大數據文摘作品
記者：魏子敏
2月的第一天，吳恩達在北京完成了一次頗為低調的露面。
國家會議中心工業(yè)互聯(lián)網峰會的主論壇上，吳恩達以Landing.AI創(chuàng)始人&CEO的身份，幾乎全程中文，進行了一場題為《人工智能在生產制造業(yè)中的實踐》的演講。
圖：吳恩達做了以《人工智能在生產制造業(yè)中的實踐》為題的演講
上個月，吳恩達宣布了自己的這家新公司Landing.AI的成立，并表示這一新公司將專注用人工智能輔助制造業(yè)領域的轉型，本次的演講也基于他在工業(yè)領域AI應用的實踐上展開。
和前兩日高調啟動的AI Fund基金，以及刷屏AI媒體的deeplearning.ai深度學習系列課程第五部分更新相比，吳恩達這次的北京之行似乎并沒有得到太多的關注和曝光：他的演講被排在“工業(yè)互聯(lián)網產業(yè)生態(tài)與行業(yè)實踐”的主論壇的第三位，十余頁PPT，半小時的演講時間，會后也沒有安排任何媒體訪談或者行業(yè)會面，匆匆離開。
點擊感受一下吳恩達的中文（隨手錄，請原諒渣畫質）
盡管如此，整個主論壇依然座無虛席，在主講臺周圍，很多聽眾甚至像”大學課堂“一般席地而坐。
圖：整個主論壇依然座無虛席
兩次強調自己斯坦福教育背景，吳恩達的此次演講也頗為“學院風”，為現(xiàn)場工業(yè)領域從業(yè)者細心的講述了機器學習和神經網絡到底是什么。同時，他還羅列了監(jiān)督式學習在生產制造中的事例。最后，吳恩達重新定義了他所理解的人工智能公司，也總結了對于人工智能時代的看法，可謂一次短小而精悍的精彩演說。
大數據文摘帶來了吳恩達本次演講的精華整理，根據現(xiàn)場演講內容編輯，在不改變原意的前提下內容有刪改：
互聯(lián)網時代與人工智能時代的差異
“如果本次演講你只要記住一張ppt，那我希望你記住的是這一張?！?/span>吳恩達在演講中著重強調的這張PPT，對比了互聯(lián)網時代和人工智能時代的幾大特點：
“很多公司對于互聯(lián)網公司有一個誤區(qū)，他們認為給一個商場配上一個線上網站，就等于互聯(lián)網公司。我之前曾經跟一個公司的CIO聊天，他說，亞馬遜有一個網站賣東西，我們也有一個網站賣東西，那我們是一樣的啊。當然不是一樣的，因為亞馬遜（Amazon）是一個典型的互聯(lián)網公司?！?/span>
互聯(lián)網公司的幾大特點：
1、互聯(lián)網公司需要大量的A/B測試
2、迭代速度很快
3、工程師及產品經理共同進行決策
互聯(lián)網的產品和用戶都非常復雜，所以不能只依靠首席信息官（CIO）一個人決策，還需要很多職位，需要產品經理、工程師一起來做，因為他們更加了解技術和用戶之間的細節(jié)，這需要工程師和產品經理一起來做決策。
人工智能時代如何定義AI公司？
一個傳統(tǒng)的技術公司加上神經網絡或者機器學習，這還不是AI公司。能夠安排你的公司做非常好的人工智能工作，這才是真正的人工智能公司。
坦白來說，現(xiàn)在谷歌和百度已經把自己嘗試把自己變成一個AI公司，還沒有做完，但是他們的想法是非常領先的。
二十年前，我們不會想到，a／b測試會變得這么重要，在互聯(lián)網時代，我們花了一段時間才懂得a／b測試的重要性。而到了今天，人工智能公司到底是什么，我們也沒有完全想清楚，但我覺得有可能會包括這些要點：
1、數據搜集的戰(zhàn)略：
如何搜集數據？通過什么工作，在什么國家搜集數據，都需要明確。這是個很復雜的問題。
