Fei-Fei Li

wiki
, , , ,
1

Catedrática Inaugural Sequoia de Informática en la Universidad de Stanford, creadora de ImageNet y codirectora fundadora del Instituto Stanford para la IA Centrada en el Ser Humano — ampliamente reconocida como una de las arquitectas centrales de la revolución moderna del aprendizaje profundo.

Perfil

Campo Detalle
Nacimiento 3 de julio de 1976, Pekín, China
Nacionalidad Chino-estadounidense
Instituciones actuales Universidad de Stanford (en excedencia parcial); World Labs (cofundadora y directora ejecutiva)
Áreas de investigación Visión artificial, aprendizaje profundo, IA en sanidad, neurociencia cognitiva, inteligencia espacial, aprendizaje robótico
Directores de tesis doctoral Pietro Perona (principal); Christof Koch (secundario)
Tesis doctoral Visual Recognition: Computational Models and Human Psychophysics (Caltech, 2005)
Perfil en Stanford profiles.stanford.edu/fei-fei-li
X / Twitter @drfeifei
Google Académico scholar.google.com

Resumen

Fei-Fei Li (李飞飞) es una informática chino-estadounidense cuya creación de ImageNet — un conjunto de datos visuales anotados a gran escala que abarca más de 14 millones de imágenes — es ampliamente considerada uno de los tres catalizadores fundamentales de la revolución moderna de la IA y el aprendizaje profundo. Es la catedrática inaugural Sequoia en el Departamento de Informática de la Universidad de Stanford y codirectora fundadora del Instituto Stanford para la IA Centrada en el Ser Humano (HAI). Más allá de sus contribuciones investigadoras, ha formado a toda una generación académica mediante la dirección de tesis doctorales de figuras como Andrej Karpathy, Timnit Gebru y Olga Russakovsky, y a través de su curso CS231n sobre aprendizaje profundo para visión artificial, ampliamente adoptado. En 2024 cofundó World Labs, una empresa emergente centrada en la inteligencia espacial que alcanzó una valoración superior a los mil millones de dólares a los pocos meses de su fundación y recaudó otros mil millones en 2026. Se la ha descrito extraoficialmente como la «madrina de la IA», una designación que acepta como reconocimiento de las contribuciones de las mujeres al campo.

Primeros años y educación

Li nació en Pekín en 1976 y creció en Chengdu, Sichuan, donde asistió al Instituto de Enseñanza Secundaria n.º 7 de Sichuan Chengdu. Cuando ella tenía doce años, su padre emigró a Parsippany, Nueva Jersey; a los dieciséis, Li y su madre se reunieron con él. En el Instituto de Enseñanza Secundaria de Parsippany, trabajaba los fines de semana en la tintorería familiar. Un profesor de matemáticas del instituto que reconoció su talento resultó crucial, ayudándola a solicitar la admisión en la universidad en un sistema que desconocía. Más tarde fue incluida en el salón de la fama del Instituto de Enseñanza Secundaria de Parsippany en 2017.

Licenciatura en Física — Universidad de Princeton, 1999
Li se especializó en Física en Princeton, donde completó una tesis de fin de carrera sobre modelización auditiva computacional bajo la dirección de Bradley Dickinson. Durante sus años de licenciatura, volvía a casa la mayoría de los fines de semana para ayudar a gestionar la tintorería familiar y trabajó como lavaplatos para obtener ingresos adicionales, al tiempo que disfrutaba de una Beca Paul y Daisy Soros para Nuevos Estadounidenses.

Máster en Ingeniería Eléctrica — Instituto de Tecnología de California (Caltech), 2001
Los estudios de posgrado en Caltech pusieron a Li bajo la supervisión de Pietro Perona, cuyo trabajo sobre reconocimiento visual marcó la dirección de su investigación.

Doctorado en Ingeniería Eléctrica — Instituto de Tecnología de California (Caltech), 2005
Su tesis doctoral, Visual Recognition: Computational Models and Human Psychophysics, fue supervisada principalmente por Pietro Perona, con la supervisión secundaria del neurocientífico Christof Koch. El trabajo tendió puentes entre los enfoques artificial y humano para la comprensión rápida de escenas, una postura metodológica que definiría su carrera.

