Fei-Fei Li Kimdir? Yapay Zekanın Vaftiz Annesi Olarak Bilinen Bilim İnsanı

Fei-Fei Li, 1976’da Çin’in Pekin kentinde doğan Çin doğumlu Amerikalı bilgisayar bilimcisidir. Stanford Üniversitesi’nde profesör olan Li, derin öğrenme devriminin fitilini ateşlediği kabul edilen ImageNet veri kümesinin yaratıcısı olarak tanınır ve uluslararası basında yapay zekanın vaftiz annesi olarak anılır.

Li, bilgisayarla görü alanına veri odaklı bir yaklaşım getirdi; milyonlarca etiketlenmiş görüntüden oluşan ImageNet, sinir ağlarının 2012’den itibaren insan düzeyine yaklaşan başarılar elde etmesini sağladı. Sonraki yıllarda Stanford Yapay Zeka Laboratuvarı’nın yöneticiliğini üstlendi, insan odaklı yapay zeka enstitüsünün kurucu eş yöneticisi oldu ve 2024’te mekansal zeka alanında çalışmak üzere World Labs şirketini kurdu.

Bu makalede Li’nin yaşamı, ImageNet’in doğuşu, akademik ve kurumsal çalışmaları ile yapay zeka politikasına katkıları ele alınmaktadır.

Gençliği ve Eğitimi

Li 1976’da Pekin’de doğdu ve çocukluğunu Sichuan eyaletinin Chengdu kentinde geçirdi. 1992’de, on altı yaşında, ailesiyle birlikte ABD’ye taşındı; New Jersey eyaletinin Parsippany kasabasına yerleştiler. Aile, küçük bir kuru temizleme dükkânı işletti; Li, lise ve üniversite yıllarında hafta sonları aile işletmesinde çalıştı. Yeni bir dilde ve kültürde geçen bu dönem, sonraki açıklamalarında çalışma disiplinine dair temel referansı oluşturur.

Princeton Üniversitesi’nde fizik okudu ve 1999’da mezun oldu. Ardından California Teknoloji Enstitüsü’nde elektrik mühendisliği alanında doktora yaptı ve 2005’te mezun oldu. Doktora çalışması, bilgisayarla görü ve sinir bilimi kesişimindeydi; görsel algının hem biyolojik hem hesaplama perspektifinden ele alınması, sonraki araştırma gündemini belirledi.

Li, göçmen bir ailenin kızı olarak başlayan bu dönemdeki deneyimlerini, sonraki yıllarda bilim ile toplum arasındaki ilişkiyi anlatırken sıkça kullandı. Ona göre bilim insanlarının sorumluluğu, laboratuvarın ötesinde toplumsal bağlamı da kapsamaktadır.

Princeton yılları, Li için aynı zamanda bir sorumluluk sınavıydı: kaynaklara göre annesinin sağlık sorunları nedeniyle üniversite eğitimi boyunca aile işletmesinin yükünü büyük ölçüde kendisi taşıdı. Ders yükü ile kuru temizleme dükkânının yönetimini bir arada yürüten bu dönem, onun maddi darboğazın bilimsel yetenek kadar belirleyici bir engel olduğuna dair görüşünü şekillendirdi; sonraki yıllardaki eğitim eşitliği savunusunun kişisel kökleri bu deneyime dayanır.

ImageNet ve Derin Öğrenme Devrimi

2000’lerin ortasında Li, görsel tanıma araştırmalarının temel sorununu algoritmaların değil verilerin büyüklüğünün oluşturduğu kanaatine vardı. Çocukların görsel kavramları binlerce örnek üzerinden öğrendiği gözleminden hareketle, on milyonlarca etiketlenmiş görüntü içeren bir veri kümesi kurma hedefi belirledi. Princeton’da WordNet projesinin sözcük hiyerarşisinden yararlandı ve kitle iş gücüyle Amazon Mechanical Turk üzerinden 14 milyondan fazla görüntüyü 22 bin kategori altında etiketletti.

