對(duì)話吳恩達(dá)：離開(kāi)百度后，聚焦AI+制造業(yè)

　　近期，吳恩達(dá)做客播客節(jié)目 Greymatter 探討了自動(dòng)化、智能化將會(huì)在各個(gè)領(lǐng)域如何發(fā)展，以及機(jī)器學(xué)習(xí)和人工智能的未來(lái)。

　　當(dāng)然，作為前百度首席科學(xué)家，吳恩達(dá)還提到了他曾做出的功績(jī)。離開(kāi)百度后，吳恩達(dá)選擇了自己創(chuàng)業(yè)，陸續(xù)創(chuàng)立了三個(gè)人工智能項(xiàng)目：Deeplearning.ai，Landing.ai 以及 AI Fund。

　　同樣作為人工智能領(lǐng)域最權(quán)威的學(xué)者之一，吳恩達(dá)依然在為促進(jìn)機(jī)器學(xué)習(xí)研究的發(fā)展而努力。通過(guò)網(wǎng)絡(luò)課程，他目前已向數(shù)百萬(wàn)學(xué)生講授了 AI 內(nèi)容。

　　以下為對(duì)話內(nèi)容：

　　機(jī)器學(xué)習(xí)分類及其經(jīng)濟(jì)價(jià)值

　　Greymatter：回顧您的工作，特別是機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用方面的，這些技術(shù)可以大概劃分為監(jiān)督式學(xué)習(xí)、無(wú)監(jiān)督式學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)。您能談?wù)勥@些現(xiàn)在技術(shù)以及如何使用它們嗎?

　　吳恩達(dá)：人工智能目前具有巨大的經(jīng)濟(jì)價(jià)值，事實(shí)上，它是我們?cè)谔幚聿煌榫暗拇笮凸ぞ呒?，主要有兩類不同的?wèn)題：

　　隨著現(xiàn)代人工智能的興起，我認(rèn)為它帶來(lái)的絕大部分經(jīng)濟(jì)價(jià)值是通過(guò)監(jiān)督式學(xué)習(xí)技術(shù)而來(lái)的，也就是學(xué)習(xí)從輸入到輸出的映射關(guān)系。比如，將電子郵件作為輸入，判斷這封電子郵件是否是垃圾郵件作為輸出;或?qū)V告作為輸入，判斷用戶是否會(huì)點(diǎn)擊這個(gè)廣告作為輸出;再或者在自動(dòng)駕駛汽車中，輸入一張汽車正前方的圖片，輸出能夠告訴我其他汽車的位置等諸如此類的應(yīng)用場(chǎng)景。通過(guò)去探索合適的業(yè)務(wù)環(huán)境，并從中挖掘從輸入到輸出的映射關(guān)系和討論監(jiān)督式學(xué)習(xí)，事實(shí)證明這是非常有價(jià)值的。

　　另一個(gè)技術(shù)大類是遷移學(xué)習(xí)、無(wú)監(jiān)督式學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

　　什么是遷移學(xué)習(xí)呢?假設(shè)你想要讀取用于放射學(xué)問(wèn)題的 x 射線圖片，但沒(méi)有足夠的 x 射線圖片，那么這時(shí)想要獲得一種適用的監(jiān)督式學(xué)習(xí)算法也許是很有難度的。遷移學(xué)習(xí)是一種能讓你從海量數(shù)據(jù)集中學(xué)習(xí)的技術(shù)，例如貓、人、行人和標(biāo)準(zhǔn)陸地目標(biāo)的海量圖像數(shù)據(jù)集。

　　因?yàn)槟隳茌p松獲取大量包含這種目標(biāo)的圖像，遷移學(xué)習(xí)技術(shù)將從這個(gè)圖像環(huán)境中學(xué)到的知識(shí)遷移到新的圖像環(huán)境中，用來(lái)幫助完成新環(huán)境中的學(xué)習(xí)任務(wù)。所以最終當(dāng)你的人工智能系統(tǒng)讀取一些額外的圖像時(shí)，即使是更小的數(shù)據(jù)集，它也能夠從 x 射線圖像中進(jìn)行識(shí)別和診斷。

