近期，吳恩達做客播客節(jié)目 Greymatter 探討了自動化、智能化將會在各個領(lǐng)域如何發(fā)展，以及機器學習和人工智能的未來。

當然，作為前百度首席科學家，吳恩達還提到了他曾做出的功績。離開百度后，吳恩達選擇了自己創(chuàng)業(yè)，陸續(xù)創(chuàng)立了三個人工智能項目：Deeplearning.ai，Landing.ai以及 AI Fund。

同樣作為人工智能領(lǐng)域最權(quán)威的學者之一，吳恩達依然在為促進機器學習研究的發(fā)展而努力。通過網(wǎng)絡(luò)課程，他目前已向數(shù)百萬學生講授了 AI 內(nèi)容。

以下為對話內(nèi)容，AI科技大本營聽譯

一、機器學習分類及其經(jīng)濟價值

Greymatter：回顧您的工作，特別是機器學習技術(shù)的應(yīng)用方面的，這些技術(shù)可以大概劃分為監(jiān)督式學習、無監(jiān)督式學習、強化學習和遷移學習。您能談?wù)勥@些現(xiàn)在技術(shù)以及如何使用它們嗎？

吳恩達：人工智能目前具有巨大的經(jīng)濟價值，事實上，它是我們在處理不同情景的大型工具集合，主要有兩類不同的問題：

隨著現(xiàn)代人工智能的興起，我認為它帶來的絕大部分經(jīng)濟價值是通過監(jiān)督式學習技術(shù)而來的，也就是學習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，判斷用戶是否會點擊這個廣告作為輸出；再或者在自動駕駛汽車中，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)用場景。通過去探索合適的業(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)督式學習，事實證明這是非常有價值的。

另一個技術(shù)大類是遷移學習、無監(jiān)督式學習和強化學習。

什么是遷移學習呢？假設(shè)你想要讀取用于放射學問題的 x 射線圖片，但沒有足夠的 x 射線圖片，那么這時想要獲得一種適用的監(jiān)督式學習算法也許是很有難度的。遷移學習是一種能讓你從海量數(shù)據(jù)集中學習的技術(shù)，例如貓、人、行人和標準陸地目標的海量圖像數(shù)據(jù)集。

因為你能輕松獲取大量包含這種目標的圖像，遷移學習技術(shù)將從這個圖像環(huán)境中學到的知識遷移到新的圖像環(huán)境中，用來幫助完成新環(huán)境中的學習任務(wù)。所以最終當你的人工智能系統(tǒng)讀取一些額外的圖像時，即使是更小的數(shù)據(jù)集，它也能夠從 x 射線圖像中進行識別和診斷。

無監(jiān)督學習是另一種讓人們?yōu)橹d奮的技術(shù)。假使計算機本地加載數(shù)據(jù)，并且能告訴我們，“本計算機通過看這個數(shù)據(jù)，能夠弄明白數(shù)據(jù)關(guān)系”，這對于少數(shù)應(yīng)用程序而言是非常有用的。

舉例來說，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)頁搜索，或聊天機器人使用的一種無監(jiān)督算法。在沒有人真正意義上告訴你應(yīng)該學什么的情況下，這種無監(jiān)督算法通過在互聯(lián)網(wǎng)上閱讀大量的文本進行學習。關(guān)于詞匯意思，這涉及到很多東西，無監(jiān)督學習能從互聯(lián)網(wǎng)上學會理解詞匯的意思。事實證明，這些人工智能算法能使聊天機器人在網(wǎng)頁搜索方面變得更好。

強化學習是這樣一種技術(shù)類型，在生產(chǎn)產(chǎn)品的實例中，我認為能夠切實運用這種技術(shù)的實例數(shù)量遠比公關(guān)報道中的少。其實，強化學習就像你訓(xùn)練貓或狗的方式，無論你會讓狗去做什么，只要是好的行為，你就會告訴它，你做的很棒；反之，只要是不好的行為，你就會告訴它，你這條壞狗。一段時間之后，你的狗將會知道如何做更多正確的事。

事實證明，強化學習對學習玩象棋和跳棋等游戲非常有用，因為，無論何時當電腦贏得比賽的時候，你都會告訴它做得好；反之在當電腦輸?shù)舯荣悤r，你都會告訴它，這次做得不好。經(jīng)過一段時間之后，電腦將擅長玩這些游戲。

