剛剛，吳恩達真的創業了，創立 Deeplearning.ai

Deeplearning.ai 的域名似乎已註冊到百度位於矽谷森尼韋爾的研發機構——也就是吳恩達此前工作過的同一個辦公室。

新智元編譯

來源：techcrunch.com

作者：John Mannes

譯者：劉小芹、張易

【新智元導讀】百度前首席科學家吳恩達幾小時前剛剛在推特上宣布了他的下一個企業 Deeplearning.ai，據 Techcrunch 的 John Mannes 分析，Deeplearning.ai 應該是致力於開發 AI 基礎設施相關技術的公司。

百度前首席科學家吳恩達幾小時前剛剛在推特上宣布了他的下一個企業Deeplearning.ai，只有一個標誌，一個域名，還有一行「 2017 年8 月」的字樣，預示了發布日期。有趣的是，Deeplearning.ai 的域名似乎已註冊到百度位於矽谷森尼韋爾的研發機構——也就是吳恩達此前工作過的同一個辦公室。

不知道吳恩達是否在百度任職期間已經開始了在Deeplearning.ai 的工作，根據從Wayback Machine 上獲取的數據，該域名由Instra 註冊，並在2015年至2017年間的某個時間點上被認領。

意外地把該域名註冊到百度是一個低級錯誤，而這種有意為之更讓人疑惑。我們不知道百度和Deeplearning.ai 之間的關係——以及它與吳恩達離去之間的關係。當然，也可能純粹只是個錯誤。

吳恩達今年3 月下旬離開公司，承諾將繼續把AI 的好處帶給大家。百度以自然語言處理的專業技術聞名，最近一直將資源投入到自動駕駛汽車和其他特定的深度學習應用中。

吳恩達可能是在藉助其名字的識別度在大力提高他對機器智能生態系統的影響。看不出像Deeplearning.ai 這樣通用的名字會用來銷售自動駕駛汽車或虛擬化的企業工具。吳恩達更有可能是要開發一種旨在成為關鍵基礎設施以支持人工智慧普及的技術。

雖然這也可能指向用於深度學習的專用硬體晶元，但我們更傾向於認為，這更可能是一種吳恩達更為擅長的軟體解決方案。谷歌CEO Sundar Pichai上個月在I/O 大會上提出了 AutoML——它將使神經網路的設計過程自動化。如果現在要說一個公司的名字，這個公司將以此技術為基礎並最終商業化，那也許就是Deeplearning.ai。

「這是非常投機的，但我認為它可能是一個用於幫助生成AI訓練數據集或其他可以加速AI模型和產品開發的AI工具。」AI 投資公司 Comet Labs 的合伙人 Malika Cantor 說，「我非常高興有更多的工具和平台來支持AI生態系統。」

在加入百度前，吳恩達在創建谷歌大腦（谷歌的核心AI研究團隊之一）方面發揮了關鍵作用。吳恩達是 AI 領域一位備受尊敬的研究者和傳播者，他的影響力是跨行業和跨地域的。如果吳恩達真的相信AI是新的電力，他的 Deeplearning.ai 肯定不會錯過這一機遇。

此前，新智元曾報道吳恩達離開百度後接受的首次媒體長篇採訪。當時，面對他的老朋友，Forbes、華爾街日報等專欄作家 Peter High，吳恩達暢談了他下一步的規劃。

我有好幾個想法在頭腦中並存，同時也在探索我可以自己創立的 AI 新業務

Peter High: Andrew，我們上次談話後，你離開了百度。此後你的事業會朝什麼方向邁進？

吳恩達：過去幾年，AI 技術已經起飛。有很多三到四年前不可能做的事情，現在都可以做了。這為百度、谷歌、Facebook、微軟等眾多科技巨頭創造了巨大的機會，同樣也為小型團隊帶來了機遇，使它們可以進行有意義的工作，無論它們是營利性、非營利性還是創業型組織。和電與互聯網改變了一切一樣，在接下來的幾十年里，AI 將會改變一切。我有好幾個想法在頭腦中並存，同時也在探索我可以自己創立的 AI 新業務，其中最讓我激動的是，我想找到一些方法，來支持全球的AI 社區，以便世界各地的人們都能夠訪問他們需要的知識和工具來進行 AI 升級。

High：AI 是一個寬泛的話題。對於您來說，最令人興奮的領域有哪些？哪些領域近期能夠湧現最大的機會？

吳：人們經常會問我：「Andrew，你認為AI 會改變哪些行業？」我一般會說，考慮 AI 不會改變哪些行業可能更容易。說實話，我很難想出一個。例如，我在一次會議中發言，說我的理髮師的工作可能是安全的，因為我不知道如何造一個機器人來剪頭髮。我的一個朋友是研究機器人的教授，她從觀眾席站起來，指著我的頭說，「Andrew，別人的頭髮可能確實不好讓機器人來剪，但是你的頭髮，造個機器人來剪不成問題。」