　　無(wú)監(jiān)督學(xué)習(xí)是另一種讓人們?yōu)橹d奮的技術(shù)。假使計(jì)算機(jī)本地加載數(shù)據(jù)，并且能告訴我們，“本計(jì)算機(jī)通過(guò)看這個(gè)數(shù)據(jù)，能夠弄明白數(shù)據(jù)關(guān)系”，這對(duì)于少數(shù)應(yīng)用程序而言是非常有用的。

　　舉例來(lái)說(shuō)，目前很多網(wǎng)絡(luò)搜索算法或?qū)嶋H操作文本的算法，比如網(wǎng)頁(yè)搜索，或聊天機(jī)器人使用的一種無(wú)監(jiān)督算法。在沒(méi)有人真正意義上告訴你應(yīng)該學(xué)什么的情況下，這種無(wú)監(jiān)督算法通過(guò)在互聯(lián)網(wǎng)上閱讀大量的文本進(jìn)行學(xué)習(xí)。關(guān)于詞匯意思，這涉及到很多東西，無(wú)監(jiān)督學(xué)習(xí)能從互聯(lián)網(wǎng)上學(xué)會(huì)理解詞匯的意思。事實(shí)證明，這些人工智能算法能使聊天機(jī)器人在網(wǎng)頁(yè)搜索方面變得更好。

　　強(qiáng)化學(xué)習(xí)是這樣一種技術(shù)類型，在生產(chǎn)產(chǎn)品的實(shí)例中，我認(rèn)為能夠切實(shí)運(yùn)用這種技術(shù)的實(shí)例數(shù)量遠(yuǎn)比公關(guān)報(bào)道中的少。其實(shí)，強(qiáng)化學(xué)習(xí)就像你訓(xùn)練貓或狗的方式，無(wú)論你會(huì)讓狗去做什么，只要是好的行為，你就會(huì)告訴它，你做的很棒;反之，只要是不好的行為，你就會(huì)告訴它，你這條壞狗。一段時(shí)間之后，你的狗將會(huì)知道如何做更多正確的事。

　　事實(shí)證明，強(qiáng)化學(xué)習(xí)對(duì)學(xué)習(xí)玩象棋和跳棋等游戲非常有用，因?yàn)椋瑹o(wú)論何時(shí)當(dāng)電腦贏得比賽的時(shí)候，你都會(huì)告訴它做得好;反之在當(dāng)電腦輸?shù)舯荣悤r(shí)，你都會(huì)告訴它，這次做得不好。經(jīng)過(guò)一段時(shí)間之后，電腦將擅長(zhǎng)玩這些游戲。

　　因此，根據(jù)當(dāng)前技術(shù)所創(chuàng)造的經(jīng)濟(jì)價(jià)值而言，我會(huì)將監(jiān)督學(xué)習(xí)排在首位，其算法通過(guò)學(xué)習(xí)從輸入到輸出的映射關(guān)系實(shí)現(xiàn)。其次是遷移學(xué)習(xí)，從一個(gè)對(duì)應(yīng)關(guān)系推廣到另一個(gè)對(duì)應(yīng)關(guān)系，接著是無(wú)監(jiān)督學(xué)習(xí)。然后是強(qiáng)化學(xué)習(xí)，就目前創(chuàng)造的經(jīng)濟(jì)價(jià)值而言，強(qiáng)化學(xué)習(xí)的運(yùn)用與實(shí)際經(jīng)濟(jì)價(jià)值相比有很大的差距。但人工智能領(lǐng)域正在高速發(fā)展，誰(shuí)知道這個(gè)排名會(huì)不會(huì)被打破呢，誰(shuí)知道接下來(lái)兩年可能會(huì)迎來(lái)怎樣的徹底的變化呢?

　　Greymatter：那么就對(duì)世界的影響而言，或就解決新問(wèn)題的有效性而言，您認(rèn)為目前機(jī)器學(xué)習(xí)研究在哪些其他領(lǐng)域也很有發(fā)展前景?

