吳恩達(dá)一生中有很多頭銜，你也許知道他是谷歌大腦團(tuán)隊(duì)的創(chuàng)始人，或者是百度的前首席科學(xué)家。你也許是上過(guò)他的課，通過(guò)廣受歡迎的在線課程，他向無(wú)數(shù)學(xué)生、好奇的聽(tīng)眾和商業(yè)領(lǐng)袖傳授了機(jī)器學(xué)習(xí)的原理。

目前，他在 2017 年創(chuàng)立的最新創(chuàng)業(yè)項(xiàng)目 Landing AI 中，探索沒(méi)有龐大數(shù)據(jù)集可供利用的企業(yè)如何加入 AI 革命。

3 月 23 日，吳恩達(dá)在《麻省理工技術(shù)評(píng)論》的虛擬 EmTech Digital 峰會(huì)上分享了他的經(jīng)驗(yàn)教訓(xùn)。

《麻省理工技術(shù)評(píng)論》：我敢肯定人們經(jīng)常問(wèn)你：“怎么建立一個(gè)以 AI 為先的企業(yè)呢？”你通常會(huì)怎么回答呢？

吳恩達(dá)：我通常會(huì)說(shuō)：“不要那樣做”。如果我在帶一個(gè)團(tuán)隊(duì)，就會(huì)說(shuō)：“嘿，大家請(qǐng)以人工智能為先” ，團(tuán)隊(duì)就會(huì)把重點(diǎn)放在技術(shù)上，這也許對(duì)一個(gè)研究實(shí)驗(yàn)室來(lái)說(shuō)挺好的。但做生意時(shí)，我一般是以客戶或任務(wù)為導(dǎo)向，幾乎沒(méi)有以技術(shù)為導(dǎo)向過(guò)。

《麻省理工技術(shù)評(píng)論》：你建立了這個(gè)叫作 Landing AI 的新創(chuàng)業(yè)項(xiàng)目。你能告訴我們這個(gè)項(xiàng)目是什么嗎？以及你為什么選擇做這個(gè)項(xiàng)目？

吳恩達(dá)：在谷歌和百度帶過(guò) AI 團(tuán)隊(duì)后，我意識(shí)到 AI 已經(jīng)改變了消費(fèi)類軟件互聯(lián)網(wǎng)，比如網(wǎng)絡(luò)搜索和在線廣告，但我想把 AI 運(yùn)用到其他所有行業(yè)，這在經(jīng)濟(jì)中占更大比重。

所以在研究了很多不同行業(yè)之后，我決定從制造業(yè)下手。我覺(jué)得很多行業(yè)已經(jīng)具備了創(chuàng)建 AI 的條件，但一個(gè)行業(yè)創(chuàng)建 AI 條件更成熟的一個(gè)模式就是它正在經(jīng)歷數(shù)字轉(zhuǎn)型，這樣就會(huì)有一些數(shù)據(jù)，這為 AI 團(tuán)隊(duì)利用數(shù)據(jù)創(chuàng)造價(jià)值提供了機(jī)會(huì)。

我最近很感興趣的一個(gè)項(xiàng)目是制造視覺(jué)檢測(cè)，看著從生產(chǎn)線上下來(lái)的智能手機(jī)的圖片，你能看出圖片有沒(méi)有缺陷呢？或者能看出汽車(chē)部件上有沒(méi)有凹痕呢？

一個(gè)巨大的區(qū)別是在消費(fèi)類軟件互聯(lián)網(wǎng)上，也許你有 10 億用戶和大量的數(shù)據(jù)。但在制造業(yè)，沒(méi)有一家工廠生產(chǎn)過(guò) 10 億部甚至 100 萬(wàn)部刮花的智能手機(jī)。所以挑戰(zhàn)是你能用 AI 處理 100 張圖像嗎？

事實(shí)證明，你可以做到，用少量的數(shù)據(jù)就可以做這么多事情，我每次都驚嘆不已。所以，盡管所有圍繞 AI 的宣傳、熱度和公關(guān)都是以巨大的數(shù)據(jù)集為賣(mài)點(diǎn)，但我覺(jué)得我們也還有很大的發(fā)展空間來(lái)開(kāi)創(chuàng)其他挑戰(zhàn)大不相同的應(yīng)用程序。

