Raramente si riconosce il lavoro dei pionieri: chi inventa, scopre e conduce la ricerca di base resta spesso in ombra, mentre l’attenzione cade su chi sa vendere un prodotto finito. È il caso di Fei‑Fei Li, la scienziata che ha posto le basi per i moderni modelli di linguaggio generativo, tra cui ChatGPT e Gemini.

Primi anni e formazione

Fei‑Fei Li è nata a Pechino nel 1976 e ha trascorso l’infanzia a Chengdu, capitale della provincia di Sichuan. All’età di dodici anni il padre emigrò negli Stati Uniti in cerca di migliori opportunità; quattro anni dopo, Lei, sua madre e lei stessa seguirono la famiglia, arrivando con risorse limitate e un inglese poco fluente.

Si stabilirono a Parsippany‑Troy Hills, una piccola città del New Jersey di circa 53 000 abitanti. Li dovette conciliare gli studi liceali con l’apprendimento della lingua e l’aiuto nella lavanderia di famiglia. Nonostante le difficoltà, eccelleva in matematica e scienze, guadagnandosi la lode dei professori.

Nel 1995 si diplomò al liceo grazie al sostegno dei genitori, che “supportarono quella bambina un po’ impaziente e appassionata di scienza”. Proseguì gli studi in fisica presso l’Università di Princeton, laureandosi nel 1999. Qui sviluppò un interesse per l’informatica, in particolare per la percezione e la cognizione, temi che avrebbero guidato la sua carriera.

Nel 2000 iniziò il dottorato al Caltech, lavorando all’intersezione tra informatica, ingegneria elettrica e neuroscienze cognitive. Sotto la supervisione di Pietro Perona e Christof Koch, studiò come il sistema visivo umano processa e categorizza le scene, un contributo fondamentale per il suo futuro lavoro su ImageNet. Ottenne il dottorato in ingegneria elettrica nel 2005.

ImageNet: la svolta dei volumi di dati

Appena terminato il dottorato, Li concepì ImageNet, un progetto avviato nel 2006 e lanciato ufficialmente nel 2009. L’obiettivo era semplice ma rivoluzionario: creare una base di dati di immagini accuratamente etichettate per addestrare gli algoritmi di apprendimento automatico.

All’inizio degli anni 2000, la limitata disponibilità di dati era il collo di bottiglia più serio per la computer vision. Gli algoritmi venivano addestrati su centinaia di immagini per poche categorie, impedendo progressi significativi. Li, ispirata dalle scoperte della cognizione infantile, capì che i bambini imparano riconoscendo milioni di esempi in contesti diversi; le macchine avrebbero dovuto fare lo stesso.

La sua idea, allora impopolare, era aumentare il volume di dati piuttosto che perfezionare gli algoritmi esistenti. Per realizzare ImageNet, organizzò una campagna di crowdsourcing che coinvolse circa 49 000 persone in 167 paesi, raccogliendo 14 milioni di fotografie distribuite in più di 21 000 categorie.

Il processo di validazione delle immagini durò tre anni, con filtri manuali e automatici per garantire qualità e coerenza delle etichette. Nel 2009, la versione iniziale contava 3,2 milioni di immagini; nei successivi dieci anni il numero superò i 14 milioni, dimostrando l’importanza di grandi volumi di dati correttamente classificati.

Impatto su deep learning e IA

    • Accelerò il riconoscimento di immagini, rendendo possibile l’uso di reti neurali profonde.
    • Fornì la base per la competizione ImageNet Large Scale Visual Recognition Challenge (ILSVRC), spingendo ricercatori a superare continuamente i risultati.
    • Creò il paradigma secondo cui la quantità di dati è tanto cruciale quanto la sofisticazione dell’algoritmo.

Questi progressi hanno avuto ricadute su tutta la disciplina dell’IA, aprendo la strada a modelli di linguaggio come GPT‑3 e Gemini, i quali richiedono enormi dataset per apprendere.

Carriera in Google e controversie

Nel 2017 Fei‑Fei Li accettò una posizione di vicepresidente e chief scientist per AI/ML in Google Cloud, dove rimase fino al 2018. Il suo obiettivo era democratizzare l’accesso agli strumenti di IA, rendendoli fruibili anche a chi non possiede competenze tecniche avanzate, e supervisionare lo sviluppo di prodotti di machine learning automatizzato.

Tuttavia, il suo periodo in Google fu segnato dalla controversia sul progetto Maven del Pentagono, un programma che utilizzava IA per analizzare immagini da droni militari. Pur non avendo partecipato direttamente al contratto, Li fu al centro di una discussione interna su come Google dovesse comunicare la collaborazione con il Dipartimento della Difesa, sollevando dibattiti etici sulla militarizzazione dell’IA.

Dopo Google, Li ha concentrato la sua ricerca su ambiti più astratti e di impatto positivo, come l’Embodied AI, un programma di Stanford che mira a far sviluppare alle IA una comprensione “corporea” del mondo, integrando percezione, azione e apprendimento.

Eredità e futuro

L’eredità di Fei‑Fei Li è evidente in ogni applicazione di IA che utilizza grandi dataset: dal riconoscimento facciale alle traduzioni automatiche, fino ai modelli generativi di testo e immagini. Sebbene non abbia sempre affrontato le questioni etiche con la stessa visibilità, il suo lavoro ha posto le basi per discussioni più profonde su responsabilità, bias e governance dei dati.

Oggi Li è professoressa di Computer Science a Stanford e direttore del Stanford Institute for Human‑Centred AI (HAI), dove promuove un approccio all’IA che sia benefico per l’umanità. La sua storia, dalla lavanderia di una famiglia immigrata alla creazione di ImageNet, dimostra come la combinazione di curiosità scientifica, perseveranza e visione possa trasformare intere discipline.