ImageNet, 2009’da bilgisayarla görü konferansında tanıtıldı; Li, 2010’dan 2017’ye kadar ImageNet Büyük Ölçekli Görsel Tanıma Yarışması’nı organize etti. 2012’de Geoffrey Hinton’ın ekibinin derin sinir ağı AlexNet ile yarışmayı ezici farkla kazanması, derin öğrenme çağının başlangıcı olarak kabul edilir. Bu sonuç, veri ve hesaplama gücü birleşince sinir ağlarının ne kadar ilerleyebileceğini gösterdi ve teknoloji endüstrisindeki yatırımların yönünü değiştirdi.

Fikrin yolculuğu kolay olmadı; Li, sonraki konuşmalarında, veri toplamanın bilimsel katkı sayılmayacağı ve akademik kariyerine zarar verebileceği yolunda uyarılar aldığını anlatmıştır. Geoffrey Hinton, ImageNet’in derin öğrenme açısından taşıdığı potansiyeli erken fark eden isimlerden biriydi; ekibinin 2012 sonucu bu beklentiyi doğruladı. Li, bu deneyimden doğan, veri ile algoritmanın eşdeğer önemde olduğu ilkesini sonraki yıllarda düzenli biçimde savunmuştur.

ImageNet, yapay zeka tarihinde nadir bir örnektir: tek bir veri kümesinin, bir araştırma alanının hızını ölçülebilir biçimde artırdığı ve endüstriyel rekabeti yeniden biçimlendirdiği bir dönüm noktasıdır. Yarışma 2017’de sona erdirildi; o tarihte görsel tanıma performansı, insan düzeyine yaklaşılmıştı.

Yarışma, alanın ölçüm kültürünü de değiştirdi: hata oranlarındaki yıllık düşüş, algoritmik ilerlemenin karşılaştırılabilir bir ölçeğini sağladı ve araştırma sonuçlarının kamuya açık yarışmalarda doğrulanmasını olağanlaştırdı. ImageNet’in etiketleri, nesne tanıma sistemlerinin eğitim verisi olarak endüstride yaygın biçimde kullanıldı; veri kümesi, akademik bir projeden sektörel altyapıya dönüşen nadir örneklerden biri olarak kabul edilir.

Akademik ve Kurumsal Çalışmalar

Li, doktora sonrası Illinois ve Princeton üniversitelerinde öğretim üyeliği yaptı ve 2009’da Stanford’a geçti. 2013’te Stanford Yapay Zeka Laboratuvarı’nın (SAIL) yöneticiliğini üstlendi. 2017’de Google Cloud’da yapay zeka ve makine öğrenmesi baş bilim insanı olarak çalıştı; bu görev sırasında ABD Kongresi’nde yapay zeka üzerine tanıklık etti ve kamu politikası ile teknoloji arasındaki ilişkiye dair görüşlerini paylaştı. Sonrasında Stanford’a döndü.

Li’nin araştırma programı, bilgisayarla görüyü sinir bilimi ve bilişsel bilimle birleştirmeyi hedefler; laboratuvarı, insan bebeklerinin görsel öğrenme süreçlerini izleyerek makine öğrenmesi modelleriyle karşılaştıran çalışmalara öncülük etti. Ayrıca hastane ortamlarında bilgisayarla görü ve sensör teknolojilerinin hasta güvenliğini artırmasına yönelik uygulamalı projeler yürüttü; bu çalışmalar, insan odaklı yapay zeka yaklaşımının laboratuvar dışındaki örnekleri arasında sayılır.

Li, kamu politikası alanında akademik araştırmanın desteklenmesi savunucusudur; üniversitelerin ve araştırma kurumlarının bulut bilişim kaynaklarına erişimini genişletmeyi hedefleyen Ulusal Yapay Zeka Araştırma Kaynağı (NAIRR) girişiminin önde gelen savunucularından biriydi ve girişim, 2024’te pilot aşamayla yürürlüğe girdi. Ona göre kamu ve özel sektörün araştırma kapasitesinin dengeli büyümesi, teknolojinin toplumsal faydası için gereklidir; bu sav, ABD politika tartışmalarında karşılık bulmuştur.

