Reine de la technologie, la plus grande scientifique du monde a commencé comme plongeuse

L’informaticien Li Feifei est né en 1976 dans une riche famille intellectuelle du Sichuan (Chine). En 1992, à l’âge de 16 ans, elle et sa famille ont immigré aux États-Unis. Ici, leur vie est extrêmement difficile, atteignant même le fond. À cette époque, non seulement ses parents travaillaient pour gagner leur vie, mais elle aussi devait aller à l’école et travailler comme serveuse.

Pour aider sa famille, Ly Phi Phi fait des petits boulots supplémentaires les jours où elle ne va pas à l’école. Son travail consiste à être concierge dans un restaurant chinois, 12 heures par jour, de 11h à 23h, pour 2 dollars de l’heure.

Lorsqu’elle est arrivée en Amérique, en plus des difficultés financières de sa famille, Phi Phi a également dû faire face au problème de ne pas être bonne en anglais. En Chine, son éducation était la fierté de sa famille, mais lorsqu’elle est arrivée en Amérique, ses résultats scolaires ont chuté.

Heureusement, seules ses matières de mathématiques et de physique n’ont pas été affectées. Pour avoir de l’argent pour payer les frais de scolarité de Phi Phi pendant 3 ans de lycée, ses parents ont dû vendre leur travail jour et nuit. Elle a donc désormais l’intention de postuler à l’université pour terminer ses études.

Cependant, avec les encouragements de ses professeurs et de ses amis, Phi Phi était déterminé à passer le SAT avec un score relativement bon. Cette réussite lui a permis d’obtenir une bourse complète à l’Université de Princeton en 1995. En 1999, elle a obtenu une licence en physique avec mention. Au cours de ses années d’université, elle a également poursuivi une double spécialisation en informatique et en ingénierie.

Pour poursuivre une carrière dans la recherche, elle se rend en 2000 au California Institute of Technology (USA) pour commencer son programme de troisième cycle. En 2005, elle obtient un doctorat en génie électrique. Au cours de ses études, elle a apporté d’importantes contributions à la technique d’apprentissage en une seule fois. Il s’agit d’une technique permettant de faire des prédictions basées sur un minimum de données, ce qui est important pour la vision par ordinateur et le traitement du langage naturel.

L’une de ses plus grandes contributions a eu lieu en 2006, lorsqu’elle a lancé et développé ImageNet, une base de données massive de millions d’images étiquetées, considérées comme les « yeux de l’IA ». ImageNet est un outil important pour la formation de modèles d’apprentissage en profondeur, jouant un rôle central dans le développement de l’intelligence artificielle aujourd’hui.

Parallèlement au développement d’ImageNet, elle a également enseigné au Département de génie électrique de l’Université de l’Illinois (États-Unis). De 2007 à 2009, elle a travaillé à l’Université de Princeton en tant que chargée de cours au département d’informatique. En août 2009, elle rejoint l’Université de Stanford en tant que professeure adjointe, devenant professeure en 2018.

Avant de devenir professeure, de 2013 à 2018, elle a également occupé le poste de directrice du laboratoire d’IA de l’université de Stanford. De janvier 2017 à septembre 2018, elle a également occupé le poste de vice-présidente et scientifique en chef de l’IA/Machine Learning chez Google Cloud.

Durant cette période, en plus de l’enseignement et du travail de gestion, elle s’est également concentrée sur le projet Maven – un projet visant à développer des techniques d’IA pour interpréter les images prises à partir de drones (véhicules aériens sans pilote). Elle a contribué à développer des systèmes de vision qui permettent aux machines de comprendre l’IA à un niveau plus profond. Ses recherches en vision par ordinateur sont révolutionnaires et ont des applications dans les voitures autonomes.

En 2019, elle est revenue à l’Université de Stanford en tant que codirectrice du Stanford Institute for Human-Centered Artificial Intelligence (Stanford HAI). Aujourd’hui, son travail à l’Université de Stanford se concentre sur l’avancement de la recherche, de l’éducation, des politiques et des pratiques en matière d’IA.

Selon QQ News, début février, elle et des chercheurs de l’Université de Stanford et de l’Université de Washington ont déployé avec succès le modèle d’inférence S1 AI avec des coûts de cloud computing inférieurs à 50 $. Les performances du modèle aux tests d’aptitude mathématique et de codage ont été évaluées à égalité avec les versions O1 d’OpenAI et R1 AI de DeepSeek.

Actuellement, l’équipe de recherche du professeur Li Feifei est en train de proposer un cadre intégré capable d’effectuer des tâches ménagères, également connu sous le nom de « Behavioral Robot Toolkit ». Il permet aux robots de gérer les tâches quotidiennes, comme sortir les poubelles, nettoyer les vêtements ou récurer les toilettes.