Fei-Fei Li

ref · 25 Maio , 2026 06:01

Pioneira Catedrática Sequoia de Ciência da Computação na Universidade de Stanford, criadora do ImageNet e codiretora fundadora do Instituto Stanford para IA Centrada no Humano — amplamente reconhecida como uma das principais arquitetas da revolução moderna do deep learning.

Perfil

Campo	Detalhe
Nascimento	3 de julho de 1976, Pequim, China
Nacionalidade	Sino-americana
Instituições atuais	Universidade de Stanford (licença parcial); World Labs (Cofundadora e CEO)
Áreas de pesquisa	Visão computacional, Deep Learning, IA na Saúde, Neurociência cognitiva, Inteligência espacial, Aprendizagem robótica
Orientadores de doutorado	Pietro Perona (principal); Christof Koch (secundário)
Tese de doutorado	Reconhecimento Visual: Modelos Computacionais e Psicofísica Humana (Caltech, 2005)
Perfil em Stanford	profiles.stanford.edu/fei-fei-li
X / Twitter	@drfeifei
Google Scholar	scholar.google.com

Visão Geral

Fei-Fei Li (李飞飞) é uma cientista da computação sino-americana cuja criação do ImageNet — um conjunto de dados visuais anotados em grande escala contendo mais de 14 milhões de imagens — é amplamente creditada como um dos três catalisadores fundamentais da revolução moderna da IA e do deep learning. Ela é a primeira Catedrática Sequoia no Departamento de Ciência da Computação da Universidade de Stanford e codiretora fundadora do Instituto Stanford para Inteligência Artificial Centrada no Humano (HAI). Além de suas contribuições de pesquisa, ela moldou uma geração acadêmica por meio de sua orientação de doutorandos como Andrej Karpathy, Timnit Gebru e Olga Russakovsky, e através de seu curso CS231n, amplamente adotado, sobre deep learning para visão computacional. Em 2024, ela cofundou a World Labs, uma startup focada em inteligência espacial que atingiu uma avaliação superior a US$ 1 bilhão em meses após sua fundação e levantou mais US$ 1 bilhão em 2026. Ela foi descrita informalmente como a “madrinha da IA”, uma designação que aceita como reconhecimento das contribuições das mulheres para o campo.

Primeiros Anos e Educação

Li nasceu em Pequim em 1976 e cresceu em Chengdu, Sichuan, frequentando a Escola Secundária No. 7 de Sichuan Chengdu. Quando tinha doze anos, seu pai emigrou para Parsippany, Nova Jersey; aos dezesseis, Li e sua mãe se juntaram a ele. Na Parsippany High School, ela trabalhava nos finais de semana na lavanderia da família. Uma professora de matemática do ensino médio que reconheceu sua habilidade foi fundamental, ajudando-a a buscar admissão na universidade em um sistema desconhecido. Ela foi posteriormente introduzida no hall da fama da Parsippany High School em 2017.

Bacharelado em Física — Universidade de Princeton, 1999
Li se formou em física em Princeton, completando uma tese de graduação sobre modelagem auditiva computacional sob orientação de Bradley Dickinson. Durante seus anos de graduação, ela voltava para casa na maioria dos finais de semana para ajudar a administrar a lavanderia da família e trabalhou como lavadora de pratos para complementar a renda, enquanto era bolsista da Paul & Daisy Soros Fellowship for New Americans.

Mestrado em Engenharia Elétrica — Instituto de Tecnologia da Califórnia (Caltech), 2001
Os estudos de pós-graduação na Caltech trouxeram Li para a supervisão de Pietro Perona, cujo trabalho em reconhecimento visual moldou a direção de sua pesquisa.

Doutorado em Engenharia Elétrica — Instituto de Tecnologia da Califórnia (Caltech), 2005
Sua tese, Reconhecimento Visual: Modelos Computacionais e Psicofísica Humana, foi supervisionada principalmente por Pietro Perona, com supervisão secundária do neurocientista Christof Koch. O trabalho uniu abordagens computacionais e humanas para a compreensão rápida de cenas — uma posição metodológica que definiria sua carreira.