很難想到有哪個主要行業是不會被 AI 改變的。這包括醫療、教育、交通、零售、通信和農業。AI 有非常清晰的方法，來讓所有這些行業都發生很大改變。Peter，我聽你說過，有時候，AI 感覺就像一個遙遠的事情，但它已經出現在地平線上。我同意你的說法，很多將把我們帶向 AI 未來的工作已經開始了。無疑，那些最聰明的 CEO 和 CIO 們，也許還有些新的首席 AI 官，正在積累必要的人才和工具，或者已經開始使用它們來改變自身的業務了。

孤立的 AI 技術是沒有用的，需要明確它如何能夠適應你的業務概念

High：您對於 CEO、CIO 和 CAIO（首席人工智慧官）們有什麼建議？他們在探索 AI 對其業務影響的過程中還處於較早的階段。

吳：在此前新技術的興起中，比如大約 100 年前的電力興起以及大約 20 年前的互聯網興起，許多組織會開始僱用一位領導者來釐定新技術，並想辦法將新技術整合到組織之中。大約 100 年前，電是很複雜的東西。有 AC 和 DC 之分，你可以從不同的公司買電，還要權衡可靠性、功率與成本。公司不得不作出決定，我們是安裝電機，還是電機和照明？

當時 CEO 們不知道如何搞定電，於是他們聘請了一位電力專家，稱為電力副總裁，為他們搞定關於電的事情。今天，電早已經商品化、可靠化了，所以這個角色已經不再需要了。20 年前，我們看到了CIO 的興起，CIO是一位受聘來處理互聯網和計算機信息的專家。與之相似，AI 也是強大而複雜的技術。CEO 在整個組織中實施 AI 的成功與否將取決於他們聘請的相關領導者。在有些公司，這一角色正由 CIO 或首席數據官扮演。幾個月前，我寫了一篇文章，題為「聘請你的第一位首席 AI 官」，提供了些具體的建議。

AI 技術令人興奮，但它還不成熟。我這麼說似乎在褻瀆 AI，但孤立的 AI 技術是沒有用的。它需要大量的定製，來明確它如何能夠適應你的業務概念。這需要對你的公司有全面的了解，需要對 AI 有深入的理解。開發 AI 的價值需要一個了解業務背景的團隊，並需要他們具有將 AI 融入醫院或物流網路中的跨領域知識。如果缺乏關於業務運營的跨領域知識，就很難定製AI 來驅動具體的業務結果。初創公司在建設跨領域團隊方面一直很有成效。

我們來看一個很具體的例子。你的業務中有一個禮品卡部門。 AI 技術很有可能提高禮品卡部門設計禮品卡、推銷卡片、並確保你的客戶兌換禮品卡的能力。然而，由於 AI 人才稀缺，你的禮品卡部門難以吸引一流的人才。如果你的禮品卡負責人能做到，最好僱用自己的 AI 人才，但一般來說這有點困難。更好的組織結構是建設一個集中的 AI 部門，僱用 AI 人才並保持質量標準。

接著你就可以將你的 AI 人才排入不同的業務單元，幫助他們採用最新的AI 技術。如果幾年後，AI 人才變得越來越普遍，那麼你可能就不再需要一個集中的 AI 團隊，也可以在所有業務部門分布配置 AI 人才。如果 AI 繼續快速發展——未來幾年內我相信這不會變——那麼人才的稀缺性就會持續——巨大的人才鴻溝會一直存在。

在結構演化中有一個共同的模式。隨著手機的興起，許多公司建立了集中式移動技術團隊，部署在各業務部門的；這意味著他們可以僱用較少的移動技術人才。該團隊將為所有不同的業務部門開發應用程序。隨著時間的推移，隨著移動技術的成熟和移動人才的普及，人才開始分布配置。我們現在看不到集中的移動團隊或首席移動官了。

High：鑒於你所描述的目前和未來的人才稀缺，這看來幾乎不可避免，因為 AI 仍然在快速發展。你有什麼建議填補這個鴻溝？

吳：除了建立你的 AI 團隊外，管理人員的另一個選擇是合作/購買。如果 CEO 或 CIO 找到正確的合作夥伴，購買 AI 解決方案並進行整合，就可以奏效。我看到很多初創公司從開發垂直解決方案開始。另一個趨勢是求知若渴的 CIO 們會使用Coursera 這樣的平台或其他大型開放式在線課程，為他們的公司提供經濟的、前沿的培訓，以幫助員工提高基礎水平。MOOC 的興起使我感到樂觀。