Trayectoria profesional

Universidad de Illinois en Urbana-Champaign (2005–2006)

Li se incorporó al Departamento de Ingeniería Eléctrica e Informática de la UIUC como profesora ayudante nada más terminar su doctorado.

Universidad de Princeton (2007–2009)

Al regresar a Princeton como profesora ayudante en el Departamento de Informática, Li comenzó a desarrollar lo que acabaría siendo ImageNet. Inspirada por la estimación del psicólogo cognitivo Irving Biederman de que los seres humanos reconocen aproximadamente 30 000 categorías de objetos, concibió un conjunto de datos de escala comparable. El proyecto se topó inicialmente con el escepticismo de colegas que consideraban poco práctico etiquetar millones de imágenes; Li persistió y finalmente recurrió a Amazon Mechanical Turk para anotar el corpus.

Universidad de Stanford (2009–presente)

Li se incorporó a Stanford como profesora ayudante en 2009, fue ascendida a profesora titular con plaza fija en 2012 y a catedrática en 2018. Es la titular de la Cátedra Inaugural Sequoia de Informática.

Laboratorio de Inteligencia Artificial de Stanford — Directora (2013–2018)
Li fue directora de SAIL durante un periodo de rápida expansión en el campo, supervisando la investigación y representando al laboratorio públicamente.

Stanford HAI — Codirectora fundadora (2019–presente)
Li cofundó el Instituto Stanford para la IA Centrada en el Ser Humano junto con el exvicerrector John Etchemendy, estableciendo una iniciativa universitaria que vincula la investigación en IA con cuestiones de política, ética, educación y beneficio humano. El instituto se ha convertido en uno de los centros más destacados de investigación en gobernanza de la IA en Estados Unidos.

Desafío de Reconocimiento Visual a Gran Escala de ImageNet — Organizadora (2010–2017)
Li dirigió el equipo que organizó el ILSVRC (Desafío de Reconocimiento Visual a Gran Escala de ImageNet), la competición anual que sirvió como banco de pruebas para AlexNet en 2012 y catalizó la era del aprendizaje profundo en visión artificial.

CS231n — Creadora del curso
Li creó el curso CS231n de Stanford, «Aprendizaje Profundo para Visión Artificial», que se convirtió en uno de los cursos de IA más adoptados a nivel mundial y ha sido visto y estudiado por millones de profesionales.

RAISE-Health — Colanzamiento (2023)
Li colanzó la iniciativa «IA Responsable para una Salud Segura y Equitativa» (RAISE-Health) en Stanford, en colaboración con Stanford Medicine, desarrollando marcos para el despliegue responsable de la IA en la atención clínica y la investigación biomédica.

Google Cloud (enero de 2017–septiembre de 2018)

Durante un año sabático de Stanford, Li se incorporó a Google Cloud como vicepresidenta y científica jefe de IA/ML. Su equipo trabajó para reducir la barrera de adopción de la IA para empresas y desarrolladores, contribuyendo, entre otras cosas, a la línea de productos AutoML. El período se vio complicado por la participación de Google en el Proyecto Maven, un contrato de imágenes con drones del Pentágono; Li expresó en privado su preocupación por la percepción pública de la conexión militar de la IA, y posteriormente reafirmó públicamente su compromiso con los principios de la IA centrada en el ser humano.

AI4ALL — Cofundadora (2017–presente)

Li cofundó AI4ALL, una organización sin ánimo de lucro dedicada a ampliar la participación en la IA, junto con Melinda French Gates y Jensen Huang. La organización surgió de un programa estival precursor en Stanford (SAILORS) centrado en chicas de noveno curso y se expandió a programas en Princeton, Carnegie Mellon, Universidad de Boston, UC Berkeley y Universidad Simon Fraser. Li actúa como presidenta del consejo.

World Labs — Cofundadora y directora ejecutiva (2024–presente)

En 2024, Li cofundó World Labs con tres colegas para construir sistemas de IA para la «inteligencia espacial» — la capacidad de razonar sobre entornos físicos tridimensionales y actuar en ellos, integrando la percepción visual con la interacción en el mundo real. La empresa recaudó 230 millones de dólares en financiación inicial en septiembre de 2024, alcanzó una valoración superior a los mil millones de dólares a los cuatro meses de su fundación y recaudó otros mil millones de dólares en febrero de 2026.

