1.1 幼少期と中国での生活
李飛飛は1976年に中国北京市で生まれた。両親は知識人家庭であり、幼少期から読書と探求心を重視する環境で育った。小学校時代には数学と科学に強い興味を示し、教師からその才能を認められた。家庭では伝統的な中国文化と現代的な科学教育が融合しており、後の学際的な思考の基盤を形成した。
1.2 アメリカ移住と苦難
1992年、16歳の李飛飛は家族とともにアメリカ合衆国へ移住した。移住直後は経済的に困難な状況に直面し、英語の壁にも苦しんだ。両親は低賃金の仕事に就き、彼女自身も学校に通いながらレストランでのアルバイトなどで家計を支えた。しかし、こうした経験は強い忍耐力と目標達成への執着を育むこととなった。
1.3 大学時代と研究への目覚め
1.3.1 プリンストン大学での学び
1995年にプリンストン大学に入学し、物理学を専攻。しかし、学部後期には計算論的神経科学に強い関心を持ち始め、知能の本質を数理的に解明したいという欲求が芽生えた。卒業論文では視覚皮質のモデル化に関する研究を行い、その成果が後のコンピュータビジョンへの道を開いた。
1.3.2 カリフォルニア工科大学での博士研究
2000年からカリフォルニア工科大学（Caltech）で博士課程に進学し、計算論的神経科学とコンピュータビジョンの境界領域を探求した。ピエトロ・ペローナ教授の指導の下、自然画像の統計的特徴と人間の視覚認識の関係を研究。2005年に博士号を取得し、学位論文では「視覚認識のための学習可能な表現」を提案した。
2.1 初期の研究職
2.1.1 イリノイ大学アーバナ・シャンペーン校（2007–2009）
博士号取得後、イリノイ大学アーバナ・シャンペーン校で助教授として教鞭を執った。ここでコンピュータビジョンと機械学習の統合的研究を本格化させ、特に大規模画像データを活用した認識手法の可能性に着目した。在任中、後のImageNet構想の基礎となるアイデアを練り上げた。
2.1.2 スタンフォード大学准教授就任（2009）
2009年、スタンフォード大学のコンピュータサイエンス学科に准教授として迎えられた。この異動により、より広範な研究リソースと優秀な学生へのアクセスが可能となり、ImageNetプロジェクトを具体化する環境が整った。
2.2 ImageNetプロジェクト
2.2.1 ImageNetデータセットの構想と構築
李飛飛は、当時のコンピュータビジョン研究が小規模かつ限定されたデータセットに依存している問題を痛感していた。そこで、WordNetの語彙体系を活用し、約1500万枚の画像を2万2000以上のカテゴリに分類する大規模データセットImageNetの構築を開始。クラウドソーシングを活用してアノテーションを行い、2009年に初版を公開した。
2.2.2 大規模画像認識チャレンジ（ILSVRC）
2010年から、ImageNetをベースとした大規模画像認識チャレンジ（ILSVRC）を毎年開催。参加チームは1000カテゴリ、約120万枚の訓練画像を用いて画像分類の精度を競った。このコンペティションはコンピュータビジョン研究のベンチマークとして急速に標準化された。
2.2.3 AlexNet以降の深層学習革命への影響
2012年、ILSVRCにおいてAlexNet（アレックス・クリジェフスキーら）が従来手法を大きく凌駕する性能を達成。このブレークスルーは、ImageNetの大規模データを活用した深層学習の威力を世界に示し、その後数年間で深層学習がAI全体を変革する原動力となった。李飛飛はこの成功の基盤を提供した功績で広く認知される。
2.3 スタンフォードAI研究所（SAIL）所長
2013年から2018年まで、スタンフォードAI研究所（SAIL）の所長を務めた。在任中、AI研究の学際的展開を推進し、コンピュータビジョン以外にも自然言語処理、ロボティクス、ヘルスケアAIなどへ研究範囲を拡大。さらに、業界との連携強化やスタートアップ支援にも尽力した。
2.4 スタンフォードHAIの共同設立
2.4.1 人間中心AIの理念
2019年、李飛飛はスタンフォード大学内に「人間中心AI研究所（HAI）」を共同設立。AI技術の進歩を人間の福利と社会の持続可能性に結びつけることを目的とし、技術開発だけでなく政策、倫理、人文科学との融合を重視する理念を掲げた。
2.4.2 政策・倫理への関与
HAIでは、AIの公平性、透明性、説明責任に関する研究を推進し、米国連邦政府や国際機関への政策提言も行っている。李飛飛は自身も米国国家AI安全委員会の委員として、責任あるAI開発のためのガイドライン策定に貢献した。
