吳恩達釋出《AI轉型指南》:喊話CEO們,AI轉型分五步
http://blog.itpub.net/31562039/viewspace-2285307/
大資料文摘出品
編譯:張秋玥、笪潔瓊、魏子敏、蔣寶尚
人工智慧毫無疑問重塑了工程師和研究者們,但是,掌管公司發展前景的CEO們更關心什麼呢?
今年8月份,吳恩達在自己的推特上釋出了一個問題,稱自己因為Landing.ai的專案到訪很多國家,和非常多的CEO交流過他們的AI策略,想基於此釋出一個報告,因此也向大家徵集最想了解的問題。
話題一經發出就迅速獲得了很多回應,最熱的問題包括:如何評估投入產出比?如何從零開始開啟人工智慧專案等。
而吳恩達也高效率的兌現了自己的諾言。就在剛剛,他在自己的Medium專欄上po出了一份公開信,正式宣告了這份名為《人工智慧轉型指南(AI Transformation Playbook)》(下稱《指南》)的釋出。
吳恩達稱,這一指南是他透過在谷歌大腦,百度實驗室以及Landing AI的多年經驗,整合完成的,他在其中非常明確的回應了CEO們在企業發展中最關心的問題——如何高效開啟人工智慧專案,並且直接了當的給出了“五步驟路線圖”,可以說非常有實操性的良心指南了!
總結來說,這五個步驟分別是:
1.執行試點專案從而獲得動力
2.建立公司內部的AI團隊
3.對員工進行AI技能培訓
4.制定人工智慧戰略
5.在公司內部和外部建立良好的溝通渠道
吳恩達在文章中提供了《指南》的完整版的免費下載連結,先在此奉上英文版:
大資料文摘也在不改變原意的前提下,對這份《指南》進行了精華編譯。以下是五個步驟的具體內容,enjoy!
執行試點專案從而獲得動力
如果公司有好幾項AI專案的話,記住,最重要的不是能夠帶來大量收益的專案,而是有意義的!因為這可以在一開始幫公司負責人熟悉AI思維,也更有利於說服投資人進一步的跟進。 即使有人會認為這不重要,但這可以保證AI齒輪飛速旋轉,從而讓相關的AI團隊獲得動力。
專案建議:
-
理想情況下,新的或者外包AI團隊可能對業務沒有深層次的領域知識,你可以引導其與有相關經驗的內部團隊合作,並構建AI解決方案。另外,在12個月內要見成效。
-
專案專案在技術上應該是可行的。現在太多的公司仍在使用AII技術開展一些不切實際的專案;所以,在專案開始前讓經驗老道的AI工對專案進行全方位評估,是增強專案可行性必不可少的部分。
-
有創造商業價值的明確目標。
當我領導谷歌大腦團隊時,谷歌當時的深度學習技術是非常受到懷疑的。 當為了獲得動力,選擇Google Speech團隊作為第一個內部客戶,經過密切的合作,Google語音識別的準確率大大提高。其實,就當時而言,語音識別在Google並不是非常重要的專案,但是非常有意義,專案成功之後,團隊獲得了非常大的動力。
第二次的合作物件,我仍然沒有選擇非常重要的網路或者廣告業務。而是與谷歌地圖合作,具體內容是使用深度學習提高地圖資料的質量。兩次合作之後,谷歌人工智慧初步有了勢頭,然後才與負責廣告的團隊合作。
建立公司內部的AI團隊
儘管擁有淵博AI知識的外包團隊能夠幫你快速上路,長期來看,建立一支公司自己的AI團隊會更加有效率。此外,有些專案如果只在公司內部進行的話會幫助公司建立自己獨特的競爭優勢。
從管理層開始建立內部AI團隊至關重要。在網際網路興起的時期,聘請一位CIO(Chief Information Officer,資訊長)對於許多公司來說是一個關鍵的轉折點;因為,他們可以制定連貫的網際網路戰略。對比之下,那些同時執行許多相互獨立試驗性專案(從數字營銷、資料科學到建立新網站)的公司,經常無法很有效地運用網際網路技術。因為這些小專案無法適用於整個公司層面的轉型。
