吳恩達：這個時代的CEO需要懂一點AI技術，才能做出正確的判斷

“人工智能是新時代的電力。”吳恩達在南京人工智能峰會上說道，比起以往科學家身份的演講，今天他更多談的是 AI 的落地。

2017 年三月離開百度之後，吳恩達先後創辦了在線教育平台Deeplearning.ai、幫助傳統企業落地的Landing.ai，和人工智能創投機構AI Fund 三家公司，同時擔任了Woebot 的董事會主席，並加盟Drive .ai 的董事會。

吳恩達比以往任何時候都更接近產業。

五年前，身負“深度學習四大天王”稱號的吳恩達在與一位美國大型零售企業的CEO 交流時，對方頗為不屑地向吳恩達表示，“我們也有網站，也在網上賣東西—— 和亞馬遜一樣。”

五年過去，這家曾經自以為轉型互聯網成功的零售商對自己的未來早已不那麼自信，而它曾經不屑的網上商城亞馬遜在近期剛剛成為了蘋果之後現存第二家市值超越萬億美元的公司 。

“傳統企業+網站≠互聯網公司，”吳恩達在演講中說，他認為人工智能也是一樣：“傳統企業+機器學習≠人工智能公司。”

一家成功的人工智能公司需要足夠的人工智能人才，這需要一個健全的培訓體系；需要高管對AI 有清晰的認識，在選擇AI 項目時有自己的判斷；還需要根據情況，將人工智能與 公司的業務深度融合。

吳恩達舉起了Google 和百度的例子，這兩家公司都是從搜索引擎起家，在人工智能時代的開始，從互聯網企業成功地轉型為人工智能公司，在它們各自轉型的過程中，吳恩達都對 兩家公司的人工智能業務有著深度的參與。

對於企業向人工智能轉型，吳恩達無疑是那個經驗最豐富的親歷者之一。

正因如此，吳恩達在 2017 年 12 月創辦了 Landing.ai，“從製造業開始，”他在博客上寫道。 Landing.ai 剛剛創辦就與富士康達成了戰略合作，隨後在今年七月底，Landing.ai 又與中聯重科達成合作，在幫助企業在人工智能時代轉型時，吳恩達的眼光更多看向了製造 業的巨頭。

Landing.ai 做的不僅僅是簡單地向傳統企業輸出AI 技術，它幫助合作企業招募AI 人才，組建人工智能團隊，提高企業領導層對AI 的認知，最終落地到一整套的技術解決方案上 。

除了Landing.ai 以外，吳恩達的其他創業項目包括了AI 人才的教育以及AI 領域創業公司的投資，他本人擔任高管的還有教育平台、智能機器人企業以及無人駕駛技術公司等等，深耕人工 智能領域多年的吳恩達在離開了Google、百度等大公司之後，決定利用自己的能力和影響力更多地推動整個人工智能行業向前發展。

在2018 中國人工智能峰會上，極客公園與多家媒體一起，同吳恩達一起聊了聊他對落地AI 的一些思考，當然除了公司的業務之外，我們還問了他對國內人工智能行業發展 現狀的看法，以及他本人對AI 學習者的建議等等。

以下為問答環節記錄，經極客公園編輯整理。

問： AI 進入各行各業面臨的最大問題是什麼？ 對這些行業來說是顛覆還是賦能？

答： 我覺得最大的問題是需要時間支持很多工作。 我們協助其他公司，提供具體的 AI 解決方案，幫他們建立自己的 AI 團隊，做（佈局）AI 的戰略等等。

比如 Google 以前是個非常偉大的公司，但它從偉大的公司到偉大的 AI 公司也需要很多的時間，百度也是這樣。

所以支持這些公司轉型為優秀的 AI 公司，需要很多工程師、管理團隊、CXO 級別的高管慢慢去理解 AI，建立新的團隊。 從傳統公司轉型為 AI 公司是非常不容易的一件事，不過我覺得能夠完成這樣的工作是非常有意思的。

問： 是這些公司對轉型到 AI 的意識不足嗎？

答： 我覺得很多公司對使用 AI 非常感興趣，但是他們還是不太明白該怎樣做。 比如如何招人，如何找到很好的 AI 人才對很多公司而言非常不容易。 很多公司都需要很好地理解 AI 技術才能夠知道如何選擇 AI 的項目。 因為我看到很多公司的CEO 在台上宣布他們選擇了一個（AI 的）方向，但隨後跟他們的工程師討論就會發現，他們的工程師認為CEO 定下的方向是無法做好的，所以我 覺得這個時代CEO 需要懂得一點AI 的技術，才能夠做出準確的判斷什麼可以做，什麼應該做。 因為有些項目今天 AI 真的是沒有辦法做出來，可能需要幾年才能成功，所以 CEO 需要有這種判斷力。

問： Landing.ai 在幫助企業落地 AI 時有哪些方式？

答： Landing.ai 跟公司有兩種合作的方式。

第一種，如果要把一家公司轉型為偉大的 AI 公司，當然需要 CEO 或者董事的支持。 其實你看 Google 也是，谷歌大腦最開始是 Larry Page 非常支持我，現在 Sundar Pichai、李彥宏也是一樣。 它們都是在 CEO 層面非常理解 AI 的重要性。