　　吳恩達(dá)：在深度學(xué)習(xí)中，最近取得的最新進(jìn)展是通過(guò) GAN (生成對(duì)抗網(wǎng)絡(luò))來(lái)進(jìn)行數(shù)據(jù)合成。令人驚訝的是，在全新的場(chǎng)景下，我們能重新準(zhǔn)確地合成人們的照片;或者，根據(jù)你對(duì)人們特征的模糊描述，我們能夠合成這些人的圖片，也許你并不認(rèn)識(shí)這些人。而且，我認(rèn)為技術(shù)對(duì)娛樂(lè)產(chǎn)業(yè)造成的影響也可能帶動(dòng)影響別的行業(yè)，但在云學(xué)習(xí)方面的影響還有待觀察。

　　我在哈佛大學(xué)時(shí)的團(tuán)隊(duì) Brain Team 在這方面做了很多研究，從真正意義上采用機(jī)器學(xué)習(xí)技術(shù)來(lái)加速其他機(jī)器學(xué)習(xí)算法，這其實(shí)是一個(gè)很酷的想法和實(shí)驗(yàn)策略。我不知道機(jī)器學(xué)習(xí)是否會(huì)從根本上改變一切，但這是一個(gè)很好的有待持續(xù)努力的項(xiàng)目。

　　人工智能社區(qū)具有很大創(chuàng)新性和創(chuàng)造性，這是一個(gè)激動(dòng)人心的時(shí)刻，我們既要在人工智能領(lǐng)域做基礎(chǔ)研究，又要在這個(gè)領(lǐng)域?qū)ふ液玫募夹g(shù)，并探索如何才能用這些技術(shù)去幫助他人。

　　百度的 AI 轉(zhuǎn)型

　　Greymatter：離開(kāi) Google 之后，你去了百度任職，領(lǐng)導(dǎo)大約 1300 人，您當(dāng)時(shí)是如何決定哪些問(wèn)題是要重點(diǎn)關(guān)注的?

　　吳恩達(dá)：在百度的時(shí)候，很幸運(yùn)我能夠與一支出色的團(tuán)隊(duì)共事，包括李彥宏，這位 CEO 不僅僅是一位出色的管理人員，他在人工智能研究領(lǐng)域也非常有天賦，并且在公司的技術(shù)研發(fā)和研發(fā)新產(chǎn)品方面也非常出色。

　　在發(fā)展人工智能時(shí)，我同時(shí)也讓百度致力于發(fā)展現(xiàn)有業(yè)務(wù)，所以我們擁有許多項(xiàng)目能支持現(xiàn)有業(yè)務(wù)，從網(wǎng)頁(yè)搜索廣告到百度地圖等等，使用人工智能技術(shù)來(lái)改進(jìn)這些不同的產(chǎn)品。我認(rèn)為百度最擅長(zhǎng)的事情是使用 AI 去創(chuàng)造全新種類的產(chǎn)品。

　　舉例來(lái)說(shuō)，針對(duì)多數(shù)有著小型揚(yáng)聲器的消費(fèi)電子設(shè)備等，我們的操作系統(tǒng)團(tuán)隊(duì)為其提供了語(yǔ)音控制操作平臺(tái)。目前，該團(tuán)隊(duì)在中國(guó)處于非常領(lǐng)先的地位。我猜想，該團(tuán)隊(duì)可能就是中國(guó)版的亞馬遜 Alexa 團(tuán)隊(duì)。

　　一段人們并不熟知的歷史是百度公開(kāi)發(fā)布的智能揚(yáng)聲器，這實(shí)際上早于亞馬遜宣布 Alexa 的時(shí)期。所以這很有趣，這些都屬于同一時(shí)代的想法，有時(shí)在美國(guó)出現(xiàn)得早些，有時(shí)則在中國(guó)出現(xiàn)得早些。

　　但我認(rèn)為，百度的人工智能團(tuán)隊(duì)主要工作還是支持發(fā)展現(xiàn)有業(yè)務(wù)。并且，我認(rèn)為支持現(xiàn)有業(yè)務(wù)能帶動(dòng)很多其他業(yè)務(wù)，同時(shí)結(jié)合人工智能技術(shù)開(kāi)啟新的業(yè)務(wù)流水線，例如做操作系統(tǒng)，小型揚(yáng)聲器語(yǔ)音控制平臺(tái)，或組成無(wú)人駕駛團(tuán)隊(duì)，他們也出自我的團(tuán)隊(duì)。