Contribuciones clave

  • ImageNet — Concebida y construida a partir de 2007, ImageNet proporcionó más de 14 millones de imágenes etiquetadas en 22 000 categorías, y la competición ILSVRC que generó sirvió como catalizador directo del gran avance de AlexNet en 2012 y la posterior revolución del aprendizaje profundo en visión artificial, vehículos autónomos, imagen médica y modelos de lenguaje y visión. El artículo de CVPR que presentó ImageNet (Deng, Dong, Socher, Li-Jia Li, Kai Li, Fei-Fei Li, 2009) se encuentra entre los más citados en la historia de la informática.

  • Desafío de Reconocimiento Visual a Gran Escala de ImageNet (ILSVRC) — Li organizó la competición anual de 2010 a 2017; la edición de 2012, en la que AlexNet logró una tasa de error entre los cinco primeros que aproximadamente duplicó el mejor resultado anterior, está ampliamente considerada como el momento que dio inicio a la era moderna del aprendizaje profundo.

  • CS231n: Aprendizaje Profundo para Visión Artificial — El curso de Li en Stanford se convirtió en un plan de estudios de referencia para la visión artificial aplicada, formando a toda una generación de profesionales e investigadores; la versión de 2015 atrajo a millones de espectadores en línea.

  • Marco de la IA Centrada en el Ser Humano (HAI) — Li articuló e institucionalizó el concepto de IA centrada en el ser humano — promoviendo la investigación, la educación, las políticas y la práctica con atención explícita al beneficio humano, la equidad y el impacto social — a través de Stanford HAI y mediante una extensa defensa pública, incluyendo su testimonio ante el Congreso de los Estados Unidos (2018) y la conferencia inaugural de la Cumbre de Acción sobre IA de París (2025).

  • Agenda de investigación en inteligencia espacial — A través de su laboratorio académico y World Labs, Li ha impulsado la inteligencia espacial como una frontera de investigación diferenciada: capacitar a los sistemas de IA para percibir, modelar y razonar dentro de entornos físicos tridimensionales, con aplicaciones en robótica, agentes encarnados y modelos generativos del mundo.

  • IA en sanidad — Las colaboraciones de Li con Stanford Medicine y la iniciativa RAISE-Health han producido marcos para el despliegue clínico de la IA, la seguridad del paciente y la IA sanitaria equitativa, influyendo en el modo en que la medicina académica aborda la adopción responsable de sistemas de IA.

  • AI4ALL — La organización sin ánimo de lucro cofundada por Li ha llevado a cabo programas educativos de IA centrados en la diversidad en las principales universidades, llegando directamente a miles de estudiantes de secundaria de grupos infrarrepresentados y generando una cohorte de profesionales de la IA que, de otro modo, no habrían entrado en el campo.

  • Aprendizaje con un solo ejemplo y comprensión de escenas — El trabajo académico temprano de Li sobre el aprendizaje de categorías de objetos a partir de unos pocos ejemplos (IEEE TPAMI, 2006) y sobre modelos jerárquicos bayesianos para la categorización de escenas naturales (CVPR, 2005) estableció marcos fundacionales en el aprendizaje visual con pocos datos que influyeron en la literatura posterior sobre aprendizaje con pocos ejemplos y aprendizaje por transferencia.

  • Memorias: Los mundos que veo (2023) — Las memorias científicas de Li, publicadas por Flatiron Books, entrelazan su historia personal de inmigración con el auge de la IA moderna. Recibieron una amplia atención crítica y acercaron su perspectiva sobre la IA centrada en el ser humano a un gran público general.