2、集中的數據庫：
今天回去大家就可以開始做這件事，如果你的公司有50個數據庫（databases），如果一個工程師做某個項目的時候需要去到50個數據庫找數據，那是非常困難的，所以現(xiàn)在的趨勢是要盡量把數據集中起來，這件事各位今天就可以開始做了。
3、普遍的自動化：
同時我也看到很多AI公司正在做這件事，有很多自動化的機會。
4、新的人才需求：
機器學習工程師，計算機視覺算法工程師。
而今天在許多人工智能公司，產品經理和工程師的工作也發(fā)生了變化。
在互聯(lián)網時代，如果你要做一個app，工作流程一般是產品經理來畫一張圖，工程師會看產品經理的這張圖再去寫代碼。而在人工智能時代，比如你要做一個自動駕駛的產品，產品經理沒辦法直接做一張圖，他需要把一些數據給到工程師，讓工程師從數據庫拿數據，然后要求達到某個數值的準確率。
今天在AI公司，我們的產品經理和工程師的工作已經產生了不小的變化了。
對于傳統(tǒng)公司：信息革命之后才能進行人工智能革命么？
那么我到底要不要使用人工智能呢？
在很多公司，大家會認為要先有信息革命（IT revolution），因為很多傳統(tǒng)行業(yè)中，信息還是寫在紙上，我們需要把信息先存在電腦里，產生數據，之后才能進行人工智能革命（AI revolution)。
舉個例子，我覺得金融（行業(yè)）是一個人工智能（進展比較好的行業(yè)），因為金融有很多在線的數據，所以這個行業(yè)的人工智能革命已經快要起來了。
醫(yī)療行業(yè)我也很看好，在美國有“奧巴馬醫(yī)療改革（Obamacare）“，中國也一樣。十年前你的x光片可能就是一張片子，但現(xiàn)在醫(yī)療數據都是在電腦上的，所以其人工智能革命也在進展中。
而工業(yè)和教育（行業(yè)）正處于發(fā)展中。
有很多人問我AI的戰(zhàn)略問題，我需要三年時間先把IT搞好，那么是不是三年后我再來做人工智能革命。我的建議是，不要這樣做。
如果你的公司已經有了一些物聯(lián)網（IOT）的部署，有了一些數據，那么我會鼓勵大家先用AI來試一試，找AI團隊，先用這些數據給IT團隊一些反饋：到底是每十分鐘采集一次數據還是每秒鐘采集一次數據？這也是很大的價值。
其實，今天即使最好的人工智能公司，他們的IT革命也是不斷完善，他們的數據也不是完美的。
建立人工智能專家與產業(yè)專家間的戰(zhàn)略伙伴關系
如果左邊這個圈代表人工智能的優(yōu)勢，右邊這個圈代表產業(yè)知識，那么我們想做的是選擇中間的一些機會，用人工智能可以做，并且對你們的公司有益處。今天的人工智能和產業(yè)都很復雜，所以人工智能專家應該和產業(yè)專家結成跨行業(yè)的團隊，才能產生最大的價值。我個人背景是人工智能，所以也很興奮有機會和很多制造公司合作，才可以獲得兩個圓中間最有價值的機會，希望未來有更多機會和各位合作。
吳恩達也在本次講座中指出了一些人工智能在工業(yè)中的應用案例，我們在此簡單列舉給各位：
100年前，電能對社會帶來了巨大變革，人工智能也將對各行業(yè)帶來同樣的影響??
人工智能在工業(yè)互聯(lián)網時代有著各種應用??
吳恩達也提出了一些人工智能在生產制造中的實踐和應用案例，比如自動視覺檢測??
比如機器參數調整，產品優(yōu)化，維護預測??
監(jiān)督式學習在生產制造中的示例??
其他人工智能模型??
聯(lián)系客服