過去一年左右，我們看到了大型和小型企業的大幅增長，它們都在使用Coursera 來幫助他們快速提升自己的AI 能力。我親眼見證過，有的公司員工在採用了Coursera 內容後，改變了對AI 的理解，他們憑藉使用 AI 的能力在短短几個月內就推動了業務成果。

我為在百度和谷歌建立的AI 團隊感到自豪

High：有一些與AI 有關的誤解。我們都有這種想法，組織在做出決策之前，應該先看看別人在做什麼。另一種認識則是，只有谷歌、亞馬遜和蘋果這樣的巨頭才能抓住這最大的機會，或者你的體量夠大，或者你擁有海量的數據，才能有效地利用 AI。對此你怎麼看？

吳：我為在百度和谷歌建立的AI 團隊感到自豪。他們漂亮地利用了許多的 AI 良機。對於我幫助建立的這兩支隊伍，以及其他幾家大公司的長期未來，我是很看好的。話雖如此，讓我們繼續分析，AI 是新的電力。通用電氣隨著電力的崛起表現良好，但許多其他能夠以新穎創新的方式使用電力的公司表現也很好。

數據是人們構建AI 時關注的事情之一。數據是 AI 引擎的寶貴燃料。在一些垂直領域，科技巨頭的數據優勢使小型玩家在這個特定的垂直領域與對手競爭非常困難。例如，當今最好的語音識別引擎已經接受了數以萬計、有時甚至是數十萬小時的數據訓練。最好的面部識別系統訓練經數以百萬計的圖像訓練而成。

一個小玩家很難積累這麼多數據。然而，有很多垂直領域，大玩家沒有給予太多的關注。一個較小的組織，如學術研究組織、創業公司或小型研究實驗室，可以在這些領域取得有意義的進展。例如，一個大學的研究小組，通過與醫院合作，對某種疾病進行醫學影像的智能分析，也許能獲得比目前任何人都要多的數據。通過將數據集中，他們可以很好地構建AI 系統。你建造的東西要夠好。這樣才會讓你進入一個良性循環，可以隨著時間的推移積累更多數據，並繼續前進。最終做成一個與眾不同的小生意。

我們不會付給無所事事的人，而是會付給持續學習的人

High：大家都在哀嘆 AI 和機器人將繼續取代傳統工作。我從上次談話中知道，你相信克服這一挑戰的方法是建立更好的終身學習的手段。你認為我們不應將學習局限在傳統的學習環境和時間段中，而是將學習納入我們的日常生活，包括我們的工作生活。對此，作為 Coursera 的聯合創始人，你已經發揮了自己的作用。那麼，如何通過 MOOC 和其他一些學習平台來解決這一問題？

吳：大多數經濟學家認為，在未來 10 到 20 年，有 30％到 50％的工作有被 AI 和技術替代的風險。 30％的工作處於危機之中，這是一件可怕的事情。然而，這個說法的另一面是 70％的工作在未來 10 年或者 20 年沒有重大的風險。此外，這 70％的人才需求過剩。我們現在不知道去哪裡找人做這些工作。這個問題不是人沒有工作可做，而是人需要做的工作類型正在改變。我強烈地贊成「成長心態」（growth mindset）; 幾乎任何人都可以學習做任何事情。我們需要建立一個終身學習者的社會，人們持續學習，使他們總是有能力完成所需的工作，有意義的工作。

我們很幸運，數字內容的興起，例如像 Coursera 這樣的 MOOC，以及可以得到的大量書籍，使終身學習成為可能。

隨著技術逐漸代替一部分工作，人們可能需要簽訂新合同，認真討論基本收入的問題。這一點我雙手贊成。

我支持有條件的基本收入，以形成安全的社會網路。但是，我們不會付給無所事事的人，而是會付給持續學習的人，這一點很合理。這會增加人們獲得重新進入勞動力市場所需技能的機會，幫助他們找到有意義的工作，並為支付基本收入的稅基作出貢獻。

全世界可能沒有任何一個人敢說了解AI發展的全貌

High：你現在學習的是什麼？你有在上某些課程嗎？或者有在閱讀某些具體的想法嗎？

吳：AI涉及許多不同的行業。我剛才提到醫療和教育，那是我最看好的戀歌行業。其他的我也在觀察。每當我試圖對一個行業產生影響，我要先話費很長時間去了解這個行業。這包括很多事情，從閱讀，與人交流到去參加學術會議，一切事情。每一個行業都非常大，醫療本身也有幾百上千個垂直的子領域，這些也是我試圖要去了解的。

對於AI，我總是保持跟上最新的進展。非AI行業的人總是擔心他們不懂AI。AI的一個小秘密是，它正在快速發展，全世界可能沒有任何一個人敢說了解AI發展的全貌。需要了解的事物太多了。在技術行業工作讓我感到興奮，因為總是有新的東西被發明，總是有新的知識要學習。這就好像腳下的地球亘古不變地在移動一樣。我覺得這令人激動，因為它創造了巨大的機會，讓人得以創立能夠幫助很多人的新的團隊，組織和企業。

