15岁随父母移民美国，从收银台与中餐馆起步，一路走进机器视觉的核心：李飞飞用ImageNet改变了人工智能的走向。这本自传记下的不是神迹，而是一个家庭为好奇心付出的全部代价。
一句话总览 + 核心信息卡
从求生到求索，再到把技术推向公共议题
视觉智能不是单点突破，而是一个自我强化的循环
主要概念、方法与案例
本书的核心事件：构建一个上千万量级、按语义体系组织的标注图像库，供机器学习“看见”世界。它改变了学界的默认假设——瓶颈不在算法而在数据。
李飞飞的判断是：让机器变聪明，先要给它足够好的“教材”。这个反直觉判断在2012年前后的深度学习浪潮中得到印证，成为AI史上的关键转折。
自传反复回到家庭线：父母从工程师与知识分子变回异国打工者，却始终守护女儿的好奇心。这份守护是全书情感的地基，也是她坚韧的来源。
为什么死磕“看”？因为视觉理解是人类智能最密集的入口：识别、理解场景、推断意图。作者把视觉问题看作通向通用智能问题的试金石。
走完技术高峰后，作者把重心移向多样性教育与伦理治理：让更多背景的人进入AI，让技术决策回到公共讨论。这一步让自传超越了成功叙事。
按“离乡—求生—转向—豪赌—爆发—回望”的主题线展开（非原书章节名）
随父母移民美国，语言不通，一切从零开始
落差开局打工与求学并行，家庭在贫困中互相托举
教育为梯放弃安稳路线，选定机器视觉这个冷门方向
逆流选路顶住质疑构建数据集，经费与人力屡屡告急
孤注一掷算法借数据起飞，图像识别跨过关键门槛
范式翻转亲人病榻与技术荣光交织，转向伦理与教育
回到人值得抄进笔记本的句子（据核心观点转述）
好奇心是这个移民家庭唯一带得走的资产，也是最贵的一件。
在所有人都优化算法的年代，敢于承认瓶颈在别处，本身就是一种远见。
技术的高峰从来不是一个人登上的，背后是一整个家庭的托举。
让机器看见之前，先让行业看见那些被排除在外的人。
学术边缘期的不被看好，往往是判断力与从众心的一次对赌。
所谓范式转移，就是有人愿意为一条冷门路线支付十年耐心。
读完就能上手的方法
工作中卡壳时别急着换方法，先问：是不是材料、数据或输入本身不够好？本周做一次这样的排查。
列出一个你因“没用”而搁置的兴趣，本周为它花两小时，像李家父母那样不给好奇设限。
大目标缺资源时学ImageNet：把任务拆成小份，找人分工，今天就能发出第一份协作请求。
与父母或子女认真聊一次彼此的选择与代价，写下来。自传式的理解从一次对话开始。
给自己10%的时间或金钱，投给一个当下不被看好但你认可的方向，坚持一个季度再评估。
接触任何新工具时多问一句：谁受益、谁被忽略？把这个问题写进你的评估清单。
如果你符合其中一条，它都值得放进书单