吴恩达：这个时代的CEO需要懂一点AI技术，才能做出正确的判断

虎嗅注：本文转自公众号“极客公园（ID:geekpark）”，作者：宋德胜。

“人工智能是新时代的电力。”吴恩达在南京人工智能峰会上说道，比起以往科学家身份的演讲，今天他更多谈的是 AI 的落地。

2017 年三月离开百度之后，吴恩达先后创办了在线教育平台 Deeplearning.ai、帮助传统企业落地的 Landing.ai，和人工智能创投机构 AI Fund 三家公司，同时担任了 Woebot 的董事会主席，并加盟 Drive.ai 的董事会。

吴恩达比以往任何时候都更接近产业。

五年前，身负“深度学习四大天王”称号的吴恩达在与一位美国大型零售企业的 CEO 交流时，对方颇为不屑地向吴恩达表示，“我们也有网站，也在网上卖东西——和亚马逊一样。”

五年过去，这家曾经自以为转型互联网成功的零售商对自己的未来早已不那么自信，而它曾经不屑的网上商城亚马逊在近期刚刚成为了苹果之后现存第二家市值超越万亿美元的公司。

“传统企业+网站≠互联网公司，”吴恩达在演讲中说，他认为人工智能也是一样：“传统企业+机器学习≠人工智能公司。”

一家成功的人工智能公司需要足够的人工智能人才，这需要一个健全的培训体系；需要高管对 AI 有清晰的认识，在选择 AI 项目时有自己的判断；还需要根据情况，将人工智能与公司的业务深度融合。

吴恩达举起了 Google 和百度的例子，这两家公司都是从搜索引擎起家，在人工智能时代的开始，从互联网企业成功地转型为人工智能公司，在它们各自转型的过程中，吴恩达都对两家公司的人工智能业务有着深度的参与。

对于企业向人工智能转型，吴恩达无疑是那个经验最丰富的亲历者之一。

正因如此，吴恩达在 2017 年 12 月创办了 Landing.ai，“从制造业开始，”他在博客上写道。Landing.ai 刚刚创办就与富士康达成了战略合作，随后在今年七月底，Landing.ai 又与中联重科达成合作，在帮助企业在人工智能时代转型时，吴恩达的眼光更多看向了制造业的巨头。

Landing.ai 做的不仅仅是简单地向传统企业输出 AI 技术，它帮助合作企业招募 AI 人才，组建人工智能团队，提高企业领导层对 AI 的认知，最终落地到一整套的技术解决方案上。

除了 Landing.ai 以外，吴恩达的其他创业项目包括了 AI 人才的教育以及 AI 领域创业公司的投资，他本人担任高管的还有教育平台、智能机器人企业以及无人驾驶技术公司等等，深耕人工智能领域多年的吴恩达在离开了 Google、百度等大公司之后，决定利用自己的能力和影响力更多地推动整个人工智能行业向前发展。

在 2018 中国人工智能峰会上，极客公园与多家媒体一起，同吴恩达一起聊了聊他对落地 AI 的一些思考，当然除了公司的业务之外，我们还问了他对国内人工智能行业发展现状的看法，以及他本人对 AI 学习者的建议等等。

以下为问答环节记录，经极客公园编辑整理。

问：AI 进入各行各业面临的最大问题是什么？对这些行业来说是颠覆还是赋能？

答：我觉得最大的问题是需要时间支持很多工作。我们协助其他公司，提供具体的 AI 解决方案，帮他们建立自己的 AI 团队，做（布局）AI 的战略等等。

比如 Google 以前是个非常伟大的公司，但它从伟大的公司到伟大的 AI 公司也需要很多的时间，百度也是这样。

所以支持这些公司转型为优秀的 AI 公司，需要很多工程师、管理团队、CXO 级别的高管慢慢去理解 AI，建立新的团队。从传统公司转型为 AI 公司是非常不容易的一件事，不过我觉得能够完成这样的工作是非常有意思的。

问：是这些公司对转型到 AI 的意识不足吗？

答：我觉得很多公司对使用 AI 非常感兴趣，但是他们还是不太明白该怎样做。比如如何招人，如何找到很好的 AI 人才对很多公司而言非常不容易。很多公司都需要很好地理解 AI 技术才能够知道如何选择 AI 的项目。因为我看到很多公司的 CEO 在台上宣布他们选择了一个（AI 的）方向，但随后跟他们的工程师讨论就会发现，他们的工程师认为 CEO 定下的方向是无法做好的，所以我觉得这个时代 CEO 需要懂得一点 AI 的技术，才能够做出准确的判断什么可以做，什么应该做。因为有些项目今天 AI 真的是没有办法做出来，可能需要几年才能成功，所以 CEO 需要有这种判断力。

问：Landing.ai 在帮助企业落地 AI 时有哪些方式？

答：Landing.ai 跟公司有两种合作的方式。

第一种，如果要把一家公司转型为伟大的 AI 公司，当然需要 CEO 或者董事的支持。其实你看 Google 也是，谷歌大脑最开始是 Larry Page 非常支持我，现在 Sundar Pichai、李彦宏也是一样。它们都是在 CEO 层面非常理解 AI 的重要性。

第二种，提供具体解决方案。Landing.ai 目前第一步给制造业做了一个具体的解决方案。在生产制造的最后一个环节：质量检测。因为现在大部分电子消费产品、汽车零部件或者半导体行业的芯片在出厂的时候都是有成千上万的工人在产线上做瑕疵检测，有的瑕疵非常小，是毫米级别。现在计算机视觉技术的成熟让这些工作可以由机器来完成。而且我们现在面临的并非替代劳动力的问题，我们有很多合作伙伴面临的问题是他们没有足够的工人，工人的用工成本也在不断提高，这样一个重复性非常高的简单的工作，就可以由 AI 来完成。我们现在提供给这些企业的就是这种利用计算机视觉的瑕疵自动解决方案。

问：Landing.ai 提供的解决方案和传统的咨询公司有怎样的区别？

答：我们不做咨询，解决方案是一种产品。在帮助公司转型到 AI 公司时，需要做很多工作，比如一家公司要招 AI 人才，咨询顾问的公司很难帮助他们招人、建立团队，或者具体做 AI 方面的方案。

问：Landing.ai 近期在招一些软件和机器学习的工程师，是在为合作伙伴招募吗？

答：有些合作伙伴会要求我们帮助他们建立 AI 团队，这是我们的工作之一。

问：旗下公司是否包含 AGI（通用人工智能）的方向？

答：AGI 还是非常遥远的，有可能几十年，有可能几百年，不好说。我觉得现在领域里有很多人，有些人研究 AI，有些人研究量子计算，有些人研究 AGI 等等，但我的团队现在没有做 AGI 的工作，那是非常遥远的，具体的 AI、深度学习还有很多技术需要发明。比如我们都说大数据，现在很多团队都能够训练出有效的神经网络，但小数据（smalldata）越来越重要，比如 Landing.ai 和制造公司合作，通常制造一个产品，如果只有一百张图片，如何使用 AI 的技术，就需要 small data 的技术。

问：如何调整自己的精力，适应自己的多重身份？

答：现在主要的精力在做 Landing.ai。

还有个团队，DeepLearning.ai，在做教育的工作，是个帮助整个社会进入 AI 社会的公司。

我创办了很多的团队，但我觉得有一点很好的是，这些团队都有很优秀的人才。我现在还是 Coursera 的董事长，不过因为 Coursera 已经有一个非常优秀的 CEO，所以我只需要去支持他的工作。

很多团队包括 Google Brain、百度的 AI Group 等等，现在我没有跟他们一起共事了，但是我觉得在那些团队非常兴奋，可以找到非常好的人来管理团队，所以我觉得在我离开之后，这些团队仍然能做得很好。

我在斯坦福大学还有开深度学习的课，有一些学生，我觉得（接触）学生的体验也非常好。

很多团队需要我花的时间也不多，我觉得我很多的工作都是建立非常好的团队。

问：你们在硅谷也是“997”的工作制吗？

答：（笑）我觉得没有那么少啊。

问：每天自己读书学习的时间有多少？

答：我会在 iPad 上看很多文章和书，如果我坐汽车、Uber 或者坐飞机来中国，通常如果有 10 分钟到一个小时的时间都会拿来看书。比如昨天从美国飞过来，我在飞机上就看了一本半左右的书，其中一本是有关技术如何影响社会的书。

问：创业一年多来，觉得从科学家到商业的角色有怎样的变化？

答：没有太大的变化吧。在百度的时候我也有负责好几个业务团队，百度输入法、百度图片搜索还有 Doer OS，会负责一些技术团队也负责一些技术团队。

问：是否觉得中国的人工智能产业过热？

答：我觉得人工智能的前途非常好，一个新的技术总会有的过热，有的不过热，中国和美国都是。领域里的创业公司，有的会成功，有的不会。今天在做深度学习的人在不断增加，在行业里工作的人也不断增加，所以技术的进展是一步一步不断发展的。改变的比较快的是公众的意识（public opinion）。

问：很多创业公司都在做 AI、编程的教育，如何看待这种现象？

答：全世界 AI 人才真的不够，如果有办法高效率地投入、提供好的教育当然是好的，在这个时代我们真的需要很多的人工智能人才。

问：对开发者和需要转型的学习 IT 技术的用户有什么建议？

答：我的建议是“go for it”。使用线上内容，比如 Coursera，看看那些在 Github 上的开源项目，现在在网上已经有非常好的 AI 学习资源。学习过一段时间可以开始做自己的项目，在自己的公司做项目，或者给一些开源项目做 contribute，或者找大学的合作伙伴。做了具体的项目以后，就有机会找到 AI 的工作。

我觉得这个世界真的非常缺懂 AI 的人，而且这个 gap 需要很多很多年才能填上。我觉得今天懂互联网、软件的人都还不够，所以 AI 还需要很多很多年、很多很多的教育工作才行。