　　當(dāng)你以更開(kāi)闊的事業(yè)看待社會(huì)、行業(yè)時(shí)，我認(rèn)為，人工智能的機(jī)遇實(shí)際上反應(yīng)在兩類情況中，一是利用人工智能技術(shù)進(jìn)行轉(zhuǎn)型，這里實(shí)際上指的是我們需要關(guān)注人工智能落技術(shù)落地。二是針對(duì)初創(chuàng)公司而言，技術(shù)人才有很多新的發(fā)展機(jī)會(huì)，人工智能新技術(shù)的浪潮會(huì)創(chuàng)造嶄新的產(chǎn)業(yè)。

　　Greymatter：我相信美國(guó)的一些科技公司也受到了百度轉(zhuǎn)型的啟發(fā)。曾經(jīng)在你的帶領(lǐng)下，你們的哪些成績(jī)?cè)谀憧磥?lái)是成功的擁抱了變化?

　　吳恩達(dá)：在 Google 向優(yōu)秀的人工智能公司過(guò)渡時(shí)，我認(rèn)為 Google 大腦團(tuán)隊(duì)在轉(zhuǎn)型中扮演了非常重要的角色。在人工智能戰(zhàn)略和技術(shù)平臺(tái)方面，百度的人工智能團(tuán)隊(duì)也促進(jìn)了百度的轉(zhuǎn)型。為了激發(fā)人工智能的全部潛能，我認(rèn)為不僅僅大型互聯(lián)網(wǎng)公司需要轉(zhuǎn)型，各個(gè)國(guó)家的不同行業(yè)也需要轉(zhuǎn)型。

　　在人工智能技術(shù)時(shí)代，我與多個(gè)行業(yè)的 CEO 保持著交流，并為大型公司轉(zhuǎn)型提供建議。我傾向于去組建人工智能團(tuán)隊(duì)，這個(gè)團(tuán)隊(duì)能夠?qū)⒘N人工智能基本功能集成到多個(gè)業(yè)務(wù)中。假如你是一個(gè)大型企業(yè)的 CEO，并且有五到十個(gè)業(yè)務(wù)部門要向你匯報(bào)，要知道對(duì)你而言清楚掌握這五個(gè)或十個(gè)業(yè)務(wù)是十分困難的，因此需要建立你們自己的人工智能團(tuán)隊(duì)。從 CEO 的視角來(lái)看，我認(rèn)為這樣會(huì)有更高的成功率。

　　如果你能夠組建人工智能團(tuán)隊(duì)，這種內(nèi)部的影響力能夠做到你想要達(dá)到的目標(biāo)。但更重要的是，我們還需要外部的力量。無(wú)論如何，不要購(gòu)買那些將會(huì)成為行業(yè)內(nèi)標(biāo)準(zhǔn)的東西，非標(biāo)準(zhǔn)的外部團(tuán)隊(duì)能夠更有效地開(kāi)發(fā)產(chǎn)品，然后能將他們開(kāi)發(fā)的功能集成到所有不同的業(yè)務(wù)中。我認(rèn)為這是幫助許多公司借助人工智能技術(shù)轉(zhuǎn)型的準(zhǔn)則。

　　科技世界更新?lián)Q代的速度很快，相比于過(guò)去十年，發(fā)生的另一個(gè)變化是現(xiàn)在能夠以更便捷、更低成本的方式進(jìn)行學(xué)習(xí)和教育。十年前，如果你想要對(duì)員工培訓(xùn)人工智能理論，你很清楚你能做的并不多。大家一起看書(shū)，根據(jù)內(nèi)容講解，或你給我工資，我來(lái)講課。但是這并不是幫助公司轉(zhuǎn)型的可變通方式。但隨著網(wǎng)絡(luò)數(shù)字內(nèi)容公司的崛起，像 Coursera 能夠?qū)Υ罅繂T工進(jìn)行培訓(xùn)，這也在很大程度上降低了成本。

　　Greymatter：在計(jì)算機(jī)輔助教學(xué)方面，你覺(jué)得中國(guó)和美國(guó)的高管會(huì)有怎樣的文化差異?