3.1 コンピュータビジョン
3.1.1 画像認識と物体検出
ImageNet以前から、李飛飛は自然画像における物体認識のための特徴学習手法を研究。特に、教師なし学習を用いた中間表現の獲得や、少数サンプルからの一般化手法に重要な貢献をした。これらの研究は後の深層学習ベースの物体検出モデルの基盤を提供した。
3.1.2 シーン理解と画像キャプショニング
物体認識を超えて、画像全体の意味を理解するシーン認識と、画像から自然な文章を生成する画像キャプショニングの分野でも先駆的研究を発表。特に、再帰型ニューラルネットワークと畳み込みニューラルネットワークを組み合わせたモデルは、後のマルチモーダルAI研究の標準となった。
3.2 機械学習とデータセット設計
3.2.1 ImageNetの設計哲学
ImageNetは単なる大規模データセットではなく、階層的なカテゴリ構造、多様な視点と照明条件、そして現実世界の分布を反映したバランス設計が特長。李飛飛は「データはアルゴリズムと同等に重要」という哲学を明確に打ち出し、データ中心のAI研究の先駆けとなった。
3.2.2 大規模データの影響とバイアス問題
ImageNetがもたらした恩恵と同時に、データセットに内在する文化的・社会的バイアスについても積極的に議論。特に、人種や性別に関する偏りがAIモデルに悪影響を及ぼす可能性を指摘し、より公平なデータ収集・アノテーション手法の必要性を提起した。
3.3 AI倫理と社会的影響
3.3.1 包括的AI開発の提唱
李飛飛は、AI研究者コミュニティにおける多様性の不足を問題視し、女性やマイノリティの参加促進、そしてAI教育の民主化を訴える活動を継続。スタンフォードHAIでは、AIの社会的影響を評価する指標の開発にも取り組んでいる。
3.3.2 医療・ヘルスケアへの応用
コンピュータビジョン技術を医療画像診断に応用する研究も推進。特に、深層学習を用いた胸部X線画像からの疾患検出や、手術ビデオの自動解析など、臨床現場での実用化に貢献。これらの応用はAI技術の社会的価値を具体的に示すものとなった。
4.1 主要学術賞
4.1.1 ACMフェロー・AAAIフェロー
ImageNet及びコンピュータビジョンへの貢献により、ACM（Association for Computing Machinery）およびAAAI（Association for the Advancement of Artificial Intelligence）からフェロー称号を授与された。
4.1.2 スローン研究フェローシップ
2011年、早期キャリア研究者に贈られるスローン研究フェローシップを受賞。この賞はその斬新な研究構想と将来性を評価するものである。
4.2 公共認知の賞
4.2.1 タイム誌「AI分野の100人」選出
タイム誌が選ぶ「AI分野で最も影響力のある100人」に名を連ね、その革新性と社会的影響力を広く認められた。
4.2.2 フォーブス「パワーウーマン」リスト
フォーブス誌の「世界で最も影響力のある女性」（パワーウーマン）リストに掲載。特にテクノロジー分野におけるリーダーシップが評価された。
5.1 家族との絆（両親と介護経験）
李飛飛は両親と非常に強い絆を持ち、特に母親の介護経験が彼女の人生観と研究姿勢に深く影響した。母親の病気をきっかけに医療AIへの関心を強め、AI技術が現実の人間の苦しみを軽減できるという信念を形成した。
5.2 科学普及と教育への情熱
スタンフォード大学で人気講義「CS231n: Convolutional Neural Networks for Visual Recognition」を開講し、多くの学生に深層学習の基礎を教授。また、一般向けの講演やTED Talksなどを通じて、AIリテラシーの普及に積極的に貢献している。
5.3 ネットコミュニティでの軽妙な逸話（例：学生時代のバイト体験、AI研究者としてのユーモア）
学生時代、李飛飛はクリーニング店や中華料理店でアルバイトをしながら学業を続けた。その後、AI研究者としてのキャリアを築いた後も、当時の経験を「機械も人間も、一つ一つのデータを丁寧に扱うことが大事だ」とユーモアを交えて語ることがある。また、ImageNetプロジェクトの初期段階では、アノテーション作業の品質管理に困り、自ら何千枚もの画像を分類した逸話が知られる。学会の質疑応答では、時折ジョークを交えて聴衆の緊張をほぐすなど、温かみのある人柄で親しまれている。