IT思维

大数据文摘作品

记者：魏子敏

2月的第一天，吴恩达在北京完成了一次颇为低调的露面。

国家会议中心工业互联网峰会的主论坛上，吴恩达以Landing.AI创始人&CEO的身份，几乎全程中文，进行了一场题为《人工智能在生产制造业中的实践》的演讲。

图：吴恩达做了以《人工智能在生产制造业中的实践》为题的演讲

上个月，吴恩达宣布了自己的这家新公司Landing.AI的成立，并表示这一新公司将专注用人工智能辅助制造业领域的转型，本次的演讲也基于他在工业领域AI应用的实践上展开。

和前两日高调启动的AI Fund基金，以及刷屏AI媒体的deeplearning.ai深度学习系列课程第五部分更新相比，吴恩达这次的北京之行似乎并没有得到太多的关注和曝光：他的演讲被排在“工业互联网产业生态与行业实践”的主论坛的第三位，十余页PPT，半小时的演讲时间，会后也没有安排任何媒体访谈或者行业会面，匆匆离开。

尽管如此，整个主论坛依然座无虚席，在主讲台周围，很多听众甚至像”大学课堂“一般席地而坐。

图：整个主论坛依然座无虚席

两次强调自己斯坦福教育背景，吴恩达的此次演讲也颇为“学院风”，为现场工业领域从业者细心的讲述了机器学习和神经网络到底是什么。同时，他还罗列了监督式学习在生产制造中的事例。最后，吴恩达重新定义了他所理解的人工智能公司，也总结了对于人工智能时代的看法，可谓一次短小而精悍的精彩演说。

大数据文摘带来了吴恩达本次演讲的精华整理，根据现场演讲内容编辑，在不改变原意的前提下内容有删改：

“如果本次演讲你只要记住一张ppt，那我希望你记住的是这一张。”吴恩达在演讲中着重强调的这张PPT，对比了互联网时代和人工智能时代的几大特点：

“很多公司对于互联网公司有一个误区，他们认为给一个商场配上一个线上网站，就等于互联网公司。我之前曾经跟一个公司的CIO聊天，他说，亚马逊有一个网站卖东西，我们也有一个网站卖东西，那我们是一样的啊。当然不是一样的，因为亚马逊（Amazon）是一个典型的互联网公司。”

1、互联网公司需要大量的A/B测试

2、迭代速度很快

3、工程师及产品经理共同进行决策

互联网的产品和用户都非常复杂，所以不能只依靠首席信息官（CIO）一个人决策，还需要很多职位，需要产品经理、工程师一起来做，因为他们更加了解技术和用户之间的细节，这需要工程师和产品经理一起来做决策。

一个传统的技术公司加上神经网络或者机器学习，这还不是AI公司。能够安排你的公司做非常好的人工智能工作，这才是真正的人工智能公司。

坦白来说，现在谷歌和百度已经把自己尝试把自己变成一个AI公司，还没有做完，但是他们的想法是非常领先的。

二十年前，我们不会想到，a／b测试会变得这么重要，在互联网时代，我们花了一段时间才懂得a／b测试的重要性。而到了今天，人工智能公司到底是什么，我们也没有完全想清楚，但我觉得有可能会包括这些要点：

1、数据搜集的战略：

如何搜集数据？通过什么工作，在什么国家搜集数据，都需要明确。这是个很复杂的问题。

2、集中的数据库：

今天回去大家就可以开始做这件事，如果你的公司有50个数据库（databases），如果一个工程师做某个项目的时候需要去到50个数据库找数据，那是非常困难的，所以现在的趋势是要尽量把数据集中起来，这件事各位今天就可以开始做了。

3、普遍的自动化：

同时我也看到很多AI公司正在做这件事，有很多自动化的机会。

4、新的人才需求：

机器学习工程师，计算机视觉算法工程师。

而今天在许多人工智能公司，产品经理和工程师的工作也发生了变化。

在互联网时代，如果你要做一个app，工作流程一般是产品经理来画一张图，工程师会看产品经理的这张图再去写代码。而在人工智能时代，比如你要做一个自动驾驶的产品，产品经理没办法直接做一张图，他需要把一些数据给到工程师，让工程师从数据库拿数据，然后要求达到某个数值的准确率。

今天在AI公司，我们的产品经理和工程师的工作已经产生了不小的变化了。

那么我到底要不要使用人工智能呢？

在很多公司，大家会认为要先有信息革命（IT revolution），因为很多传统行业中，信息还是写在纸上，我们需要把信息先存在电脑里，产生数据，之后才能进行人工智能革命（AI revolution)。

举个例子，我觉得金融（行业）是一个人工智能（进展比较好的行业），因为金融有很多在线的数据，所以这个行业的人工智能革命已经快要起来了。

医疗行业我也很看好，在美国有“奥巴马医疗改革（Obamacare）“，中国也一样。十年前你的x光片可能就是一张片子，但现在医疗数据都是在电脑上的，所以其人工智能革命也在进展中。

而工业和教育（行业）正处于发展中。

有很多人问我AI的战略问题，我需要三年时间先把IT搞好，那么是不是三年后我再来做人工智能革命。我的建议是，不要这样做。

如果你的公司已经有了一些物联网（IOT）的部署，有了一些数据，那么我会鼓励大家先用AI来试一试，找AI团队，先用这些数据给IT团队一些反馈：到底是每十分钟采集一次数据还是每秒钟采集一次数据？这也是很大的价值。

其实，今天即使最好的人工智能公司，他们的IT革命也是不断完善，他们的数据也不是完美的。

如果左边这个圈代表人工智能的优势，右边这个圈代表产业知识，那么我们想做的是选择中间的一些机会，用人工智能可以做，并且对你们的公司有益处。今天的人工智能和产业都很复杂，所以人工智能专家应该和产业专家结成跨行业的团队，才能产生最大的价值。我个人背景是人工智能，所以也很兴奋有机会和很多制造公司合作，才可以获得两个圆中间最有价值的机会，希望未来有更多机会和各位合作。

吴恩达也在本次讲座中指出了一些人工智能在工业中的应用案例，我们在此简单列举给各位：

100年前，电能对社会带来了巨大变革，人工智能也将对各行业带来同样的影响👇

人工智能在工业互联网时代有着各种应用👇

吴恩达也提出了一些人工智能在生产制造中的实践和应用案例，比如自动视觉检测👇

比如机器参数调整，产品优化，维护预测👇

监督式学习在生产制造中的示例👇

其他人工智能模型👇