吴恩达的大众人工智慧课 - AI新起点
吴恩达的大众人工智慧课 - AI新起点
本专栏编译自英文原文 montrealethics.ai
近期每次人工智慧活动结束时，许多观众有一个类似的问题：「我需要做些什么才能进入人工智慧领域」？
人们希望利用人工智慧加速事业的成功，创造更多价值。对于这些问题，目前为止，通常的最佳答案是「尽可能阅读所有内容，并在与AI相关的讨论上发表你的想法」。然后这个答案太模糊，意义不大。
事实是，此前没有人仔细解构AI而精心策划大众所需AI知识的工作。直到吴恩达和他的团队deeplearning.ai创造了Coursera的新课程《AI for Everyone》（大众AI课）。
「祝贺你完成这门课程。在你理解人工智慧和你计划人工智慧崛起的能力方面，你现在已经远远领先于许多大公司的首席执行官。」 ——吴恩达（AI For Everyone）
上面是吴恩达在课程结束时的离别言论。这是一个大胆的声明——一个建议7小时的课程将让你比大多数CEO更了解人工智慧。他正是在斯坦福大学商学院的演讲中，宣称「人工智慧是新电力」 的人。他能够自信地表达这一说法的原因在于他和他的团队所做的工作。事实上，吴恩达是为数不多有资格创建这个AI入门课程的人。
他花了很多时间思考如何有效地促进终身学习的文化，这就是他创立Coursera的原因。他专门投入时间普吉人工智慧教育 ——他在Coursera的机器学习课程（由斯坦福大学提供）有4.9星评级，超过24000评论。
专业性体现在课程内容的组织和呈现中。每个模块涵盖的主题选择都是切实可见的、原则明确、示例具体。并且通常可以利用简单的示例以有效地传达理论概念。例如，在解释深度学习如何用于面部识别时，他使用视觉直观地描述了神经网路的每一层如何负责检测复杂的模式：第一层检测边缘，第二层检测部分面部，第三层检测面部形状。
吴恩达花了四分之一的课程用于讨论人工智慧的社会影响，包括人工智慧道德，这是大多数人工智慧课程中明显缺失的东西，看到吴恩达汲取教训并以身作则。同样，我们通过Coursera的经济援助表达了对课程的可及性，对于那些需要它的人来说，它真的是为大众写的AI课。
实际上，AI For Everyone是一个7小时的视频课程，每个模块的末尾都有一个多项选择测验，让你测试自己的知识。有些模块可以选择深入探究副任务：例如主要人工智慧技术和应用领域的调查。它包括四个模块：
- 什么是人工智慧？
- 建立AI项目
- 在贵公司建立AI
- 人工智慧和社会
以下是每个模块的预览。你可以将其用作课程预览，为加入课程做准备，或者用来决定是否要加入。
第1单元：什么是AI
吴恩达解释说，到2030年，人工智慧每年将创造额外的13亿美元的价值，并将改变经济中的每个部门，我们最好关注。现在AI实现的核心是机器学习——让系统使用数据学习AB映射：换句话说，获取数据并输出结果。数据是可以以结构化格式（如电子表格）或非结构化格式（如音频，视频和文本）呈现的信息。你拥有的数据越多，演算法就越强大。数据也可以用于数据科学——不同于机器学习，主要用于发现洞察力以改善决策。
人工智慧激增的原因在于深度学习的相对近期的进步，它是机器学习的一个子集，它使用多层相互关联的「神经元」（受大脑工作的启发）以比此前可行网路更复杂的方式创建输出。吴恩达提出了一个简单的启发式方法来判断AI项目是否在技术上是可行的：人类可以在1秒的思考中做些什么？例如，查看汽车的图像并告诉它有多远——这是自动驾驶车辆的一项重要任务。他还谈到了AI在当前状态下的弱点：它是数据匮乏的，并且在需要跨不同域集成信息的复杂任务中不能很好地工作。
第2单元：构建AI项目
以下是所有机器学习项目所经历的一系列步骤：首先，你收集数据。然后使用你收集的数据训练演算法。最后，你在现实世界中部署演算法以了解更多信息，以便你可以再次改进它。数据科学略有不同：你收集数据，提取重要见解，然后创建可帮助业务负责人改进管理决策的报告。课程中提供了每个的具体示例。