對我來說，接受採訪的情況相當普遍，我與他們談話，但總覺得他們錯過了某種特定的語境；例如某項技術是如何發生作用的，如何在特定的地方進行市場營銷活動，或者如何建立一個組織。有時候我不可能花上8個小時坐下來好好向他們解釋我對這項技術的了解，或者其他話題。

那麼我唯一的選擇便是請他們去上一門MOOC的課程，去讀一本書，或去找一些教材來弄清楚這些問題。我在許多組織的一些對我來說很贊的互動，都主動提出了這種要求。他們讀完一本書，上完一門課程，等等，然後再回來，積累了這些新的知識後，我們進行了非常有價值的討論。

另一方面，有時候人們會說：「吳恩達，你沒有搞清楚嘛！」然後扔給我一本書。今天，有很多豐富的內容，領導者可以通過策劃內容和組織分享，從而有效地管理組織。但是，如果想有效進行的話，你需要形成一種文化，讓團隊成員能夠轉化任何你希望他們學習的東西。

在商業文化和環境方面，美國人可以向中國學習什麼

High：在你所創立的公司和團隊中，這些文化有共同的特徵嗎？有沒有某些文化，是不管哪個組織你都會反覆灌輸的？

吳：矽谷的公司常見的許多文化都是，例如透明和誠信。這些都是廣泛討論的。另一個可能不太常見的文化因素是工作道德。這裡不常談論艱苦工作的重要性。工作與生活取得平衡更重要。雖然我不希望讓任何人將所有時間風險給工作，也不想他們無法缺乏足夠的時間陪伴家人，但實際上如果沒有付出努力，就不可能做好工作。

我與我工作上的夥伴，我會直接而且誠懇地說：「我不認為你很有才能，如果你想充分發揮自己的潛力，你需要更加努力。」我工作很努力。我願意努力做出改變，幫助世界。因為我們所做的工作很重要，對於不願意努力工作的人，我並不感興趣。

除了工作道德，不斷學習，並且努力維持持續的學習至關重要。學習的困難之一是短期內幾乎無法得到回報。你所有的周末都在學習，但是到了星期一你的老闆並不知道你有很努力工作。另外，你並不是對工作很得心應手，因為你只是努力學習了一兩天。學習的秘訣是不要只學一個周末，而是周復一周，年付一年，持續上十年。時間的尺度是以月或年為單位的，而不是周。

我認為建立組織需要為每位員工投資。如果有人加入我的團隊，我會真誠地看著他的眼睛說：「如果你和我一起工作，我保證半年內你就能學到更多，同樣的工作，你會比你現在做得更好。」

High：你在美國和中國都工作過相當長的時間。在商業文化和環境方面，美國人可以從你在中國的經驗中學到什麼嗎？有沒有一些你希望其他人了解的文化屬性？

吳：在發展中國家，尤其是在中國，人們工作特別努力。我在中國是，如果要在周日開會，所有人都會來，沒有人抱怨。有一次，我和團隊的幾個成員一起吃飯，然後我們遇到了一個問題。

我於是發簡訊給另一位同事，當時大概是下午7點左右。我們其他人繼續吃完飯的當兒，這位同事給另外5位同事發了簡訊。他們都回答了問題，然後她把答案整理了，在晚餐結束後回復給我們。因此，我們得以解決問題，順利推進項目。這種事情在中國是工作的完全正常的情況。實際上，如果我在一兩小時內沒有得到回復，我會開始懷疑到底發生了什麼。工作文化的強度，決策的速度，以及員工承壓的強度，這是我喜歡的中國工作文化的一些方面。

High：你參與過許多組織，扮演過許多有趣的角色，而且經常都是有關AI這個大主題的。通過你的種種努力，作為一名企業家和遠見者，你已經取得了巨大的成功。你是否將自己的成功歸功於很強的職業道德和對學習的熱愛？

吳：我在組織團隊和文化上畫了很多時間。我有幸與許多偉大的人和組織合作。我傾向於認為我在為它們獲得地位和資源方面發揮了小小的作用，有時候還包括知識，他們需要這些知識以更好地工作。一個人是做不到的。這個星球上沒有任何一個人能夠獨自做這麼多工作。沒有任何人能寫出這麼多行代碼。

我的很多工作一直都是幫助別人取得成功，幫助我的團隊夥伴取得成功。這是我引以為豪的事情。我已經創立過幾個組織，並且做得很好，我已經沒有或很少參與它們。幫助建立一個由很厲害的人組成的強大團隊，他們工作努力，熱愛學習，就有能力做許多偉大的事情。我希望能繼續這樣做。

原文地址：https://techcrunch.com/2017/06/23/deeplearning/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！