Carreira

Universidade de Illinois em Urbana-Champaign (2005–2006)

Li ingressou no Departamento de Engenharia Elétrica e de Computação da UIUC como professora assistente imediatamente após concluir seu doutorado.

Universidade de Princeton (2007–2009)

Retornando a Princeton como professora assistente em Ciência da Computação, Li começou a desenvolver o que se tornaria o ImageNet. Inspirada pela estimativa do psicólogo cognitivo Irving Biederman de que os humanos reconhecem aproximadamente 30.000 categorias de objetos, ela concebeu um conjunto de dados de escala comparável. O projeto inicialmente encontrou ceticismo de colegas que consideravam impraticável rotular milhões de imagens; Li persistiu, eventualmente empregando o Amazon Mechanical Turk para anotar o corpus.

Universidade de Stanford (2009–presente)

Li ingressou em Stanford como professora assistente em 2009, foi promovida a professora associada com tenure em 2012 e a professora titular em 2018. Ela detém a primeira Cátedra Sequoia em Ciência da Computação.

Laboratório de Inteligência Artificial de Stanford — Diretora (2013–2018)
Li atuou como diretora do SAIL durante um período de rápida expansão no campo, supervisionando a pesquisa e representando o laboratório publicamente.

Stanford HAI — Codiretora Fundadora (2019–presente)
Li cofundou o Instituto de IA Centrada no Humano de Stanford ao lado do ex-reitor John Etchemendy, estabelecendo uma iniciativa em toda a universidade ligando a pesquisa em IA a questões de política, ética, educação e benefício humano. O instituto tornou-se um dos centros mais proeminentes para pesquisa de governança de IA nos Estados Unidos.

ImageNet Large Scale Visual Recognition Challenge — Organizadora (2010–2017)
Li liderou a equipe que organizou o ILSVRC (ImageNet Large-Scale Visual Recognition Challenge), a competição anual que serviu como campo de provas para o AlexNet em 2012 e catalisou a era do deep learning na visão computacional.

CS231n — Criadora do curso
Li criou o curso CS231n de Stanford, “Deep Learning para Visão Computacional”, que se tornou um dos cursos de IA mais amplamente adotados globalmente e foi visto e estudado por milhões de profissionais.

RAISE-Health — Colançamento (2023)
Li colançou a iniciativa Responsible AI for Safe and Equitable Health (RAISE-Health) em Stanford em colaboração com a Stanford Medicine, desenvolvendo estruturas para a implantação responsável de IA em cuidados clínicos e pesquisa biomédica.

Google Cloud (Janeiro de 2017–Setembro de 2018)

Em licença sabática de Stanford, Li ingressou no Google Cloud como Vice-Presidente e Cientista Chefe de IA/ML. Sua equipe trabalhou para reduzir a barreira para empresas e desenvolvedores adotarem IA, incluindo contribuições para a linha de produtos AutoML. O período foi complicado pelo envolvimento do Google no Projeto Maven, um contrato de imagens de drones do Pentágono; Li expressou preocupação privada sobre a percepção pública da conexão militar com a IA e, posteriormente, reafirmou publicamente seu compromisso com os princípios de IA centrada no humano.

AI4ALL — Cofundadora (2017–presente)

Li cofundou a AI4ALL, uma organização sem fins lucrativos dedicada a ampliar a participação na IA, com Melinda French Gates e Jensen Huang. A organização cresceu a partir de um programa de verão precursor em Stanford (SAILORS) focado em meninas do nono ano e se expandiu para programas em Princeton, Carnegie Mellon, Universidade de Boston, UC Berkeley e Universidade Simon Fraser. Li atua como presidente do conselho.

World Labs — Cofundadora e CEO (2024–presente)

Em 2024, Li cofundou a World Labs com três colegas para construir sistemas de IA para “inteligência espacial” — a capacidade de raciocinar sobre e agir dentro de ambientes físicos tridimensionais, integrando percepção visual com interação no mundo real. A empresa levantou US$ 230 milhões em financiamento inicial em setembro de 2024, atingiu uma avaliação acima de US$ 1 bilhão em quatro meses após sua fundação e levantou US$ 1 bilhão adicionais em fevereiro de 2026.