吴恩达还设计了在制定想要构建AI项目战略时需要考虑的重要维恩图。任何有价值的人工智慧项目都应该处于技术上可行以及为企业或社会带来价值的交叉点。这需要在进入项目之前进行深入的研究——最好花几个小时思考是否是值得追求的东西，而不是花费100个小时来构建对任何人都不可能或有用的东西。他提供的一个指导原则是「考虑自动化任务，而不是工作」 ——现在人工智慧最强大的附加值是自动执行日常任务，以便让人们从事需要战略，创造力和社交技能的任务。这与李开复在他的书「AI Superpowers」中所表达的精神相似。
吴恩达的「人工智慧的良性循环」，如图所示。
第3单元：在你公司中构建AI
吴恩达详细介绍了几个案例研究，包括智能扬声器和自动驾驶汽车：他对项目所需的内容以及机器学习适合的地方进行了实时细分。这催生了吴恩达热门的书《AI Transformation Playbook》——一本为初创公司和大公司向AI转型的书。
该剧本由5个步骤组成：
- 执行一个试点项目以获得动力：无论是内部还是外包，在6-12个月内建立一个小型AI项目，以了解AI项目。学习AI技术的可行性，而不是在最初阶段对业务最有价值的东西。
- 建立一个内部人工智慧团队：首先招募一名强大的AI团队负责人，他可以跨职能部门工作，帮助其他部门构建AI工具，以及构建可在公司范围内使用的平台。
- 提供广泛的人工智慧培训：不同的职位应将学习重点放在能够帮助他们更好地完成工作的最相关方面。（见下表）
- 制定人工智慧战略：利用人工智慧的良性循环（更好的产品导致更多的客户导致更多的数据导致更好的产品）来创造行业特定的优势，使你具有独特的优势，可以抵御市场上的新进入者。
- 沟通：你有责任向利益相关者，客户和团队透明地更新他们的进度。
第四周：人工智慧和社会
如果绕过道德规范，而仅仅讨论可以破坏行业，改变司法判决以及决定是否有人获得银行贷款的技术，这是不完整的。吴恩达深深地理解这一点，因为结合他此前在Google Brain，百度和deeplearning.ai的工作经历，他已经深入了解这个行业。正如吴恩达在课程中所说的那样，「人工智慧与道德的主题应该有自己的4周或更长的课程」。
这个话题里，他讨论的最大问题是：歧视，对AI的对抗性攻击，人工智慧的不利用途，AI对发展中经济体的影响以及劳动力市场中的部门流动性。
他指出，虽然打击有偏见的人工智慧系统很困难，但仍存在一些技术解决方案：将标签偏差归零，使用代表人口的包容性数据集，建立透明和可审计的系统，并确保从事AI项目的团队内部的多样性。提出的一个有趣的观点是，我们可以使用更多的工具来对抗AI偏差，而不是用来对抗人类偏见。
虽然对人工智慧的对抗性攻击是不可避免的，但吴恩达预测这种军备竞赛与我们之前看到的不同，因为现在大多数人工智慧的经济资源被用来建立社会认为有用的工具。当欺诈减少的时候社会发展的会更好，例如，交易成本降低和较少的信息不对称。因此，只有少量的资源会被用于构建欺诈工具。此外，进入壁垒和激励措施不足可能会阻碍人们建立强大的对抗工具。
对于发展中经济体，吴恩达承认低端制造业工作和农业工作将很快实现自动化。他们最强大的工具将是：利用跨越式机会（如中国的移动支付），专注于人工智慧，以扩大经济的独特强大行业垂直（而不是与谷歌竞争），并与公共部门合作投资更多受过教育的人公民基础。然后，他们可以努力工作，为经济做出更多贡献，并具有独特的人类需求。
关于劳动力影响，吴恩达指出，麦肯锡的研究预测，到2030年，创造的就业岗位将超过人工智慧到2030年将失去的人数。为了应对由于部门流动性不完善而导致的劳动力市场短期动荡，他建议有条件的基本收入——为那些提高技能或重新技能以便能够有效地为社会做出贡献的人提供财务安全网。他对普遍基本收入的怀疑植根于激励结构：给每个人足够的钱来生存会破坏他们做有意义的工作的愿望。
请注意，你不必退出目前的工作而学习AI以便将来找到工作。吴恩达建议投入到人工智慧与你现有的独特优势（无论是药品，法律还是通讯）的交叉点上开展工作。这将为你提供一个世界上独一无二的视角，对雇主和社会都具有极大的价值。当然，这要求你成为一个终身学习者，并调整你对AI 的心态，是利用它工作，而不是反对它。
写在最后
我作为花了数小时看完这个的学员之一，是非常推荐这个课程，尤其是公司管理人员、此前对AI没有太多了解的行业人员。
课程链接: 在Coursera上注册Andrew Ng的AI For Everyone
推荐阅读：