《麻省理工技術(shù)評(píng)論》：你是怎么運(yùn)營(yíng)這個(gè)項(xiàng)目的？

吳恩達(dá)：我看到首席執(zhí)行官和首席信息官經(jīng)常犯的一個(gè)錯(cuò)誤是，他們對(duì)我說(shuō)：“嘿，安德魯，我們沒(méi)有那么多數(shù)據(jù)，我的數(shù)據(jù)一團(tuán)糟。所以給我兩年時(shí)間來(lái)建立一個(gè)完善的 IT 基礎(chǔ)設(shè)施，這樣我們就有了構(gòu)建 AI 所需的海量數(shù)據(jù)?！蔽铱偦卮鸬溃骸斑@是錯(cuò)的。別這么做。”

首先，我認(rèn)為當(dāng)今世界上沒(méi)有一家公司，甚至是科技巨頭會(huì)覺(jué)得他們的數(shù)據(jù)是完美無(wú)瑕的，這是一個(gè)過(guò)程。而花 2-3 年時(shí)間構(gòu)建一個(gè)漂亮的數(shù)據(jù)基礎(chǔ)設(shè)施，意味著你沒(méi)有 AI 團(tuán)隊(duì)的反饋，來(lái)幫助你優(yōu)先考慮要構(gòu)建什么樣的 IT 基礎(chǔ)設(shè)施。

例如，如果你有很多用戶，你是否應(yīng)該優(yōu)先給他們做調(diào)查問(wèn)卷來(lái)獲得更多數(shù)據(jù)？或者在工廠里，你是否應(yīng)該優(yōu)先升級(jí)傳感器，從記錄每秒 10 次震動(dòng)到每秒 100 次震動(dòng)？通常情況下，在開(kāi)始 AI 項(xiàng)目時(shí)，你掌握的數(shù)據(jù)能夠讓 AI 團(tuán)隊(duì)給你提供反饋，幫助你優(yōu)先考慮還要收集哪些數(shù)據(jù)。

在不具備消費(fèi)類軟件互聯(lián)網(wǎng)規(guī)模的行業(yè)，我覺(jué)得我們需要從大數(shù)據(jù)轉(zhuǎn)向優(yōu)質(zhì)數(shù)據(jù)。如果你有一百萬(wàn)張圖片，那就用吧。但使用小得多、標(biāo)簽清晰、精心整理的數(shù)據(jù)集就會(huì)出現(xiàn)很多問(wèn)題。

《麻省理工技術(shù)評(píng)論》：你能舉個(gè)例子嗎？你說(shuō)的優(yōu)質(zhì)數(shù)據(jù)是什么意思？

吳恩達(dá)：我先舉一個(gè)語(yǔ)音識(shí)別的例子，我在使用語(yǔ)音搜索時(shí)，會(huì)聽(tīng)到有人說(shuō)，“嗯，今天的天氣”的音頻片段，問(wèn)題是這個(gè)音頻片段該怎么正確轉(zhuǎn)錄呢？是“嗯，今天的天氣”，還是“嗯、、、今天的天氣”呢？抑或是“嗯”這個(gè)詞我們沒(méi)抄下來(lái)？

其實(shí)這三種都可以，但不同的轉(zhuǎn)錄器用這三種標(biāo)記方式就有問(wèn)題了，這樣數(shù)據(jù)就會(huì)有噪音，損害語(yǔ)音識(shí)別系統(tǒng)?，F(xiàn)在，你有數(shù)百萬(wàn)或 10 億用戶時(shí)，就可以把那些噪音數(shù)據(jù)平均分配一下——學(xué)習(xí)算法就可以很好做到這一點(diǎn)。但如果你的數(shù)據(jù)集比較小的話，如 100 個(gè)例子，那這類噪音數(shù)據(jù)會(huì)讓效果大打折扣。

還有一個(gè)是制造業(yè)的例子：我們?cè)阡摬臋z驗(yàn)方面做了很多工作。如果你開(kāi)一輛側(cè)面曾經(jīng)是用鋼板做的車(chē)，有時(shí)鋼板上會(huì)有一些小褶皺、小凹痕或斑點(diǎn)，你就可以用相機(jī)和計(jì)算機(jī)視覺(jué)來(lái)檢查是否有缺陷。

但不同的貼標(biāo)人員會(huì)對(duì)數(shù)據(jù)進(jìn)行不同的標(biāo)記，有些人會(huì)在整個(gè)區(qū)域周?chē)乓粋€(gè)巨大的限位框，有些人會(huì)在小粒子周?chē)O(shè)置小小的限位框。當(dāng)你的數(shù)據(jù)集很小時(shí)，確保不同的質(zhì)檢人員統(tǒng)一標(biāo)記數(shù)據(jù)是最重要的事情之一。

