优先带着这类问题进入：当新技术刚冒头、叙事很大但工程现实很硬时，如何判断是否跟进。
Start with a live problem such as this: 当新技术刚冒头、叙事很大但工程现实很硬时，如何判断是否跟进。
AI 科学家 · 10 门系统课程
Technology Thinkers · 10 structured lessons
"AI 的终点不该离开人"
优先带着这类问题进入：当新技术刚冒头、叙事很大但工程现实很硬时，如何判断是否跟进。
Start with a live problem such as this: 当新技术刚冒头、叙事很大但工程现实很硬时，如何判断是否跟进。
训练你把 问题的底层约束是什么？ 变成稳定的判断起点。
Fei-Fei Li works as a bridge between frontier AI, scientific imagination, and a human-centered moral frame.
最终不是模仿 李飞飞，而是把 人本 AI, 视觉智能, 教育 迁移到你自己的业务和选择。
The transfer is not just better AI vocabulary. It is learning how to keep scientific ambition aligned with human consequence.
同领域建议接着对读：山姆·奥特曼、吴恩达、埃隆·马斯克。这样能看见同一问题在不同路径下的取舍差异。
After this course, compare with Sam Altman, Andrew Ng, Elon Musk. That contrast makes trade-offs inside the same domain easier to see.
前四课建立图谱与三根支柱，第 5 到 7 课把判断框架和工具箱拆开，第 8 到 10 课回到价值系统、可执行方法和个人行动整合。
The first four lessons build the map and three pillars. Lessons five to seven open up judgment order and tools. The final three return to values, operating method, and integration.
建立全局图谱
Build the whole map
一张可复述的总地图 A reusable map you can explain aloud抓第一根支柱
Study the first pillar
识别最重要的概念变量 Identify the most important conceptual variable抓第二根支柱
Study the second pillar
理解概念之间如何联动 Understand how the concepts interact抓第三根支柱
Study the third pillar
补齐这套系统的边界条件 Recover the boundary conditions of the system学会怎么判断
Learn how judgment is ordered
一套可迁移的决策顺序 A transferable order for decision-making看思想如何落地
See how the thinking lands in reality
把抽象原则映射到真实场景 Map abstract principles to real situations提炼可复用工具
Extract reusable tools
一组随时可调用的模型 A set of models you can call on quickly回到底层信念
Return to the base beliefs
分清原则与技巧的层级 Separate principles from techniques把理解变成动作
Turn understanding into action
一套 30 天可执行的方法 A 30-day executable method完成知识闭环
Close the knowledge loop
形成自己的行动版公式 Form your own action formula李飞飞先读自传与 ImageNet 论文，再读她关于 human-centered AI 的公开表达。她不是只讲技术，也不是只讲伦理，而是把两者放在同一张桌子上。
Start with the memoir and the ImageNet paper, then move into her human-centered AI talks. Fei-Fei Li is not only about technical progress or only about ethics; she forces both onto the same table.
最适合进入李飞飞科学路径和价值框架的一本书。
One of the best entry points into both her scientific path and moral frame.
理解现代计算机视觉数据基础设施的关键论文。
The key paper behind the data infrastructure of modern computer vision.
看她如何把技术进步与社会后果一起讨论。
Useful for how she puts technical progress and social consequence together.
如果你只读一本到位，这本兼具科学史与人物感。
If you read only one, this balances science history with personal voice.
适合补足其 human-centered AI 公共论述。
Good for her public articulation of human-centered AI.
帮助理解数据集、平台和学科转折。
Useful for context around datasets, platforms, and discipline shifts.
先把底层机制想清楚，再投入长期资源，而不是先追求表面热度
Lesson: 先把底层机制想清楚，再投入长期资源，而不是先追求表面热度
逐步把 人本 AI 变成可复用的方法，而不是一次性的成功故事 Outcome: 逐步把 人本 AI 变成可复用的方法，而不是一次性的成功故事真正难的是在约束里做减法，保住最重要的骨架
Lesson: 真正难的是在约束里做减法，保住最重要的骨架
通过围绕 视觉智能 的持续迭代，形成更稳定的优势 Outcome: 通过围绕 视觉智能 的持续迭代，形成更稳定的优势面对压力时先稳住判断框架，再决定行动优先级
Lesson: 面对压力时先稳住判断框架，再决定行动优先级
让 教育 成为长期能力，而不是只在危机时被动应付 Outcome: 让 教育 成为长期能力，而不是只在危机时被动应付