第二種，提供具體解決方案。 Landing.ai 目前第一步給製造業做了一個具體的解決方案。 在生產製造的最後一個環節：質量檢測。 因為現在大部分電子消費產品、汽車零部件或者半導體行業的芯片在出廠的時候都是有成千上萬的工人在產線上做瑕疵檢測，有的瑕疵非常小，是毫米級別。 現在計算機視覺技術的成熟讓這些工作可以由機器來完成。 而且我們現在面臨的並非替代勞動力的問題，我們有很多合作夥伴面臨的問題是他們沒有足夠的工人，工人的用工成本也在不斷提高，這樣一個重複性非常高的簡單的工作，就可以由AI 來完成。 我們現在提供給這些企業的就是這種利用計算機視覺的瑕疵自動解決方案。

問： Landing.ai 提供的解決方案和傳統的諮詢公司有怎樣的區別？

答： 我們不做諮詢，解決方案是一種產品。 在幫助公司轉型到 AI 公司時，需要做很多工作，比如一家公司要招 AI 人才，諮詢顧問的公司很難幫助他們招人、建立團隊，或者俱體做 AI 方面的方案。

問： Landing.ai 近期在招一些軟件和機器學習的工程師，是在為合作夥伴招募嗎？

答： 有些合作夥伴會要求我們幫助他們建立 AI 團隊，這是我們的工作之一。

問： 旗下公司是否包含 AGI（通用人工智能）的方向？

答： AGI 還是非常遙遠的，有可能幾十年，有可能幾百年，不好說。 我覺得現在領域裡有很多人，有些人研究AI，有些人研究量子計算，有些人研究AGI 等等，但我的團隊現在沒有做AGI 的工作，那是非常遙遠的，具體的AI、深度學習 還有很多技術需要發明。 比如我們都說大數據，現在很多團隊都能夠訓練出有效的神經網絡，但小數據（smalldata）越來越重要，比如Landing.ai 和製造公司合作，通常製造一個產品，如果只有一百張圖片 ，如何使用AI 的技術，就需要small data 的技術。

問： 如何調整自己的精力，適應自己的多重身份？

答： 現在主要的精力在做 Landing.ai。

還有個團隊，DeepLearning.ai，在做教育的工作，是個幫助整個社會進入 AI 社會的公司。

我創辦了很多的團隊，但我覺得有一點很好的是，這些團隊都有很優秀的人才。 我現在還是 Coursera 的董事長，不過因為 Coursera 已經有一個非常優秀的 CEO，所以我只需要去支持他的工作。

很多團隊包括Google Brain、百度的AI Group 等等，現在我沒有跟他們一起共事了，但是我覺得在那些團隊非常興奮，可以找到非常好的人來管理團隊，所以我覺得在我離開之後，這些 團隊仍然能做得很好。

我在斯坦福大學還有開深度學習的課，有一些學生，我覺得（接觸）學生的體驗也非常好。

很多團隊需要我花的時間也不多，我覺得我很多的工作都是建立非常好的團隊。

問： 你們在矽谷也是“997”的工作制嗎？

答： （笑）我覺得沒有那麼少啊。

問： 每天自己讀書學習的時間有多少？

答： 我會在 iPad 上看很多文章和書，如果我坐汽車、Uber 或者坐飛機來中國，通常如果有 10 分鐘到一個小時的時間都會拿來看書。 比如昨天從美國飛過來，我在飛機上就看了一本半左右的書，其中一本是有關技術如何影響社會的書。

問： 創業一年多來，覺得從科學家到商業的角色有怎樣的變化？

答： 沒有太大的變化吧。 在百度的時候我也有負責好幾個業務團隊，百度輸入法、百度圖片搜索還有 Doer OS，會負責一些技術團隊也負責一些技術團隊。

問： 是否覺得中國的人工智能產業過熱？

答： 我覺得人工智能的前途非常好，一個新的技術總會有的過熱，有的不過熱，中國和美國都是。 領域裡的創業公司，有的會成功，有的不會。 今天在做深度學習的人在不斷增加，在行業里工作的人也不斷增加，所以技術的進展是一步一步不斷發展的。 改變的比較快的是公眾的意識（public opinion）。

問： 很多創業公司都在做 AI、編程的教育，如何看待這種現象？

答： 全世界 AI 人才真的不夠，如果有辦法高效率地投入、提供好的教育當然是好的，在這個時代我們真的需要很多的人工智能人才。

問： 對開發者和需要轉型的學習 IT 技術的用戶有什麼建議？

答： 我的建議是“go for it”。 使用線上內容，比如 Coursera，看看那些在 Github 上的開源項目，現在在網上已經有非常好的 AI 學習資源。 學習過一段時間可以開始做自己的項目，在自己的公司做項目，或者給一些開源項目做 contribute，或者找大學的合作夥伴。 做了具體的項目以後，就有機會找到 AI 的工作。

我覺得這個世界真的非常缺懂 AI 的人，而且這個 gap 需要很多很多年才能填上。 我覺得今天懂互聯網、軟件的人都還不夠，所以 AI 還需要很多很多年、很多很多的教育工作才行。