Principais Contribuições

ImageNet — Concebido e construído a partir de 2007, o ImageNet forneceu mais de 14 milhões de imagens rotuladas em 22.000 categorias, e a competição ILSVRC que gerou serviu como catalisador direto para o avanço do AlexNet em 2012 e a subsequente revolução do deep learning em visão computacional, veículos autônomos, imagens médicas e modelos de linguagem-visão. O artigo da CVPR que introduziu o ImageNet (Deng, Dong, Socher, Li-Jia Li, Kai Li, Fei-Fei Li, 2009) está entre os mais citados na história da ciência da computação.
ImageNet Large Scale Visual Recognition Challenge (ILSVRC) — Li organizou a competição anual de 2010 a 2017; a edição de 2012, na qual o AlexNet alcançou uma taxa de erro top-5 aproximadamente a metade da melhor anterior, é amplamente considerada o momento que lançou a era moderna do deep learning.
CS231n: Deep Learning para Visão Computacional — O curso de Stanford de Li tornou-se um currículo padrão da indústria para visão computacional aplicada, treinando uma geração de profissionais e pesquisadores; a versão de 2015 atraiu milhões de espectadores online.
Estrutura de IA Centrada no Humano (HAI) — Li articulou e institucionalizou o conceito de IA centrada no humano — avançando pesquisa, educação, política e prática com atenção explícita ao benefício humano, equidade e impacto social — através do Stanford HAI e de extensa defesa pública, incluindo testemunho ao Congresso dos EUA (2018) e a palestra de abertura da Cúpula de Ação sobre IA de Paris (2025).
Agenda de pesquisa em Inteligência Espacial — Através de seu laboratório acadêmico e da World Labs, Li avançou a inteligência espacial como uma fronteira de pesquisa distinta: permitindo que sistemas de IA percebam, modelem e raciocinem dentro de ambientes físicos tridimensionais, com aplicações em robótica, agentes incorporados e modelos de mundo generativos.
IA na Saúde — As colaborações de Li com a Stanford Medicine e a iniciativa RAISE-Health produziram estruturas para implantação de IA clínica, segurança do paciente e IA de saúde equitativa, influenciando como a medicina acadêmica aborda a adoção responsável de sistemas de IA.
AI4ALL — A organização sem fins lucrativos cofundada por Li administrou programas de educação em IA focados em diversidade nas principais universidades, alcançando diretamente milhares de estudantes do ensino médio de grupos sub-representados e produzindo uma coorte de profissionais de IA que de outra forma não teriam entrado no campo.
Aprendizagem com Um Exemplo e Compreensão de Cenas — O trabalho acadêmico inicial de Li sobre aprendizado de categorias de objetos a partir de poucos exemplos (IEEE TPAMI, 2006) e sobre modelos hierárquicos bayesianos para categorização de cenas naturais (CVPR, 2005) estabeleceu estruturas fundamentais em aprendizado visual com poucos dados que influenciaram a literatura subsequente em aprendizado com poucos exemplos e transferência de aprendizado.
Memórias: Os Mundos Que Vejo (2023) — As memórias científicas de Li, publicadas pela Flatiron Books, entrelaçam sua história pessoal de imigração com a ascensão da IA moderna. Recebeu ampla atenção da crítica e trouxe sua perspectiva sobre IA centrada no humano a um amplo público geral.