因此，根據(jù)當前技術(shù)所創(chuàng)造的經(jīng)濟價值而言，我會將監(jiān)督學習排在首位，其算法通過學習從輸入到輸出的映射關(guān)系實現(xiàn)。其次是遷移學習，從一個對應(yīng)關(guān)系推廣到另一個對應(yīng)關(guān)系，接著是無監(jiān)督學習。然后是強化學習，就目前創(chuàng)造的經(jīng)濟價值而言，強化學習的運用與實際經(jīng)濟價值相比有很大的差距。但人工智能領(lǐng)域正在高速發(fā)展，誰知道這個排名會不會被打破呢，誰知道接下來兩年可能會迎來怎樣的徹底的變化呢？

Greymatter：那么就對世界的影響而言，或就解決新問題的有效性而言，您認為目前機器學習研究在哪些其他領(lǐng)域也很有發(fā)展前景？

吳恩達：在深度學習中，最近取得的最新進展是通過 GAN （生成對抗網(wǎng)絡(luò)）來進行數(shù)據(jù)合成。令人驚訝的是，在全新的場景下，我們能重新準確地合成人們的照片；或者，根據(jù)你對人們特征的模糊描述，我們能夠合成這些人的圖片，也許你并不認識這些人。而且，我認為技術(shù)對娛樂產(chǎn)業(yè)造成的影響也可能帶動影響別的行業(yè)，但在云學習方面的影響還有待觀察。

我在哈佛大學時的團隊 Brain Team 在這方面做了很多研究，從真正意義上采用機器學習技術(shù)來加速其他機器學習算法，這其實是一個很酷的想法和實驗策略。我不知道機器學習是否會從根本上改變一切，但這是一個很好的有待持續(xù)努力的項目。

人工智能社區(qū)具有很大創(chuàng)新性和創(chuàng)造性，這是一個激動人心的時刻，我們既要在人工智能領(lǐng)域做基礎(chǔ)研究，又要在這個領(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。

二、百度的 AI 轉(zhuǎn)型

Greymatter：離開 Google 之后，你去了百度任職，領(lǐng)導(dǎo)大約 1300 人，您當時是如何決定哪些問題是要重點關(guān)注的？

吳恩達：在百度的時候，很幸運我能夠與一支出色的團隊共事，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，我同時也讓百度致力于發(fā)展現(xiàn)有業(yè)務(wù)，所以我們擁有許多項目能支持現(xiàn)有業(yè)務(wù)，從網(wǎng)頁搜索廣告到百度地圖等等，使用人工智能技術(shù)來改進這些不同的產(chǎn)品。我認為百度最擅長的事情是使用 AI 去創(chuàng)造全新種類的產(chǎn)品。

舉例來說，針對多數(shù)有著小型揚聲器的消費電子設(shè)備等，我們的操作系統(tǒng)團隊為其提供了語音控制操作平臺。目前，該團隊在中國處于非常領(lǐng)先的地位。我猜想，該團隊可能就是中國版的亞馬遜 Alexa 團隊。

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

但我認為，百度的人工智能團隊主要工作還是支持發(fā)展現(xiàn)有業(yè)務(wù)。并且，我認為支持現(xiàn)有業(yè)務(wù)能帶動很多其他業(yè)務(wù)，同時結(jié)合人工智能技術(shù)開啟新的業(yè)務(wù)流水線，例如做操作系統(tǒng)，小型揚聲器語音控制平臺，或組成無人駕駛團隊，他們也出自我的團隊。

當你以更開闊的事業(yè)看待社會、行業(yè)時，我認為，人工智能的機遇實際上反應(yīng)在兩類情況中，一是利用人工智能技術(shù)進行轉(zhuǎn)型，這里實際上指的是我們需要關(guān)注人工智能落技術(shù)落地。二是針對初創(chuàng)公司而言，技術(shù)人才有很多新的發(fā)展機會，人工智能新技術(shù)的浪潮會創(chuàng)造嶄新的產(chǎn)業(yè)。

Greymatter：我相信美國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，你們的哪些成績在你看來是成功的擁抱了變化？

