰۵، او با مدرک دکترای مهندسی برق فارغ التحصیل شد. در طول این تحصیل، او سهم مهمی در یادگیری تک مرحله ای (One-Shot Learning) داشت. این تکنیکی است که می تواند بر اساس حداقل داده ها پیش بینی کند، که برای بینایی کامپیوتر و پردازش زبان طبیعی بسیار مهم است.

یکی از بزرگترین مشارکت‌های او در سال ۲۰۰۶ بود، زمانی که ImageNet را آغاز و توسعه داد، یک پایگاه داده عظیم از میلیون‌ها تصویر برچسب‌گذاری شده که «چشمان هوش مصنوعی» محسوب می‌شود. ImageNet ابزاری مهم برای آموزش مدل‌های یادگیری عمیق است که امروزه نقش محوری در توسعه هوش مصنوعی ایفا می‌کنند.

به موازات توسعه ImageNet، او همچنین در دانشکده مهندسی برق دانشگاه ایلینوی (ایالات متحده آمریکا) تدریس می‌کرد. از سال ۲۰۰۷ تا ۲۰۰۹، او در دانشگاه پرینستون به عنوان مدرس در دانشکده علوم کامپیوتر مشغول به کار بود. در اوت ۲۰۰۹، او به عنوان استادیار به دانشگاه استنفورد پیوست و سپس در سال ۲۰۱۸ به مقام استادی رسید.

پیش از استاد شدن، از سال ۲۰۱۳ تا ۲۰۱۸، او همچنین سمت مدیر آزمایشگاه هوش مصنوعی در دانشگاه استنفورد را بر عهده داشت. از ژانویه ۲۰۱۷ تا سپتامبر ۲۰۱۸، او همچنین به عنوان معاون رئیس و دانشمند ارشد هوش مصنوعی/یادگیری ماشین در گوگل کلود خدمت کرد.

در این مدت، علاوه بر تدریس و کارهای اداری، او بر پروژه Maven - پروژه‌ای برای توسعه تکنیک‌های هوش مصنوعی برای تفسیر تصاویر گرفته شده توسط پهپادها - تمرکز کرد. او از توسعه سیستم‌های بینایی که ماشین‌ها را قادر به درک هوش مصنوعی در سطح عمیق‌تری می‌کنند، حمایت کرد. تحقیقات او در زمینه بینایی کامپیوتر انقلابی است و در خودروهای خودران به کار گرفته شده است.

در سال ۲۰۱۹، او به عنوان مدیر مشترک موسسه هوش مصنوعی انسان‌محور استنفورد (Stanford HAI) به دانشگاه استنفورد بازگشت. امروزه، کار او در دانشگاه استنفورد بر پیشبرد تحقیقات، آموزش ، سیاست‌گذاری و عمل در حوزه هوش مصنوعی متمرکز است.

طبق گزارش QQ News ، در اوایل فوریه، او و محققانی از دانشگاه استنفورد و دانشگاه واشنگتن با موفقیت مدل استنتاج هوش مصنوعی S1 را با هزینه‌های محاسبات ابری کمتر از ۵۰ دلار مستقر کردند. عملکرد این مدل در آزمون‌های ریاضی و توانایی کدنویسی با نسخه‌های هوش مصنوعی O1 شرکت OpenAI و R1 شرکت DeepSeek برابری کرد.

در حال حاضر، تیم تحقیقاتی پروفسور لی فیفی در حال ارائه یک چارچوب یکپارچه است که می‌تواند کارهای خانه را انجام دهد، که به عنوان "جعبه ابزار ربات رفتاری" نیز شناخته می‌شود. این جعبه ابزار به ربات‌ها اجازه می‌دهد تا کارهای روزمره، از بیرون بردن زباله و تمیز کردن لباس گرفته تا تمیز کردن توالت را انجام دهند.

پس از ۸ سال تحصیل در خارج از کشور، استاد امنیت سایبری در سن ۳۰ سالگی برای مشارکت به خانه بازگشت چین - پس از ۸ سال تحصیل و کار در خارج از کشور، در اواسط ماه مارس، پروفسور تریو مانگ تصمیم گرفت در سن ۳۰ سالگی برای مشارکت به خانه بازگردد.