AI 人物图谱

这一页尽量把「把我们带到这里」的人摊成一张图。不是英雄榜排名，是按房间记贡献：谁做了什么，后来的技术章默认站在哪块地基上。

长传记仍在三间屋子和群星闪耀时刻。这里优先全：看见名字就能对上贡献；要故事再点进对应页。

技术章节里的方法名（LoRA、DPO、FlashAttention……）对应的科研作者，按章汇总在群像突破。本页偏「房间与召集人」；那一页偏「模块背后的人」。

怎么用这张图

1. 按房间扫一遍，建立「这个领域有谁」。
2. 对上群星闪耀时刻里的瞬间。
3. 需要公式时，跟「技术入口」进概念章。

基础理论 → 硬件 → 早期 AI → 深度学习冬天与解冻
    → 数据与视觉（李飞飞 / ImageNet）→ 2012 转折
    → 序列与 Transformer → 实验室与公司
    → 强化学习 / 对齐 / 多模态与生成 / 具身

1. 计算与信息的语法

2. 硬件与算力

3. 早期人工智能：命名、逻辑、冬天

4. 神经网络解冻：深度学习三巨头与前后

5. 数据与视觉：赛场是人搭的

李飞飞不能只当作 AlexNet 的背景。 没有 ImageNet 这张足够大的标注图，2012 年的那两张游戏卡赢的是另一场比赛。

李飞飞：专节

李飞飞 1976 年生于北京，后到美国。普林斯顿物理本科，加州理工博士。伊利诺伊、普林斯顿任教后，2009 年加入斯坦福，后任斯坦福人工智能实验室（SAIL）主任，并与人共同创办斯坦福 Human-Centered AI Institute（HAI）。2017–2018 年一度任 Google Cloud AI/ML 首席科学家。

2007 年前后在普林斯顿，她判断计算机视觉缺的不是又一个手工特征，而是一张大到能把方法比出高下的图，以及图上的词。ImageNet 用 WordNet 层级组织类别，借助众包（含 Mechanical Turk）标出逾千万图像。2009 年公开后，ILSVRC 竞赛成为赛场：头几年传统方法仍赢，2012 年 AlexNet 在这张图上赢了，深度学习才从少数人的信念变成领域默认。

她后来说得很清楚：数据是现代 AI 三驾马车之一（与算法、算力并列）。传记式作品有 The Worlds I See。2020 年代她转向空间智能：语言之外，智能还要理解三维世界；World Labs 做的是世界模型与可交互空间，和本笔记世界模型、具身那两道缝直接相关。

技术入口： Scaling / 数据 · 多模态 · 世界模型

6. 2012 转折点上的人

7. 表示学习、NLP 到 Transformer

8. 实验室与公司：召集人

9. 强化学习、对齐与后训练

10. 缩放、训练基础设施

11. 多模态、生成、世界模型

12. 具身与机器人基础模型

13. 中文世界与东亚（骨架，待加厚）

和「群星时刻」怎么对表

还想补

• 给李飞飞单独开一页长传记（ImageNet 决策、HAI、World Labs），从本图表链出去。
• 统计学习与核方法房间：瓦普尼克、统计学习理论，避免深度学习叙事吞掉全部。
• 因果与贝叶斯：珍珠、高斯过程一系，按需点名。
• 安全与政策：本吉奥近年公共言论、李飞飞的政策听证，与技术贡献分栏写。
• 每季核对一次「实验室召集人」是否变动，产品职务变了不算删掉技术贡献。