吳恩達：在 Google 向優(yōu)秀的人工智能公司過渡時，我認為Google 大腦團隊在轉(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)平臺方面，百度的人工智能團隊也促進了百度的轉(zhuǎn)型。為了激發(fā)人工智能的全部潛能，我認為不僅僅大型互聯(lián)網(wǎng)公司需要轉(zhuǎn)型，各個國家的不同行業(yè)也需要轉(zhuǎn)型。

在人工智能技術(shù)時代，我與多個行業(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隊，這個團隊能夠?qū)⒘N人工智能基本功能集成到多個業(yè)務(wù)中。假如你是一個大型企業(yè)的 CEO，并且有五到十個業(yè)務(wù)部門要向你匯報，要知道對你而言清楚掌握這五個或十個業(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隊。從 CEO 的視角來看，我認為這樣會有更高的成功率。

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

科技世界更新?lián)Q代的速度很快，相比于過去十年，發(fā)生的另一個變化是現(xiàn)在能夠以更便捷、更低成本的方式進行學習和教育。十年前，如果你想要對員工培訓(xùn)人工智能理論，你很清楚你能做的并不多。大家一起看書，根據(jù)內(nèi)容講解，或你給我工資，我來講課。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工進行培訓(xùn)，這也在很大程度上降低了成本。

Greymatter：在計算機輔助教學方面，你覺得中國和美國的高管會有怎樣的文化差異？

吳恩達：無論是行政級別還是公司的其他所有級別，文化都有很大的差異。在美國和中國之間，我認為很多中國公司還比較年輕，它們通常是創(chuàng)始人領(lǐng)導(dǎo)公司。中國公司會普遍很快做出決策，但對一些有比較成熟的董事會控制的上市公司，我們很難說 CEO 能夠快速改變公司，并組織去開擴一個新方向。

在中國，很多你所熟知的人，他們見證了過去十年間財富如何積累和消散。很多 CEO 都知道，當下一個科技浪潮來臨的時候，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嘗試新的技術(shù)。話雖如此，相比中國，我認為，美國有著更強的基礎(chǔ)理論研究能力和技術(shù)能力，美國目前還有顯著的優(yōu)勢。

三、談創(chuàng)業(yè)、人工智能落地

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

吳恩達：人工智能技術(shù)的興起，讓我們能用計算機去做兩三年前我們做不到的事情?，F(xiàn)在的高中生，他們能下載源碼來學習，這在三年前，即使是世界上最優(yōu)秀的研究團隊也做不到。這是多么讓人興奮的時刻，現(xiàn)在低收入水平的國家有機會翻身并且創(chuàng)造全新的企業(yè)。事實上，這也許是技術(shù)轉(zhuǎn)型中最后一個能夠進行提升的主要途徑。

我認為蘋果、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。所以，實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，增強初創(chuàng)公司的人工智能技術(shù)。

機器學習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)風險投資有所不同。很過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，有時是在他們建立孵化公司之前與他們合作，有時是在團隊加入之前與他們合作，甚至有時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：我們決定從制造業(yè)入手，也對多個不同的行業(yè)進行了詳細調(diào)查，包括醫(yī)療、教育以及其他一些行業(yè)。我們認為制造業(yè)是較容易實現(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，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)去實現(xiàn)生產(chǎn)。

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

Greymatter：這是一個遠景，但目前對于人工智能技術(shù)的突破，或現(xiàn)代數(shù)字技術(shù)的突破，我覺得很多制造業(yè)事實上是服務(wù)不足的行業(yè)。許多投資者和企業(yè)家會說，公司無法完全掌握自己的數(shù)據(jù)，舉例來說，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)，這些你需要在市場上與客戶交談?wù)业接腥さ臄?shù)據(jù)集。

吳恩達：我認為，實際上還沒有遇到過一個垂直行業(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面臨這種情況，盡管他們確實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，因為人工智能技術(shù)將會運用這些數(shù)據(jù)來創(chuàng)造價值。

例如，在過去二十年中，社會的大部分正經(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 圖像的像素進行計算，而不是對 x 射線的膠片進行計算。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：是的，在手機生產(chǎn)方面，我已經(jīng)做了很長時間，但總無法做到令所有人都對數(shù)據(jù)滿意。一些人希望手機能通過 WiFi 加載數(shù)據(jù)進行運行，一些人希望手機能通過網(wǎng)絡(luò)連接，采用 USB 驅(qū)動的方式連接到電腦傳輸數(shù)據(jù)。