Fei-Fei Li gör datorseende mer klarsynt med ImageNet

När Fei-Fei Li kom med sin mor till USA, dit hennes far redan hade flyttat, var hon 16 år och kunde knappt någon engelska. Trots detta blev hon inom kort sina föräldrars tolk. I skolan var hon lika snabblärd och presterade väldigt bra inom matematik – trots att hennes miniräknare var begagnad och trasig.

Hennes akademiska resa tog henne till det anrika Princeton University, där hon studerade fysik och datavetenskap som huvudämnen. Hennes intresse för datavetenskap kombinerade hon senare med neurovetenskap på Caltech. Bandet mellan dessa två vetenskaper lade grunden för vad som skulle bli hennes största bidrag till AI-historien: ImageNet.

ImageNet lär datorer se

2009 grundade Fei-Fei Li ImageNet. Det är en databas av miljontals bilder som är uppdelade i tusentals olika kategorier med syftet att träna maskininlärningsalgoritmer i datorseende. Datorseende betyder att en dator kan tolka och förstå det visuella innehållet i digitala bilder.

År 2012, skedde den kanske mest betydelsefulla händelsen i ImageNets historia. Under den årliga tävlingen ImageNet Large Scale Visual Recognition Challenge (ILSVRC) presenterades djupinlärningssystemet AlexNet av Alex Krizhevsky, Ilya Sutskever och Geoffrey Hinton. Systemet använde ett så kallat djupt konvolutionellt neuralt nätverk (CNN) med specialutvecklade algoritmer för bildbehandling och objektidentifiering. Detta förbättrade noggrannheten i bildigenkänning dramatiskt jämfört med tidigare metoder.

AlexNet:s framgång markerade ett genombrott för djupa neurala nätverk och etablerade dem som den dominerande tekniken inom bildigenkänning.

ImageNet och dess inflytande på AI har varit en avgörande milstolpe inom datorseende och djupinlärning. Fei-Fei Li:s arbete med kopplingen mellan data- och neurovetenskap har inte bara drivit teknologin framåt utan har också inspirerat en ny generation av forskare att utveckla artificiell intelligens till där den är idag.