對(duì)很多 AI 項(xiàng)目來(lái)說(shuō)，你從 GitHub 上下載的開(kāi)源模型——你可以從文獻(xiàn)中獲得的神經(jīng)網(wǎng)絡(luò)——（這）已經(jīng)夠好了，（雖然）這不能解決所有問(wèn)題，但可以解決主要問(wèn)題。所以我跟我團(tuán)隊(duì)很多人說(shuō)，“嘿，大家，神經(jīng)網(wǎng)絡(luò)已經(jīng)夠好了。我們不要再攪亂代碼了。你們現(xiàn)在唯一要做的就是建立流程來(lái)提高數(shù)據(jù)質(zhì)量?！笔聦?shí)證明，這通常能讓算法的性能提高得更快。

《麻省理工技術(shù)評(píng)論》：你提到較小的數(shù)據(jù)集時(shí)，是指多大的數(shù)據(jù)？一百個(gè)例子？還是十個(gè)例子？

吳恩達(dá)：機(jī)器學(xué)習(xí)太多樣化了，很難給出一刀切的答案。我曾經(jīng)處理過(guò)有 2 億到 3 億張圖片的問(wèn)題，也處理過(guò)只有 10 張圖片的問(wèn)題，以及介于這兩者之間的我也都處理過(guò)。我觀察制造業(yè)應(yīng)用程序時(shí)，我認(rèn)為一個(gè)缺陷類有幾十或上百個(gè)圖像是很正常的，但即使在工廠內(nèi)部也有很大的差異。

我確實(shí)發(fā)現(xiàn)，訓(xùn)練集的規(guī)模低于比如說(shuō) 10000 個(gè)例子時(shí)，AI 實(shí)踐就會(huì)切換，因?yàn)檫@是一個(gè)閾值，工程師基本可以查看每個(gè)例子，自己設(shè)計(jì)、然后做出決定。

最近，我和一位非常出色、在一家大型科技公司工作的工程師聊天。我問(wèn)他：“嘿，如果標(biāo)簽不一致的話你會(huì)怎么辦？”他回答道：“嗯，我們?cè)诤Ｍ庥袔装偃说膱F(tuán)隊(duì)做標(biāo)簽，所以我會(huì)寫(xiě)下標(biāo)簽說(shuō)明，讓三個(gè)人給每張圖片貼上標(biāo)簽，然后我取一個(gè)平均值?！蔽艺f(shuō)：“是的，數(shù)據(jù)集很大時(shí)就得這么做?！钡液鸵粋€(gè)較小的團(tuán)隊(duì)合作時(shí)，如果標(biāo)簽不一致，我就會(huì)找到這兩個(gè)意見(jiàn)不一致的人，讓他們打一個(gè) Zoom 視頻電話，互相交談一下，試圖達(dá)成一個(gè)解決方案。

《麻省理工技術(shù)評(píng)論》：現(xiàn)在我想請(qǐng)你談?wù)剬?duì)一般 AI 產(chǎn)業(yè)的看法。我收集了我們讀者想問(wèn)你的問(wèn)題。一位讀者問(wèn)道：AI 的發(fā)展似乎主要分兩種方向，一種是學(xué)術(shù)研究，一種是大規(guī)模、資源密集型的大公司項(xiàng)目，如 OpenAI 和 DeepMind。這并沒(méi)有給小型創(chuàng)業(yè)公司留下太多的空間。你認(rèn)為小公司可以關(guān)注哪些實(shí)際問(wèn)題來(lái)推動(dòng) AI 的真正商業(yè)應(yīng)用呢？

吳恩達(dá)：我認(rèn)為很多媒體都把注意力放在大公司上，有時(shí)也放在大型學(xué)術(shù)機(jī)構(gòu)上。但如果你參加學(xué)術(shù)會(huì)議，就會(huì)發(fā)現(xiàn)很多工作是由小型研究小組和研究實(shí)驗(yàn)室完成的。我和不同公司各行各業(yè)的人士交談時(shí)，我覺(jué)得他們可以利用 AI 來(lái)解決很多商業(yè)應(yīng)用問(wèn)題。我通常去問(wèn)商業(yè)領(lǐng)袖：“你們最大的商業(yè)問(wèn)題是什么？你最擔(dān)心的事情是什么？”這樣我就能更好理解企業(yè)的目標(biāo)，然后集思廣益是否有 AI 解決方案，有時(shí)找不到解決方案的話，那也沒(méi)關(guān)系。