Premios y reconocimientos

  • Premio Reina Isabel de Ingeniería (2025) — Concedido conjuntamente a Yoshua Bengio, Bill Dally, Geoffrey Hinton, John Hopfield, Jensen Huang y Yann LeCun por sus contribuciones fundacionales al aprendizaje profundo.
  • Persona del Año de Time — «Arquitectos de la IA» (2025) — Nombrada entre un pequeño grupo de figuras reconocidas como fuerzas definitorias de la IA.
  • Doctorado honoris causa, Universidad de Yale (2025) — Doctora en Ingeniería y Tecnología, con una mención que la reconoce como «originadora de la IA centrada en el ser humano».
  • Premio VinFuture — Gran Premio (2024) — Premio científico internacional que reconoce las contribuciones transformadoras al aprendizaje profundo.
  • Premio Woodrow Wilson, Universidad de Princeton (2024) — El máximo honor de Princeton para un antiguo alumno en el servicio público.
  • Miembro electo, Academia Estadounidense de las Artes y las Ciencias (2021)
  • Miembro electo, Academia Nacional de Medicina (2020)
  • Miembro electo, Academia Nacional de Ingeniería (2020)
  • Fellow de la ACM (2018) — Citada por sus contribuciones a la construcción de grandes bases de conocimiento para el aprendizaje automático y la comprensión visual.
  • Premio a la Trayectoria e Innovación de Intel (2023)
  • Premio Conmemorativo Thomas S. Huang del IEEE PAMI (2022)
  • Premio Longuet-Higgins del IEEE PAMI (2019) — Por un trabajo de relevancia perdurable en visión artificial.
  • Time 100 IA: Las personas más influyentes (2023)
  • Premio J.K. Aggarwal de la IAPR (2016)
  • Premio Mark Everingham del IEEE PAMI (2016)
  • Foreign Policy: Líderes del pensamiento global (2015)
  • Beca de Investigación Alfred P. Sloan (2011)
  • Premio CAREER de la NSF (2009)
  • Beca de Nuevo Profesorado de Microsoft Research (2006)
  • Beca Paul y Daisy Soros para Nuevos Estadounidenses (1999)

Red académica y profesional

  • Pietro Perona — Director de tesis doctoral en Caltech; su colaboración en el reconocimiento visual y el aprendizaje con un solo ejemplo estableció los métodos fundacionales que Li amplió a lo largo de su carrera.
  • Andrej Karpathy — Estudiante de doctorado; su tesis Connecting Images and Natural Language (Stanford, 2016) produjo avances clave en el subtitulado de imágenes y la respuesta a preguntas visuales; posteriormente fundó el grupo de IA de Autopilot de Tesla y ahora está en Anthropic.
  • Timnit Gebru — Estudiante de doctorado; se convirtió en una destacada investigadora sobre sesgos algorítmicos y ética de la IA, y en una voz líder sobre las dimensiones sociales de los sistemas de IA.
  • Olga Russakovsky — Estudiante de doctorado; coorganizó el ILSVRC, ahora profesora ayudante en Princeton, y cofundó AI4ALL junto con Li.
  • John Etchemendy — Cofundador de Stanford HAI; exvicerrector de Stanford cuya colaboración otorgó al instituto peso institucional y alcance interdisciplinar.
  • Jensen Huang — Director ejecutivo de NVIDIA y cofundador de AI4ALL; las GPU de su empresa proporcionaron el sustrato computacional que hizo factible el entrenamiento a escala de ImageNet; ambos han colaborado en iniciativas educativas sobre IA.
  • Christof Koch — Director de tesis doctoral secundario en Caltech; la perspectiva de la neurociencia cognitiva que Koch aportó a la formación de Li marcó su interés permanente por tender puentes entre los sistemas visuales artificial y humano.
  • Silvio Savarese — Esposo; catedrático de informática en Stanford cuya propia investigación sobre comprensión de escenas en 3D converge con la actual agenda de inteligencia espacial de Li.

Estilo personal

La identidad intelectual de Li se articula en torno a la convicción de que la investigación en IA desvinculada del contexto humano produce sistemas frágiles y potencialmente dañinos — una visión que traduce tanto en estructuras institucionales (HAI, AI4ALL) como en agendas técnicas de investigación. Su comunicación pública destaca por su franqueza tanto acerca de la promesa transformadora de la IA como de sus riesgos sociales a corto plazo, un equilibrio que articuló en su entrevista de 2023 en The Guardian al rechazar el papel tanto de defensora acrítica como de catastrofista. En conferencias y escritos, enmarca con frecuencia las cuestiones científicas a través de una narrativa biográfica, conectando las limitaciones de su educación como inmigrante — precariedad económica, aprendizaje de idiomas, dependencia de mentores individuales excepcionales — con su compromiso de ampliar la participación en la IA. Sus charlas TED (2015, 2024) y sus memorias demuestran una habilidad para explicar ideas técnicas a públicos no especializados sin sacrificar el rigor científico.

Referencias