吴恩达：做机器学习和成为 AI 公司是两码事

公众号/AI前线

作者 | 吴恩达

译者 | Debra

编辑 | Emily

近日，Coursera、AI Fund和 Landing.ai的创始人吴恩达在 6月份阿斯彭创意节（Aspen Ideas Festival）上的一段采访视频曝光，他在采访中表示 AI将会改变很多企业，并创造全新的商业模式，同时还探讨了企业将如何从 AI技术中获益。

AI是变革创新的前沿。但是企业应该如何获得 AI能力并将之商业化呢？在此视频中，Coursera、AI Fund和 Landing.ai的创始人吴恩达谈论了采用AI技术的公司和真正的 AI公司之间的区别，以及企业如何组织、雇佣、利用 AI技术和人才来增加商业价值。

视频链接：

https://www.mckinsey.com/Videos/video?vid=5735243579001&plyrid=HkOJqCPWdb&aid=A4484ACC-70B0-453D-81FD-C68C0BD19606

人工智能如何为商业创造价值？

几乎所有人工智能创造的经济价值都是通过一种技术来实现的，这种技术可以学习输入、输出，或者是 A 到 B 的映射。比如当你输入一封电子邮件时，它会告诉你是否为垃圾邮件；在语音识别方面，输入一个音频剪辑可以输出文字记录；在机器翻译上，输入英文句子可以输出中文句子；在自动驾驶车辆方面，输入车辆前方物体的图片，雷达就会读取数据并输出其他车辆的位置。

近几年人工智能发生了什么变化？

其实大部分 AI 技术思想已经存在了数十年，但我们近年来才有足够大的计算能力和数据集，让 AI 发挥最大的作用。A 到 B 映射的这种技术用术语来说就是监督学习。我认为仅这一项技术就足以改变多个行业。

AI 对自动化有什么影响？

直到最近，一些产品才实现了计算机自动化。感谢人工智能最近的兴起，特别是监督学习、机器学习，我们可以实现更大规模的自动化。

下一波 AI 技术是什么？

在 AI 研究文献中，我们经常会谈论无监督学习，这种技术大致就是让 AI 观察周围的世界，并自行寻找解决方案。

我们有时会谈论迁移学习，即通过学习一件事就能够把学到的知识应用于其他的任务。有时候，我们还谈论强化学习，这有点像训练一只小狗。这只狗做了一件让你开心的事，你会夸它“做得好”，如果做得不好，你会责备他。随着时间推移，这只狗会逐渐了解什么是你希望它做的，并学会做更多类似的事。

我想说的是，在所有这些方法中，只有监督学习已经可以创造实实在在的价值。我觉得其他技术方向，不管是算法、思维，还是如何将其推向市场，都还处于早期阶段。

成为一家 AI 驱动型公司意味着什么？

我认为人工智能会引导很多公司转型，甚至会引发新型公司的兴起。今天，很多公司自称互联网公司，但互联网公司的定义不是你是否运营一个网站，而是公司的整个架构是否能够充分利用互联网提供的新能力。

随着人工智能的兴起，我们仍在研究如何构建我们的公司以利用 AI 的能力。就像建立一个网站不会让你成为一家互联网公司一样，捣鼓一些机器学习之类的小把戏也不能让你成为一家真正的 AI 公司。

AI 如何影响公司组织形式？

我们以前关于工作岗位的描述方式，如工程师、产品经理、设计师等正在过时。例如，如果要设计一个手机 App，可能需要产品经理来绘制一个称为线框的简化图，但自动驾驶车辆的产品经理却不需要线框来设计产品，因为这没有多大意义。所以，我们在 AI 时代会创造全新的岗位和工作流程。

一家公司如何挖掘和培养 AI 人才？

现在 AI 人才稀缺，企业一般找不到足够的 AI 人才和工程师。但另一个可能更为稀缺的东西，是了解如何采用 AI 技术并将其市场化的能力。对于很多公司来说，最好的选择可能是雇用一位有能力的 AI 领导，然后建立一个集中化的人工智能小组，并将其融入到公司各个业务部门。

据我所知，另一种有效的方法，就是让管理人员发出一个非常明确的信号，即公司是非常重视员工发展的。

由于在线教育的兴起，我认为人工智能教育的传播非常迅速。互联网上有大量的资源，公司可以使用这样的资源来提升整个员工的基础水平，这可能会使整个组织更有效地与集中化的人工智能小组合作。

数字化和人工智能有什么关系？

我认为已经几波浪潮出现在各个行业。第一波是数字化浪潮，我们把那些模拟的，或者不在电脑中的东西数字化。部分行业率先进行了数字化革命，并创造出一批数字数据。

在这之后，第二波浪潮是数据科学，然后是人工智能。因为只有在获得数字化数据后，人工智能才能非常有效地利用这些数据创造价值。

AI 公司如何看待数据战略和竞争？

我认为真正的人工智能组织更加复杂，在数据采集方面更具战略性。例如，我在某一个地域发布产品以获取数据，然后转战另一个区域，但是，在这个过程中我们没有实现变现。

如果你有足够的数据来推出足够好的产品，那么就会形成一个良性反馈循环，让用户帮忙生成更多数据。更多的数据会使产品做得更好，所以你反过来将得到更多的用户。而且这个良性反馈循环可以让你积累数据，也许数年之后会形成一个相当有价值的业务。

例如，现在的大型网络搜索引擎拥有的数据资产价值巨大，因为它了解用户搜索特定事物时会点击哪些网页。这个数据集对于构建一个良好的网络搜索引擎非常有价值。

我们可以收集所有这些数据并将其应用到另一个完全不同的领域变现。老谋深算的人工智能组织一定会加入这场游戏，通过长时间的战略规划布局，以便进行数据采集。只有科技巨头公司才能倚仗数据进行竞争吗？世界上有这么多的数据，我不认为今天有任何一家公司有能力采用合理的策略来获取大部分有价值的数据。事实上，如何收集和应用数据，往往才是数据最有价值的地方。

实际上，对于中等规模的团队和大型企业，甚至是小型初创企业而言，都有很多机会利用 AI 来进军新的垂直行业。

AI 公司如何整合数据？

一般来说，AI 公司对数据的整合能力更强。因此，将数据放入集中的数据仓库，可以为工程师或软件开发者提供便利，让他们能够更有效地利用这些数据。与其使用联合式或分布式数据集，我们更喜欢将数据集中在一起。因为数据就像火药一样，聚合起来才能发挥更大的威力。

阅读原文：

https://www.mckinsey.com/global-themes/artificial-intelligence/how-artificial-intelligence-and-data-add-value-to-businesses