　　吳恩達(dá)：無(wú)論是行政級(jí)別還是公司的其他所有級(jí)別，文化都有很大的差異。在美國(guó)和中國(guó)之間，我認(rèn)為很多中國(guó)公司還比較年輕，它們通常是創(chuàng)始人領(lǐng)導(dǎo)公司。中國(guó)公司會(huì)普遍很快做出決策，但對(duì)一些有比較成熟的董事會(huì)控制的上市公司，我們很難說(shuō) CEO 能夠快速改變公司，并組織去開(kāi)擴(kuò)一個(gè)新方向。

　　在中國(guó)，很多你所熟知的人，他們見(jiàn)證了過(guò)去十年間財(cái)富如何積累和消散。很多 CEO 都知道，當(dāng)下一個(gè)科技浪潮來(lái)臨的時(shí)候，如果你轉(zhuǎn)型得不夠快，也許下一次就輪到你的公司以這樣的方式倒下了。因此，亞洲的公司總是主動(dòng)嘗試新的技術(shù)。話雖如此，相比中國(guó)，我認(rèn)為，美國(guó)有著更強(qiáng)的基礎(chǔ)理論研究能力和技術(shù)能力，美國(guó)目前還有顯著的優(yōu)勢(shì)。

　　談創(chuàng)業(yè)、人工智能落地

　　Greymatter：讓我們來(lái)談?wù)?AI Fund 和一些你目前正在把握的機(jī)會(huì)，比如人工智能落地，是什么原因讓你決定開(kāi)始創(chuàng)建公司并籌集資金?

　　吳恩達(dá)：人工智能技術(shù)的興起，讓我們能用計(jì)算機(jī)去做兩三年前我們做不到的事情?，F(xiàn)在的高中生，他們能下載源碼來(lái)學(xué)習(xí)，這在三年前，即使是世界上最優(yōu)秀的研究團(tuán)隊(duì)也做不到。這是多么讓人興奮的時(shí)刻，現(xiàn)在低收入水平的國(guó)家有機(jī)會(huì)翻身并且創(chuàng)造全新的企業(yè)。事實(shí)上，這也許是技術(shù)轉(zhuǎn)型中最后一個(gè)能夠進(jìn)行提升的主要途徑。

　　我認(rèn)為蘋果、微軟在從非互聯(lián)網(wǎng)公司轉(zhuǎn)型到互聯(lián)網(wǎng)公司方面做了很大的貢獻(xiàn)。所以，實(shí)際上我所做的很多工作旨在讓人工智能落地著重于幫助初創(chuàng)公司轉(zhuǎn)型，增強(qiáng)初創(chuàng)公司的人工智能技術(shù)。

　　機(jī)器學(xué)習(xí)和人工智能在新事物方面做得很好，AI Fund 就是關(guān)注這些方面，它的主要業(yè)務(wù)與大多數(shù)風(fēng)險(xiǎn)投資有所不同。很過(guò)人都想知道我們是不是創(chuàng)業(yè)孵化基地，答案是否定的，我們自己也是創(chuàng)業(yè)者。

　　我們經(jīng)常與企業(yè)家、人工智能工程師、各種領(lǐng)域的工程師交流，有時(shí)是在他們建立孵化公司之前與他們合作，有時(shí)是在團(tuán)隊(duì)加入之前與他們合作，甚至有時(shí)是在他們有具體的想法之前，與他們一起去探索、挖掘不同的想法，然后去建立初創(chuàng)公司。

　　Greymatter：所以作為一家公司的CEO，關(guān)于人工智能技術(shù)落地，你主要做了哪些工作?