Li, genç araştırmacılara ve azınlık gruplarına yönelik eğitim programları kurdu; 2017’de yapay zeka alanında genç öğrencileri destekleyen kâr amacı gütmeyen AI4ALL örgütünün kurucuları arasındaydı. 2019’da Stanford İnsan Odaklı Yapay Zeka Enstitüsü’nü (HAI) kurdu ve eş yöneticiliğini üstlendi; enstitü, teknoloji geliştirmeyi etik ve toplumsal bilimlerle birleştiren bir çerçeve önerir. Li, ABD Ulusal Mühendislik Akademisi’nin üyesidir.

World Labs ve Son Dönem

Li, Kasım 2023’te The Worlds I See adlı anı kitabını yayımladı; kitap, göç, aile ve bilim hayatını birleştiren bir anlatı sunar. 2024’te, bilgisayarla görü ve yapay zeka araştırmacılarıyla birlikte World Labs adlı şirketi kurdu; şirket, üç boyutlu dünyaları algılayıp modelleyebilen mekansal zeka sistemleri geliştirmeyi hedefliyor ve ilk yatırım turunda 230 milyon dolar topladı. Li’ye göre görsel zeka, dil modellerinin ötesinde robotik ve dijital ikiz gibi alanların temelini oluşturacaktır.

Kuruluş kararının arkasındaki tez, Li’nin uzun süredir savunduğu mekansal zeka görüşüdür: dil, zekanın yalnızca bir bileşenidir; insan zekasının büyük bölümü, üç boyutlu dünyada hareket etme, nesneleri algılama ve etkileşim kurma yetisine dayanır. Ona göre bu yetiyi modelleyen sistemler, robotik ve artırılmış gerçeklik uygulamalarının önündeki temel eksikliği dolduracaktır; World Labs, araştırma bulgularını ürüne dönüştüren bir deney ortamı olarak tasarlanmıştır.

Li, yapay zeka tartışmalarında veriye ve çok disiplinli yaklaşıma vurgu yapmayı sürdürür. Ona göre teknolojinin toplumsal etkileri, geliştirme sürecinin başında tasarlanmalıdır; bu nedenle eğitim programları ve politika çalışmaları, araştırma programlarıyla aynı düzeyde önemlidir. Li, girişiminin bilimsel bulguların ürüne dönüşmesini hızlandıracak bir deney alanı olarak tanımlamaktadır.

Etkisi

ImageNet, yapay zeka tarihinde bir dönüm noktası olarak anılır: tek bir veri kümesinin, bir araştırma alanının hızını ölçülebilir biçimde artırdığı ve endüstriyel yatırımları tetiklediği nadir örneklerden biridir. Li’nin bu katkısı, onu derin öğrenme devriminin kurucu figürlerinden biri yapmıştır; bilim insanları ve basın, ona yapay zekanın vaftiz annesi lakabını bu bağlamda yakıştırmaktadır.

Li, alanın toplumsal bileşimini değiştirmeye yönelik girişimleriyle de tanınır; AI4ALL, lise çağındaki öğrencileri, özellikle kız öğrencileri ve yetersiz hizmet alan grupları yaz kamplarıyla yapay zeka eğitimiyle buluşturur. Ona göre teknolojinin kim tarafından ve hangi değerlerle geliştirildiği, teknolojinin kendisi kadar belirleyicidir; bu sav, kurumsal düzeyde HAI çatısı altında araştırma programlarına dönüşmüştür.

Li’nin kariyeri, temel araştırma ile toplumsal sorumluluk arasındaki dengeyi kurmaya çalışan bir bilim insanının örneğidir. Göçmen bir ailenin kızı olarak başladığı yolculuktan Stanford profesörlüğüne ve girişimciliğe uzanan seyri, 21. yüzyıl yapay zekasının hem teknik hem kurumsal tarihini yansıtır. 2020’lerin ortasında hem Stanford’daki akademik çalışmaları hem World Labs girişimiyle, alanın geleceğini şekillendiren isimler arasında varlığını sürdürmektedir.