在人工智慧時代,對於許多公司來說一個關鍵點將是組建一支能夠幫助整個公司的中心化AI團隊。根據不同的技能組合,這支團隊可以為CTO、CIO或CDO工作;他們甚至可以直接為專門的CAIO(Chief AI Offier,首席AI官)工作。這支團隊的核心責任有:
-
為整個公司的人工智慧力量提供支援
-
幫助不同部門的早期跨領域AI專案。在完成這些早期專案後,建立可重複的流程來持續進行那些有價值的專案
-
建立通用一致的招聘與留用標準
-
建立公司層面的通用平臺,保證它不會只被一個單獨的部門使用。比如,可以考慮與CTO/CIO/CDO合作來建立統一集中資料儲存標準。
許多公司會將多個業務直接彙報給CEO。但是有了新AI團隊,你將可以把AI技術融進不同部門來推動跨職能專案的實現。
新型工作描述與團隊組織結構將會出現。我現在安排團隊內諸如機器學習工程師、資料工程師、資料科學家及AI產品經理等角色的工作已經與AI時代之前大不相同了。優秀AI領導者應當能夠指導你建立正確的流程。當前,對AI人才的爭奪非常激烈——不幸的是,絕大多數公司都不太可能招到史丹佛人工智慧博士生(說不定連史丹佛AI本科生都招不到)。既然短期內對於AI人才的爭奪是一場零和博弈,與專門負責招聘AI團隊的獵頭合作可以為你帶來不可忽視的優勢。不過,為你現在的團隊提供AI培訓其實也是一個很好的建立企業內部AI團隊的機會。
對員工進行人工智慧技能培訓
今天,沒有哪家公司擁有充足的人工智慧人才儲備。儘管媒體一直在報導人工智慧人才工資有多高,市場上依然有大量的相關職位空缺。還好,網際網路內容的發展,尤其是像Coursera, ebooks和YouTube等MOOCs平臺的出現,使得為職工提供規模化的人工智慧技術培養成為可能。明知的首席學習官( CLO -Chief Learning Officer,吳恩達曾經在幾次演講中提到過公司應該設定這個職位,為公司員工的長期學習提供可能)明白,他們的工作是成為好的內容庫管理者,而不是直接為生產內容,然後透過一些制度保障員工完成學習即可。
10年前,職業培訓需要邀請專家來到你的公司講課,這種方式非常低效,回報率也很不明確。現在,數字內容的出現更加經濟和個性化。這時,私人的諮詢者可以作為線上內容的一個補充(我們一般稱其為“翻轉課堂”)。這種方式我個人認為更有效率,在史丹佛,我的校內深度學習課程就是用這種方式進行的。僱傭一些人工智慧專家來獲取個性化經驗也是激發團隊學習人工智慧技能熱情的很好方式。
AI將改變許多不同的工作。所以,應該針對公司的每個員工,根據適用公司發展的相關AI知識,請。 諮詢為團開發定製課程。 培訓計劃因人而異,因部門而異:
高管和公司負責(⩾4小時培訓)
-
目標:讓管理人員瞭解AI可以為企業做些什麼,做出合理的資源分配決策並與負責AI專案的AI團隊協作。
-
課程設定:
-
人工智慧的基本業務理解,包括基本技術,資料以及AI能做什麼和不能做什麼。
-
瞭解AI對公司戰略的影響
-
學習已經落地的AI場景應用或者相關行業的案例。
開展AI專案的各部門領導(⩾12小時培訓)
-
目標:部門負責人能夠為AI專案設定方向,分配資源,監控和跟蹤進度,並根據需要進行更正,以確保成功交付專案。
-
課程設定:
-
掌握人工智慧的基本專案方向,包括基本技術,資料以及AI能做什麼和不能做什麼。
-
瞭解基本AI演算法 。
-
基本瞭解AI專案的工作流程,AI團隊中的角色和職責,以及AI團隊的管理。
AI工程師:(⩾100小時培訓)
-
目標:新培訓的AI工程師應該能夠收集資料,訓練AI模型,並提供特定的AI專案。
-
課程設定:
-
對機器學習和深度學習進行深層次技術理解; 基本瞭解其他AI工具。