　　吳恩達(dá)：我們決定從制造業(yè)入手，也對(duì)多個(gè)不同的行業(yè)進(jìn)行了詳細(xì)調(diào)查，包括醫(yī)療、教育以及其他一些行業(yè)。我們認(rèn)為制造業(yè)是較容易實(shí)現(xiàn)人工智能技術(shù)落地的行業(yè)，并希望制造業(yè)成為第一個(gè)聚焦轉(zhuǎn)型的行業(yè)。

　　硅谷在數(shù)字領(lǐng)域的轉(zhuǎn)型中做了很大貢獻(xiàn)，但我們身邊絕大多數(shù)你能看到的事物是由制造行業(yè)生產(chǎn)的。對(duì)于我們身邊的物質(zhì)世界，我很榮幸能夠參與這次數(shù)字化改造，用人工智能技術(shù)去實(shí)現(xiàn)生產(chǎn)。

　　也許在國(guó)內(nèi)某些地方，居民消費(fèi)趨于飽和，但我們是不是能降低實(shí)物商品的成本?這是更好的方式，能讓世界上每個(gè)人得到大約超出百分之十的收入，或者我們讓大多數(shù)的商品價(jià)格便宜百分之十。制造業(yè)的模式改進(jìn)將涉及各行各業(yè)，我花了很多時(shí)間去工廠參觀，這讓我感到很激動(dòng)，我認(rèn)為我承擔(dān)著制造業(yè)和制造業(yè)服務(wù)人員發(fā)展前景的責(zé)任。

　　Greymatter：這是一個(gè)遠(yuǎn)景，但目前對(duì)于人工智能技術(shù)的突破，或現(xiàn)代數(shù)字技術(shù)的突破，我覺(jué)得很多制造業(yè)事實(shí)上是服務(wù)不足的行業(yè)。許多投資者和企業(yè)家會(huì)說(shuō)，公司無(wú)法完全掌握自己的數(shù)據(jù)，舉例來(lái)說(shuō)，如果你是一家互聯(lián)網(wǎng)企業(yè)，想要分析公司的廣告數(shù)據(jù)，這些你需要在市場(chǎng)上與客戶交談?wù)业接腥さ臄?shù)據(jù)集。

　　吳恩達(dá)：我認(rèn)為，實(shí)際上還沒(méi)有遇到過(guò)一個(gè)垂直行業(yè)，能做到完全滿足于它自己已有的數(shù)據(jù)。這些偉大的人工智能公司會(huì)面臨這種情況，盡管他們確實(shí)比很多其他公司擁有更好的數(shù)據(jù)基礎(chǔ)設(shè)施。

　　從很多行業(yè)中，我觀察到一種模式，這種模式是通常會(huì)首先出現(xiàn)信息技術(shù)革命或數(shù)字化革命，然后創(chuàng)建數(shù)據(jù)，在 IT 信息技術(shù)革命之后，人工智能技術(shù)革命到來(lái)，因?yàn)槿斯ぶ悄芗夹g(shù)將會(huì)運(yùn)用這些數(shù)據(jù)來(lái)創(chuàng)造價(jià)值。

　　例如，在過(guò)去二十年中，社會(huì)的大部分正經(jīng)歷著數(shù)字化革命。假設(shè)你拍攝一張 x 射線圖，當(dāng)前的 x 射線圖很有可能是一張數(shù)字圖像，我們能夠?qū)@張 x 圖像的像素進(jìn)行計(jì)算，而不是對(duì) x 射線的膠片進(jìn)行計(jì)算。所以，這就是人工智能能否使用的數(shù)據(jù)，這樣處理數(shù)據(jù)的方式，讓人工智能技術(shù)融入到各行各業(yè)。

　　Greymatter：您確信在人工智能技術(shù)真正落地之前，必須完成數(shù)據(jù)化變革。

　　吳恩達(dá)：是的，在手機(jī)生產(chǎn)方面，我已經(jīng)做了很長(zhǎng)時(shí)間，但總無(wú)法做到令所有人都對(duì)數(shù)據(jù)滿意。一些人希望手機(jī)能通過(guò) WiFi 加載數(shù)據(jù)進(jìn)行運(yùn)行，一些人希望手機(jī)能通過(guò)網(wǎng)絡(luò)連接，采用 USB 驅(qū)動(dòng)的方式連接到電腦傳輸數(shù)據(jù)。