聽譯 | 龐佳
出品 | AI科技大本營（公眾號ID：rgznai100）
近期，吳恩達做客播客節目 Greymatter 探討了自動化、智能化將會在各個領域如何發展，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。離開百度後，吳恩達選擇了自己創業，陸續創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域最權威的學者之一，吳恩達依然在為促進機器學習研究的發展而努力。通過網絡課程，他目前已向數百萬學生講授了 AI 內容。
以下為對話內容，AI科技大本營聽譯：
▌機器學習分類及其經濟價值
Greymatter：回顧您的工作，特別是機器學習技術的應用方面的，這些技術可以大概劃分為監督式學習、無監督式學習、強化學習和遷移學習。您能談談這些現在技術以及如何使用它們嗎？
吳恩達：人工智能目前具有巨大的經濟價值，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：
隨著現代人工智能的興起，我認為它帶來的絕大部分經濟價值是通過監督式學習技術而來的，也就是學習從輸入到輸出的映射關係。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；或將廣告作為輸入，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用場景。通過去探索合適的業務環境，並從中挖掘從輸入到輸出的映射關係和討論監督式學習，事實證明這是非常有價值的。
另一個技術大類是遷移學習、無監督式學習和強化學習。
什麼是遷移學習呢？假設你想要讀取用於放射學問題的 x 射線圖片，但沒有足夠的 x 射線圖片，那麼這時想要獲得一種適用的監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據集中學習的技術，例如貓、人、行人和標準陸地目標的海量圖像數據集。
因為你能輕鬆獲取大量包含這種目標的圖像，遷移學習技術將從這個圖像環境中學到的知識遷移到新的圖像環境中，用來幫助完成新環境中的學習任務。所以最終當你的人工智能系統讀取一些額外的圖像時，即使是更小的數據集，它也能夠從 x 射線圖像中進行識別和診斷。
無監督學習是另一種讓人們為之興奮的技術。假使計算機本地加載數據，並且能告訴我們，“本計算機通過看這個數據，能夠弄明白數據關係”，這對於少數應用程序而言是非常有用的。
舉例來說，目前很多網絡搜索算法或實際操作文本的算法，比如網頁搜索，或聊天機器人使用的一種無監督算法。在沒有人真正意義上告訴你應該學什麼的情況下，這種無監督算法通過在互聯網上閱讀大量的文本進行學習。關於詞彙意思，這涉及到很多東西，無監督學習能從互聯網上學會理解詞彙的意思。事實證明，這些人工智能算法能使聊天機器人在網頁搜索方面變得更好。
強化學習是這樣一種技術類型，在生產產品的實例中，我認為能夠切實運用這種技術的實例數量遠比公關報道中的少。其實，強化學習就像你訓練貓或狗的方式，無論你會讓狗去做什麼，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。一段時間之後，你的狗將會知道如何做更多正確的事。
事實證明，強化學習對學習翫象棋和跳棋等遊戲非常有用，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；反之在當電腦輸掉比賽時，你都會告訴它，這次做得不好。經過一段時間之後，電腦將擅長玩這些遊戲。
因此，根據當前技術所創造的經濟價值而言，我會將監督學習排在首位，其算法通過學習從輸入到輸出的映射關係實現。其次是遷移學習，從一個對應關係推廣到另一個對應關係，接著是無監督學習。然後是強化學習，就目前創造的經濟價值而言，強化學習的運用與實際經濟價值相比有很大的差距。但人工智能領域正在高速發展，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：那麼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域也很有發展前景？
吳恩達：在深度學習中，最近取得的最新進展是通過 GAN （生成對抗網絡）來進行數據合成。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，根據你對人們特徵的模糊描述，我們能夠合成這些人的圖片，也許你並不認識這些人。而且，我認為技術對娛樂產業造成的影響也可能帶動影響別的行業，但在雲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，從真正意義上採用機器學習技術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努力的項目。
人工智能社區具有很大創新性和創造性，這是一個激動人心的時刻，我們既要在人工智能領域做基礎研究，又要在這個領域尋找好的技術，並探索如何才能用這些技術去幫助他人。
Greymatter：離開 Google 之後，你去了百度任職，領導大約 1300 人，您當時是如何決定哪些問題是要重點關注的？
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域也非常有天賦，並且在公司的技術研發和研發新產品方面也非常出色。
在發展人工智能時，我同時也讓百度致力於發展現有業務，所以我們擁有許多項目能支持現有業務，從網頁搜索廣告到百度地圖等等，使用人工智能技術來改進這些不同的產品。我認為百度最擅長的事情是使用 AI 去創造全新種類的產品。
舉例來說，針對多數有著小型揚聲器的消費電子設備等，我們的操作系統團隊為其提供了語音控制操作平臺。目前，該團隊在中國處於非常領先的地位。我猜想，該團隊可能就是中國版的亞馬遜 Alexa 團隊。
一段人們並不熟知的歷史是百度公開發布的智能揚聲器，這實際上早於亞馬遜宣佈 Alexa 的時期。所以這很有趣，這些都屬於同一時代的想法，有時在美國出現得早些，有時則在中國出現得早些。