Prêmios e Reconhecimento

Prêmio Rainha Elizabeth de Engenharia (2025) — Concedido em conjunto a Yoshua Bengio, Bill Dally, Geoffrey Hinton, John Hopfield, Jensen Huang e Yann LeCun por contribuições fundamentais ao deep learning.
Pessoa do Ano da Time — „Arquitetos da IA“ (2025) — Nomeada entre um pequeno grupo de figuras reconhecidas como forças definidoras na IA.
Doutorado Honorário, Universidade de Yale (2025) — Doutora em Engenharia e Tecnologia, com uma citação reconhecendo-a como „criadora da IA centrada no humano“.
Prêmio VinFuture — Grande Prêmio (2024) — Prêmio científico internacional que reconhece contribuições transformadoras para o deep learning.
Prêmio Woodrow Wilson, Universidade de Princeton (2024) — A mais alta honraria de Princeton para um ex-aluno em serviço público.
Membro Eleito, Academia Americana de Artes e Ciências (2021)
Membro Eleito, Academia Nacional de Medicina (2020)
Membro Eleito, Academia Nacional de Engenharia (2020)
ACM Fellow (2018) — Citada por contribuições na construção de grandes bases de conhecimento para aprendizado de máquina e compreensão visual.
Prêmio Intel Lifetime Achievements Innovation (2023)
Prêmio Memorial IEEE PAMI Thomas S. Huang (2022)
Prêmio IEEE PAMI Longuet-Higgins (2019) — Por trabalho de significado duradouro em visão computacional.
Time 100 Pessoas Mais Influentes em IA (2023)
Prêmio IAPR J.K. Aggarwal (2016)
Prêmio IEEE PAMI Mark Everingham (2016)
Foreign Policy Leading Global Thinkers (2015)
Bolsa de Pesquisa Alfred P. Sloan (2011)
Prêmio NSF CAREER (2009)
Microsoft Research New Faculty Fellowship (2006)
Paul & Daisy Soros Fellowship for New Americans (1999)

Rede Acadêmica e Profissional

Pietro Perona — Orientador de doutorado na Caltech; sua colaboração em reconhecimento visual e aprendizado com um exemplo estabeleceu os métodos fundamentais que Li estendeu ao longo de sua carreira.
Andrej Karpathy — Aluno de doutorado; sua tese Conectando Imagens e Linguagem Natural (Stanford, 2016) produziu avanços importantes em legendagem de imagens e resposta visual a perguntas; posteriormente fundou o grupo de IA do Autopilot da Tesla e agora está na Anthropic.
Timnit Gebru — Aluna de doutorado; tornou-se uma pesquisadora proeminente sobre viés algorítmico e ética em IA, e uma voz líder sobre as dimensões sociais dos sistemas de IA.
Olga Russakovsky — Aluna de doutorado; co-organizou o ILSVRC, agora professora assistente em Princeton, e cofundou a AI4ALL ao lado de Li.
John Etchemendy — Cofundador do Stanford HAI; ex-reitor de Stanford cuja parceria deu ao instituto posição institucional e alcance interdisciplinar.
Jensen Huang — CEO da NVIDIA e cofundador da AI4ALL; as GPUs de sua empresa forneceram o substrato computacional que tornou viável o treinamento em escala do ImageNet; os dois colaboraram em iniciativas de educação em IA.
Christof Koch — Orientador secundário de doutorado na Caltech; a perspectiva da neurociência cognitiva que Koch trouxe à formação de Li moldou seu interesse duradouro em unir sistemas visuais computacionais e humanos.
Silvio Savarese — Marido; professor de ciência da computação em Stanford cuja própria pesquisa em compreensão de cenas 3D se sobrepõe à atual agenda de inteligência espacial de Li.

Estilo Pessoal

A identidade intelectual de Li é organizada em torno da convicção de que a pesquisa em IA divorciada do contexto humano produz sistemas frágeis e potencialmente prejudiciais — uma visão que ela traduz em estruturas institucionais (HAI, AI4ALL) tanto quanto em agendas de pesquisa técnica. Sua comunicação pública é notável por sua franqueza tanto sobre a promessa transformadora da IA quanto sobre seus riscos sociais de curto prazo, um equilíbrio que ela articulou em sua entrevista de 2023 ao Guardian ao recusar o papel de defensora acrítica ou catastrofista. Em palestras e escritos, ela frequentemente enquadra questões científicas através de narrativa biográfica, conectando as restrições de sua criação como imigrante — precariedade financeira, aprendizado de idiomas, dependência de mentores individuais excepcionais — ao seu compromisso de ampliar a participação na IA. Suas palestras TED (2015, 2024) e suas memórias demonstram uma facilidade em explicar ideias técnicas para públicos não especialistas sem sacrificar o conteúdo científico.