李飞飞教授真的是我们的榜样。看完了之后我甚至想把下学期的课改一下，加一门计算机视觉，这个领域真的太有意思了。李教授书里面一直强调的要追求自己的北极星让我非常感动，应该也是她的北极星才让她一直坚持了下去。
他们家是到美国的第一代新移民，全家人都不会英文。为了李的未来义无反顾的前往美国，一开始只能在商店里面当收银员，一家三口挤在一个一居室里面。天呐人生地不熟，没有朋友，没有社区的支持，这真的很不容易。李飞飞在高中的时候下课了得去餐厅打工，读本科的时候周末得回去在洗衣房帮忙，得随时当洗衣房的翻译，她似乎不知疲倦。她说她在普林斯顿物理系的演讲室收到很深的触动，因为那是爱因斯坦曾经讲演的地方。她听到任何关于著名物理学家的情况，消息都会非常激动，梦想着自己有一天也能向他们一样（或许像奥本海默那种能听到物理学的声音）。依稀记得之前在港大的时候一位师长曾经语重心长的和我说：the first you become fanatic, and then you learn。 李那个时候应该也是想北极星想的疯狂。我也有过这个时刻所以很有共鸣，李把她对北极星的追求一直延续了下去。
在读博士时，她选择了计算机视觉这个全新的领域（那个时候连教科书都是刚刚发行的第一版）。很多人可能就直接换赛道了，但李就在这个全新的领域深耕了下去，用统计学来进行机器学习。也正是这个决定。她才能毕业之后拿到普林斯顿的工作邀约。她在读博是很多次想退出来挣钱养家，麦肯锡给了非常优厚的条件，这个时刻她妈妈给了她继续坚持下去的勇气。这里能看出东亚家庭和美国的不同，美国人上完大学之后决定自己的人生一定是自己想，自己做决定。
那个时候机器学习都是在钻研算法，Loss的结果。她反其道而行之，认为更多的数据量才是解决之道。这需要很大很大的勇气，如果她的想法不对，终生教职就没了。她还是选择倾听自己内心的声音，建立了ImageNet。她和邓嘉两人穷尽全力也无法达到预期的要求，3万个不同的种类图片，并且每个种类都要标签，最后突然发现了能够找帮工的方式。即使是有了足够的数据，但是理念太超前了，他们还是没有发现突破。为了宣传他们的数据库他们想到了做挑战赛的方式，最后又多伦多大学的辛顿教授使用70年代的卷积神经网络取得了突破。可以说今年诺奖得主和李飞飞教授之间是互相成就的。之后就是准备用于将机器学习用于医疗，交通，AI时代的伦理等等。
李教授全书讲的一定要追求自己心里的北极星，似乎离你越来越远而且欲求不得。但是在追逐的过程中不知不觉已经走了很远很远。李教授不畏畏缩缩，犹豫不决，这都是值得我们学习的。