但我認為，百度的人工智能團隊主要工作還是支持發展現有業務。並且，我認為支持現有業務能帶動很多其他業務，同時結合人工智能技術開啟新的業務流水線，例如做操作系統，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看待社會、行業時，我認為，人工智能的機遇實際上反應在兩類情況中，一是利用人工智能技術進行轉型，這裡實際上指的是我們需要關注人工智能落技術落地。二是針對初創公司而言，技術人才有很多新的發展機會，人工智能新技術的浪潮會創造嶄新的產業。
Greymatter：我相信美國的一些科技公司也受到了百度轉型的啟發。曾經在你的帶領下，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 向優秀的人工智能公司過渡時，我認為 Google 大腦團隊在轉型中扮演了非常重要的角色。在人工智能戰略和技術平臺方面，百度的人工智能團隊也促進了百度的轉型。為了激發人工智能的全部潛能，我認為不僅僅大型互聯網公司需要轉型，各個國家的不同行業也需要轉型。
在人工智能技術時代，我與多個行業的 CEO 保持著交流，併為大型公司轉型提供建議。我傾向於去組建人工智能團隊，這個團隊能夠將六種人工智能基本功能集成到多個業務中。假如你是一個大型企業的 CEO，並且有五到十個業務部門要向你彙報，要知道對你而言清楚掌握這五個或十個業務是十分困難的，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內標準的東西，非標準的外部團隊能夠更有效地開發產品，然後能將他們開發的功能集成到所有不同的業務中。我認為這是幫助許多公司藉助人工智能技術轉型的準則。科技世界更新換代的速度很快，相比於過去十年，發生的另一個變化是現在能夠以更便捷、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人工智能理論，你很清楚你能做的並不多。大家一起看書，根據內容講解，或你給我工資，我來講課。但是這並不是幫助公司轉型的可變通方式。但隨著網絡數字內容公司的崛起，像 Coursera 能夠對大量員工進行培訓，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，它們通常是創始人領導公司。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，並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。話雖如此，相比中國，我認為，美國有著更強的基礎理論研究能力和技術能力，美國目前還有顯著的優勢。
▌談創業、人工智能落地
Greymatter：讓我們來談談 AI Fund 和一些你目前正在把握的機會，比如人工智能落地，是什麼原因讓你決定開始創建公司並籌集資金？
吳恩達：人工智能技術的興起，讓我們能用計算機去做兩三年前我們做不到的事情。現在的高中生，他們能下載源碼來學習，這在三年前，即使是世界上最優秀的研究團隊也做不到。這是多麼讓人興奮的時刻，現在低收入水平的國家有機會翻身並且創造全新的企業。事實上，這也許是技術轉型中最後一個能夠進行提升的主要途徑。
我認為蘋果、微軟在從非互聯網公司轉型到互聯網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於幫助初創公司轉型，增強初創公司的人工智能技術。
機器學習和人工智能在新事物方面做得很好，AI Fund 就是關注這些方面，它的主要業務與大多數風險投資有所不同。很過人都想知道我們是不是創業孵化基地，答案是否定的，我們自己也是創業者。
我們經常與企業家、人工智能工程師、各種領域的工程師交流，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，然後去建立初創公司。
Greymatter：所以作為一家公司的CEO，關於人工智能技術落地，你主要做了哪些工作？
吳恩達：我們決定從製造業入手，也對多個不同的行業進行了詳細調查，包括醫療、教育以及其他一些行業。我們認為製造業是較容易實現人工智能技術落地的行業，並希望製造業成為第一個聚焦轉型的行業。
硅谷在數字領域的轉型中做了很大貢獻，但我們身邊絕大多數你能看到的事物是由製造行業生產的。對於我們身邊的物質世界，我很榮幸能夠參與這次數字化改造，用人工智能技術去實現生產。
也許在國內某些地方，居民消費趨於飽和，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，或者我們讓大多數的商品價格便宜百分之十。製造業的模式改進將涉及各行各業，我花了很多時間去工廠參觀，這讓我感到很激動，我認為我承擔著製造業和製造業服務人員發展前景的責任。
Greymatter：這是一個遠景，但目前對於人工智能技術的突破，或現代數字技術的突破，我覺得很多製造業事實上是服務不足的行業。許多投資者和企業家會說，公司無法完全掌握自己的數據，舉例來說，如果你是一家互聯網企業，想要分析公司的廣告數據，這些你需要在市場上與客戶交談找到有趣的數據集。
吳恩達：我認為，實際上還沒有遇到過一個垂直行業，能做到完全滿足於它自己已有的數據。這些偉大的人工智能公司會面臨這種情況，儘管他們確實比很多其他公司擁有更好的數據基礎設施。
從很多行業中，我觀察到一種模式，這種模式是通常會首先出現信息技術革命或數字化革命，然後創建數據，在 IT 信息技術革命之後，人工智能技術革命到來，因為人工智能技術將會運用這些數據來創造價值。
例如，在過去二十年中，社會的大部分正經歷著數字化革命。假設你拍攝一張 x 射線圖，當前的 x 射線圖很有可能是一張數字圖像，我們能夠對這張 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據，這樣處理數據的方式，讓人工智能技術融入到各行各業。
Greymatter：您確信在人工智能技術真正落地之前，必須完成數據化變革。
吳恩達：是的，在手機生產方面，我已經做了很長時間，但總無法做到令所有人都對數據滿意。一些人希望手機能通過 WiFi 加載數據進行運行，一些人希望手機能通過網絡連接，採用 USB 驅動的方式連接到電腦傳輸數據。
作者：Greylock Partners
原文鏈接：https://soundcloud.com/greylock-partners/greylock-andrewsarah-podcast
閱讀更多 AI科技大本營 的文章