也許我要提幾個(gè)我覺(jué)得興奮的差異，我認(rèn)為今天構(gòu)建 AI 系統(tǒng)仍然需要大量的手工操作。你有一些聰明的機(jī)器學(xué)習(xí)工程師和數(shù)據(jù)科學(xué)家在計(jì)算機(jī)上做事情，然后把事情推向生產(chǎn)，在這個(gè)過(guò)程中有很多手動(dòng)步驟。因此，我對(duì) ML Ops（機(jī)器學(xué)習(xí)操作）感到興奮，因?yàn)檫@是一門(mén)新興學(xué)科，有助于讓構(gòu)建和部署 AI 系統(tǒng)的過(guò)程更加系統(tǒng)化。

此外，如果你看看許多典型的商業(yè)問(wèn)題（從營(yíng)銷(xiāo)到人才）的所有職能，就會(huì)發(fā)現(xiàn)自動(dòng)化和效率提高的空間很大。

我也希望 AI 社區(qū)能夠關(guān)注最大的社會(huì)問(wèn)題，看看我們能為氣候變化、無(wú)家可歸或貧困做些什么。除了有時(shí)非常有價(jià)值的商業(yè)問(wèn)題，我們也應(yīng)該致力于最大的社會(huì)問(wèn)題。

《麻省理工技術(shù)評(píng)論》：你如何確定是否有機(jī)會(huì)在你的企業(yè)中進(jìn)行機(jī)器學(xué)習(xí)呢？

吳恩達(dá)：我會(huì)試著自己學(xué)習(xí)一些商業(yè)知識(shí)，也會(huì)試著幫助商業(yè)領(lǐng)袖學(xué)習(xí)一些有關(guān) AI 的知識(shí)，然后我們通常會(huì)集思廣益一組項(xiàng)目，對(duì)于每個(gè)想法，我會(huì)同時(shí)在技術(shù)和業(yè)務(wù)上作出努力。我們將著眼于：你是否有足夠的數(shù)據(jù)？精度是多少？您將其部署到生產(chǎn)環(huán)境中時(shí)，是否存在長(zhǎng)尾現(xiàn)象？你如何填充數(shù)據(jù)，為持續(xù)學(xué)習(xí)形成閉合回路？所以要確保問(wèn)題在技術(shù)上是可行的。然后是商業(yè)方面做出的努力：我們要確保這會(huì)實(shí)現(xiàn)我們期待的投資回報(bào)率。在這個(gè)過(guò)程之后，你通常要做這樣的事情，比如評(píng)估資源、里程碑。

另一個(gè)建議是：開(kāi)始要快，這很重要，從小處開(kāi)始也沒(méi)關(guān)系。我在谷歌第一個(gè)有意義的商業(yè)應(yīng)用程序是語(yǔ)音識(shí)別，而不是網(wǎng)絡(luò)搜索或廣告，但幫助谷歌語(yǔ)音團(tuán)隊(duì)提高語(yǔ)音識(shí)別的準(zhǔn)確度，給大腦團(tuán)隊(duì)確立了信譽(yù)以及提供必要的資金去追求更大的合作伙伴。

所以谷歌地圖是我們第二大合作伙伴，我們使用計(jì)算機(jī)視覺(jué)，讀取房屋號(hào)碼，在谷歌地圖上定位房屋。只有在前兩個(gè)項(xiàng)目成功之后，我才與廣告團(tuán)隊(duì)好好探討了一下。我想我看到過(guò)很多公司因?yàn)槠鸩教蠖?，這比起步太小而失敗的要多。作為一個(gè)組織，你可以先做一個(gè)較小的項(xiàng)目，了解一下使用AI的感覺(jué)，然后再繼續(xù)做大。

《麻省理工技術(shù)評(píng)論》：為了在自己的公司里實(shí)現(xiàn) AI，我們的用戶明天應(yīng)該開(kāi)始做一件什么事？

吳恩達(dá)：投入。AI 正在改變?cè)S多行業(yè)的格局，所以，如果你的公司還沒(méi)有做出非常浩大和明智的投資，這是一個(gè)好時(shí)機(jī)。

原文標(biāo)題：吳恩達(dá)：不要建立AI先行的企業(yè)，而要從任務(wù)導(dǎo)向開(kāi)始 | 專訪

文章出處：【微信公眾號(hào)：DeepTech深科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq