内容来源：2017年9月11日，斯坦福，吴恩达为GASA大学作主题为“探索人工智能”的分享。
条记侠作为独家课程条记互助伙伴，经主理方审阅授权发布。

责编 | 戈多

第1726篇深度好文：3488字 | 5分钟阅读

独家首发·精华条记·人工智能

本文新鲜度：★★★★★+

口感：海风味（漂洋过海、从美国而来）

条记君邀您，先思考：

1. 为什么AI会溘然在这几年进步这么快？

2. 人工智能的计策逻辑是什么？

3. 企业如何面对AI的寻衅？

我在百度就在讲这句话：“人工智能是新电能”。
100年前，电能给每个企业带来新的改变。

当人工智能技能足够成熟之后，会给很多企业带来非常大的改变。
本日我紧张讲人工智能的趋势以及对大家会有什么影响。

一、supervised learning（监督学习）

AI，这个词对大多数人来说有一种魔术的觉得，但是它详细能做什么？

它的技能非常繁芜，有很多部分，这两三年进步最快的一部分是 supervised learning（监督学习），也便是从a的input（输入）到b的output（输出），什么意思呢？用具体案例来解释下。

比如，你输入足够多的电影影评，然后可以大概知道一个电影是好是坏；

输入一种图片，然后可以知道图片的内容（图片识别）；

输入一段语音，会输出一个文本（语音识别）；

输入一段英文，会输出一段中文（自动翻译）；

输入一段文本，会输出一段音频（语音输出）；

输入一笔用度，会输出很好的回报（消费金融）；

输入一段传感器信息，会输出一个汽车的位置（自动驾驶）。

AI技能有很多不同的部分，进步最快的便是这个部分，本日有很多空间利用新技能，给企业带来代价，比如语音识别对百度就非常有代价。

很多要做人工智能事情的企业须要理解你自己的买卖，才能决定如何放入人工智能来创造代价。

不过这种技能有一个缺陷，须要大量的数据，须要a，也须要b。

常常有人问我，AI可以做什么？我跟很多团队说，如果有哪个事情想一秒钟就成功搞定，那么就可以这个部分用AI创造代价。

为什么AI会溘然在这几年进步这么快？

如果你的横轴是你的数据量（amount of data），纵轴是效率或准确度，当企业产生大量的数据，传统企业按照过去的算法无法供应数据的打算效果，但如果演习一个巨大的神经网络，效果会非常巨大。

如果你要达到最好的效果，有两个必要条件：

第一，要演习一个巨大的神经网络（NN）；

第二，要有大数据。

本日很多企业有海量数据，但几年之前没有办法演习足够大的神经网络来实现打算。

本日，最好的人工智能团队都可以从算法（机器学习）和超级打算机架构入手。

supervised learning（监督学习）是人工智能的一部分，我做人工智能项目的时候，有时候也须要到Ai技能的不同部分。

为什么常日讲supervised learning（监督学习）和神经网络（NN）？

supervised learning（监督学习）和神经网络进步非常快，其他部分的进步没有这么快，只是逐步增加，神经网络这两年有巨大的打破。

二、神经网络

中国本日对深度学习和神经网络有这么大的兴趣，我来分享下神经网络这个词详细是什么。
神经网络，对付很多人也有魔术的觉得。
我用具体的案例来解释。

如果你想预测一件房间的代价，横轴是大小，纵轴是价钱，那么输入房间大小，输出一个价格，这是一个最大略的神经网络。

在知道房间大小、卧室数量以及附近居住者的收入水平的条件下，如果买屋子的人想知道房间可以住多少人，可以用一个神经元测算出来；也可以通过一个神经元测算是否须要驾车；还可以通过一个神经元测算附近学校的质量。

末了把这些神经元汇合到一起，再通过其余一个神经元输出屋子的价钱，这便是神经网络。

末了分享一个细节来理解神经网络的主要性：

如果输入屋子的特色（a）和价钱（b），而且有大量的数据(a)，它就可以自动学习这中间有什么观点，不用去考虑和担心这些神经元。

过去两年，人工智能的神经网络进步这么快，如果得到很多a，就能够打算出很多精确的b。

就像语音识别，输入语音a，输出一个文本b，要做到高质量，须要一万个小时的数据量，也便是10年旁边的数据量，但要拿到这些数据的价钱也是不少的。

拥有比较准确的语音识别能力，用户也会更乐意利用。
中国这几年语音识别的用户量增加得非常快，就在于现在语音识别比较准确。

△ GASA大学，地球上最酷的大学

本日很多人工智能的企业都是开源的，技能本身不能作为壁垒。

要理解其余一个公司的技能并不太难。
我在百度和谷歌事情过，对技能比较理解，知道技能是怎么做的，但是如果我没有数据，我就没办法带一个团队做搜索。

三、人工智能公司的计策逻辑：

数据－产品－用户（Data - product - user）

如果你可以拿到一点点数据，你就可以通过神经网络来做一个产品。

常日一个产品不用做得太好，只要用户能够接管，用户逐步会有生动度，用户就会为你产生数据，然后形成正循环，形成壁垒。

如果你有一个用户可以接管的产品，却又被巨子用其余一个产品挖走，那么你的数据就没有办法形成正循环。

人工智能获取的计策已经越来越繁芜，人工智能团队要想清楚信息获取的计策。

1.什么是互联网公司？

如果你要为一个传统的购物中央做一个网站或者app，它们还不是一个互联网公司。
就像沃尔玛网站，也不是一家互联网公司。

你要做一个互联网公司，不在于是不是有网站，最主要的是全体公司的组织是否具有有效利用互联网的能力。

互联网公司会做A/B测试，每天可以做一千次A/B测试，以是互联网公司的学习速率会非常快。

互联网公司也会在比较短的韶光周期里发布新产品，可以每天发布一个或者20个，传统购物中央不能理解为什么这样做或者若何做。

互联网公司做决定的能力不是只有CEO一个人，还有很多产品经理或工程师。
由于在互联网公司，技能和用户行为比较繁芜，没办法都交给CEO一个人做决定。
传统购物中央由于变动比较慢，由CEO做决定是没有那么大问题的。

因此，是不是互联网公司不是看你有没有网站。

2.什么是人工智能公司？

在人工智能时期，一个传统的互联网公司＋神经网络技能，也还不是人工智能公司。

一个公司要做成人工智能公司，要组织全体公司有效地利用人工智能的能力。
AI现在还处于早期，人们还不能完备理解如何组织公司来利用它。

AI公司获取数据的计策非常繁芜，有关计策，我们有时候会谈论好几天或好几星期。
数据获取的过程要好几年，真的要一步一步来打。

最好的人工智能公司都会把数据放在一个数据库里。

如果你的数据一部分在你个人电脑上，一部分在你办公室电脑上，一部分在某一个数据库里，一部分在其余一个数据库，你的工程师要做一个新的人工智能的话，如何把这些数据放一起给人工智能利用呢？

但如果你把数据放进一个数据库，你的软件或者工程师就可以利用完全的数据来演习有效的人工智能。

很多公司有很多数据，但是没有办法放在一起，数据的利用效率就会没那么高，你的工程师的事情效率就会慢很多。

在人工智能公司事情的工程师，和传统互联网公司的工程师，事情描述的内容是不一样的。
如果你是百度公司的产品经理，你要做一个产品，就会画一个图，然后把图给工程师，工程师再写代码，这样的办法对互联网公司是非常有效的。

但如果你要做一辆自动驾驶汽车，产品经理画一张汽车图，是没有用的。
在人工智能时期，产品经理也须要理解若何获取数据；也要理解怎么和工程师沟通。

20年前，我们不知道A/B测试在本日会变得如此主要。
本日，我们还没有人能完备理解人工智能这么主要的观点，谷歌和百度的想法已经比较领先了，但还没有人完备把人工智能的观点讲清楚。

这给了我们什么机会？进入互联网时期，很多新公司有了很多、很大的机会。
进入AI时期，有一些传统公司像谷歌、百度都做得非常不错，也给很多新公司很多很大的机会。

四、利用AI的寻衅

AI技能发展这么快，但是理解的人比较少。
有效地利用AI来创造代价，就要跨行业，让企业家和专家一起结合互助。

因此，从CEO角度，你怎么安排有AI技能的人的事情呢？

很多公司的架构是由CEO和不同的奇迹部组成，那么你若何通过AI改变他们的事情呢？

比如个中一个奇迹部是做礼品卡的，那么是否可以通过AI改变售卖礼品卡的事情呢？但礼品卡的leader不懂AI，以是它内部很难建成一个AI团队。

（♥感谢劲哥哥挑T衣饰资助条记侠服装，笔芯♥）

我常常对很多公司说，如果能够找到一个独立的AI团队，就把这些有AI能力的人放到不同的团队矩阵去。

本日懂AI的人才那么少，他们不一定乐意被不懂AI的人领导，以是可以等过几年AI比较成熟，不须要一个单独的AI部门之后，就可以把AI人才放到公司的不同奇迹部团队内。

5、6年前，我们都不知道移动互联网能做什么，也没有想到“定位”可以产生这么大的浸染，跨行业的团队产生的浸染很大。

本日，移动互联网技能和手机技能很成熟，大家都可以理解互联网能够做什么，这个时候公司就不须要跨行业团队了。
同样，AI现在没有那么成熟，以是很须要跨行业人才。

不是每个人都要懂AI，也不是每个CEO都要懂AI，但如果可以找人来帮你建立AI团队，可以让你的团队利用AI拥有不错的机会。

我在谷歌带谷歌大脑团队的时候，做的第一个事情便是给几百个工程师供应人工智能课程。
本日CEO的事情可以从表面选择内容课程，或者找专家和人才来教诲你的团队。

AI的成熟速率比较慢，很多企业都有很多机会用AI去改变自己的企业。
正如过去，大公司都没有看到Uber和Airbnb的机会；在中国，大公司也没有想到滴滴会做到这样子。