吳恩達的大眾人工智慧課 - AI新起點
吳恩達的大眾人工智慧課 - AI新起點
本專欄編譯自英文原文 montrealethics.ai
近期每次人工智慧活動結束時，許多觀眾有一個類似的問題：「我需要做些什麼才能進入人工智慧領域」？
人們希望利用人工智慧加速事業的成功，創造更多價值。對於這些問題，目前為止，通常的最佳答案是「儘可能閱讀所有內容，並在與AI相關的討論上發表你的想法」。然後這個答案太模糊，意義不大。
事實是，此前沒有人仔細解構AI而精心策劃大眾所需AI知識的工作。直到吳恩達和他的團隊deeplearning.ai創造了Coursera的新課程《AI for Everyone》（大眾AI課）。
「祝賀你完成這門課程。在你理解人工智慧和你計劃人工智慧崛起的能力方面，你現在已經遠遠領先於許多大公司的首席執行官。」 ——吳恩達（AI For Everyone）
上面是吳恩達在課程結束時的離別言論。這是一個大膽的聲明——一個建議7小時的課程將讓你比大多數CEO更瞭解人工智慧。他正是在斯坦福大學商學院的演講中，宣稱「人工智慧是新電力」 的人。他能夠自信地表達這一說法的原因在於他和他的團隊所做的工作。事實上，吳恩達是為數不多有資格創建這個AI入門課程的人。
他花了很多時間思考如何有效地促進終身學習的文化，這就是他創立Coursera的原因。他專門投入時間普吉人工智慧教育 ——他在Coursera的機器學習課程（由斯坦福大學提供）有4.9星評級，超過24000評論。
專業性體現在課程內容的組織和呈現中。每個模塊涵蓋的主題選擇都是切實可見的、原則明確、示例具體。並且通常可以利用簡單的示例以有效地傳達理論概念。例如，在解釋深度學習如何用於面部識別時，他使用視覺直觀地描述了神經網路的每一層如何負責檢測複雜的模式：第一層檢測邊緣，第二層檢測部分面部，第三層檢測面部形狀。
吳恩達花了四分之一的課程用於討論人工智慧的社會影響，包括人工智慧道德，這是大多數人工智慧課程中明顯缺失的東西，看到吳恩達汲取教訓並以身作則。同樣，我們通過Coursera的經濟援助表達了對課程的可及性，對於那些需要它的人來說，它真的是為大眾寫的AI課。
實際上，AI For Everyone是一個7小時的視頻課程，每個模塊的末尾都有一個多項選擇測驗，讓你測試自己的知識。有些模塊可以選擇深入探究副任務：例如主要人工智慧技術和應用領域的調查。它包括四個模塊：
- 什麼是人工智慧？
- 建立AI項目
- 在貴公司建立AI
- 人工智慧和社會
以下是每個模塊的預覽。你可以將其用作課程預覽，為加入課程做準備，或者用來決定是否要加入。
第1單元：什麼是AI
吳恩達解釋說，到2030年，人工智慧每年將創造額外的13億美元的價值，並將改變經濟中的每個部門，我們最好關注。現在AI實現的核心是機器學習——讓系統使用數據學習AB映射：換句話說，獲取數據並輸出結果。數據是可以以結構化格式（如電子表格）或非結構化格式（如音頻，視頻和文本）呈現的信息。你擁有的數據越多，演算法就越強大。數據也可以用於數據科學——不同於機器學習，主要用於發現洞察力以改善決策。
人工智慧激增的原因在於深度學習的相對近期的進步，它是機器學習的一個子集，它使用多層相互關聯的「神經元」（受大腦工作的啟發）以比此前可行網路更複雜的方式創建輸出。吳恩達提出了一個簡單的啟發式方法來判斷AI項目是否在技術上是可行的：人類可以在1秒的思考中做些什麼？例如，查看汽車的圖像並告訴它有多遠——這是自動駕駛車輛的一項重要任務。他還談到了AI在當前狀態下的弱點：它是數據匱乏的，並且在需要跨不同域集成信息的複雜任務中不能很好地工作。
第2單元：構建AI項目
以下是所有機器學習項目所經歷的一系列步驟：首先，你收集數據。然後使用你收集的數據訓練演算法。最後，你在現實世界中部署演算法以瞭解更多信息，以便你可以再次改進它。數據科學略有不同：你收集數據，提取重要見解，然後創建可幫助業務負責人改進管理決策的報告。課程中提供了每個的具體示例。
吳恩達還設計了在制定想要構建AI項目戰略時需要考慮的重要維恩圖。任何有價值的人工智慧項目都應該處於技術上可行以及為企業或社會帶來價值的交叉點。這需要在進入項目之前進行深入的研究——最好花幾個小時思考是否是值得追求的東西，而不是花費100個小時來構建對任何人都不可能或有用的東西。他提供的一個指導原則是「考慮自動化任務，而不是工作」 ——現在人工智慧最強大的附加值是自動執行日常任務，以便讓人們從事需要戰略，創造力和社交技能的任務。這與李開復在他的書「AI Superpowers」中所表達的精神相似。
吳恩達的「人工智慧的良性循環」，如圖所示。
第3單元：在你公司中構建AI
吳恩達詳細介紹了幾個案例研究，包括智能揚聲器和自動駕駛汽車：他對項目所需的內容以及機器學習適合的地方進行了實時細分。這催生了吳恩達熱門的書《AI Transformation Playbook》——一本為初創公司和大公司向AI轉型的書。
該劇本由5個步驟組成：
- 執行一個試點項目以獲得動力：無論是內部還是外包，在6-12個月內建立一個小型AI項目，以瞭解AI項目。學習AI技術的可行性，而不是在最初階段對業務最有價值的東西。
- 建立一個內部人工智慧團隊：首先招募一名強大的AI團隊負責人，他可以跨職能部門工作，幫助其他部門構建AI工具，以及構建可在公司範圍內使用的平臺。
- 提供廣泛的人工智慧培訓：不同的職位應將學習重點放在能夠幫助他們更好地完成工作的最相關方面。（見下表）
- 制定人工智慧戰略：利用人工智慧的良性循環（更好的產品導致更多的客戶導致更多的數據導致更好的產品）來創造行業特定的優勢，使你具有獨特的優勢，可以抵禦市場上的新進入者。
- 溝通：你有責任向利益相關者，客戶和團隊透明地更新他們的進度。
第四周：人工智慧和社會
如果繞過道德規範，而僅僅討論可以破壞行業，改變司法判決以及決定是否有人獲得銀行貸款的技術，這是不完整的。吳恩達深深地理解這一點，因為結合他此前在Google Brain，百度和deeplearning.ai的工作經歷，他已經深入瞭解這個行業。正如吳恩達在課程中所說的那樣，「人工智慧與道德的主題應該有自己的4周或更長的課程」。
這個話題裏，他討論的最大問題是：歧視，對AI的對抗性攻擊，人工智慧的不利用途，AI對發展中經濟體的影響以及勞動力市場中的部門流動性。
他指出，雖然打擊有偏見的人工智慧系統很困難，但仍存在一些技術解決方案：將標籤偏差歸零，使用代表人口的包容性數據集，建立透明和可審計的系統，並確保從事AI項目的團隊內部的多樣性。提出的一個有趣的觀點是，我們可以使用更多的工具來對抗AI偏差，而不是用來對抗人類偏見。
雖然對人工智慧的對抗性攻擊是不可避免的，但吳恩達預測這種軍備競賽與我們之前看到的不同，因為現在大多數人工智慧的經濟資源被用來建立社會認為有用的工具。當欺詐減少的時候社會發展的會更好，例如，交易成本降低和較少的信息不對稱。因此，只有少量的資源會被用於構建欺詐工具。此外，進入壁壘和激勵措施不足可能會阻礙人們建立強大的對抗工具。
對於發展中經濟體，吳恩達承認低端製造業工作和農業工作將很快實現自動化。他們最強大的工具將是：利用跨越式機會（如中國的移動支付），專註於人工智慧，以擴大經濟的獨特強大行業垂直（而不是與谷歌競爭），並與公共部門合作投資更多受過教育的人公民基礎。然後，他們可以努力工作，為經濟做出更多貢獻，並具有獨特的人類需求。
關於勞動力影響，吳恩達指出，麥肯錫的研究預測，到2030年，創造的就業崗位將超過人工智慧到2030年將失去的人數。為了應對由於部門流動性不完善而導致的勞動力市場短期動蕩，他建議有條件的基本收入——為那些提高技能或重新技能以便能夠有效地為社會做出貢獻的人提供財務安全網。他對普遍基本收入的懷疑植根於激勵結構：給每個人足夠的錢來生存會破壞他們做有意義的工作的願望。
請注意，你不必退出目前的工作而學習AI以便將來找到工作。吳恩達建議投入到人工智慧與你現有的獨特優勢（無論是藥品，法律還是通訊）的交叉點上開展工作。這將為你提供一個世界上獨一無二的視角，對僱主和社會都具有極大的價值。當然，這要求你成為一個終身學習者，並調整你對AI 的心態，是利用它工作，而不是反對它。
寫在最後
我作為花了數小時看完這個的學員之一，是非常推薦這個課程，尤其是公司管理人員、此前對AI沒有太多瞭解的行業人員。
課程鏈接: 在Coursera上註冊Andrew Ng的AI For Everyone
推薦閱讀：