-
瞭解用於構建AI和資料系統的可用工具,包括開源以及其他第三方提供的工具
-
對員工進行持續培訓,以適應日益發展的技術趨勢
制定人工智慧戰略
人工智慧戰略將引導公司在建立價值的同時建立可防禦的護城河。一旦團隊開始看到初始AI專案的成功,並對AI形成了更深的理解。就能夠確定AI可以在哪些地方創造最大的價值,並將資源集中在這些領域。
一些高管會認為,制定人工智慧戰略應該是第一步。在我看來,缺乏基本經驗的情況下下,大多數公司並不能制定出深思熟慮的人工智慧戰略。
公司建造“防禦性護城河“的方式也在隨著人工智慧的發展而發展。以下是一些值得思考的方法:
構建自己的優質AI資產,這些資產基本上與戰略保持一致:AI使公司能夠以新的方式建立獨特的競爭優勢。
邁克爾·波特(Michael Porter,曾提出著名的波特五力模型)關於商業戰略的開創性著作表明,開創一家有防禦能力的公司的一種方法是,構建幾個與戰略大體相符的優質資產。因此,競爭對手很難同時複製所有這些資產。
利用人工智慧建立一種特定於你所在行業的優勢:與其試圖在人工智慧領域與谷歌(Google)等領先的科技公司“一般”競爭,我建議你不如成為你所在行業的領先人工智慧公司,在那裡,開發獨特的人工智慧功能將使你獲得競爭優勢。AI如何影響你公司的戰略將取決於行業和具體情況。
與“AI的良性迴圈”相一致的設計策略,即積極反饋迴圈:在許多行業中,我們將看到資料積累導致可防禦的企業:
例如,領先的網路搜尋引擎,如谷歌,百度,必應和Yandex(俄羅斯版谷歌,比谷歌在俄羅斯的使用頻率高)都擁有各自巨大的資料資產。這些資料幫助這些公司建立一個更精確的搜尋引擎產品(A),這又幫助他們獲得更多的使用者(B),還導致他們擁有更多的使用者資料(C)。競爭對手很難進入這種積極反饋的迴圈之中。資料是人工智慧系統的關鍵資產。因此,許多偉大的人工智慧公司也有複雜的統一資料策略。資料戰略的關鍵要素可能包括:
-
戰略資料獲取:可使用從100個資料點(“小資料”)到100,000,000個資料點(“大資料”)的任意位置構建統一有用的AI系統。人工智慧團隊正在使用非常複雜的策略來獲取資料,而具體的資料獲取策略則是針對特定行業和具體情況的。例如,谷歌和百度都有大量的免費產品,這些產品不是具有貨幣化價值的,而是允許它們獲取可以其他具有貨幣化價值的資料。
-
統一資料倉儲:如果你有50個不同的資料庫,這些資料庫在50位不同的副總裁(VP)或部門的控制下,工程師或AI軟體幾乎不可能訪問這些資料並“連線這些點”。相反,考慮將減少用於儲存的資料庫。
-
識別哪些資料是有價值的,哪些不具有價值:擁有許多TB級別的資料,並不意味著AI團隊將能夠從這些資料中創造價值。我不幸地看到,一些執行長在收集低價值資料方面過度投資,甚至為了獲得一家公司的資料而收購該公司,結果卻發現目標公司的許多TB資料並不具有價值。避免這個錯誤,在資料獲取過程中儘早引入AI團隊,並讓他們幫助你確定要獲取和儲存的資料型別的優先順序。
-
創造網路效果和平臺優勢:最後,人工智慧還可以用來建造更傳統的護城河。例如,具有網路影響的平臺是高防禦的公司。他們往往有一個自然的“贏家通吃”的動力,迫使公司要麼快速增長,要麼死亡。如果AI允許你以比競爭對手更快的速度獲得使用者,那麼就可以利用它來構建一條透過平臺動態來防禦的護城河。更廣泛地說,可以使用AI作為低成本策略、高價值策略或其他業務策略的關鍵元件。
在公司內部和外部建立良好的溝通渠道
人工智慧將對你的業務產生重大影響。如果它影響到你的主要利益相關者,你應該執行一個交流程式來確保一致性。以下是你應該考慮的內容:
投資者關係: 谷歌和百度等領先的人工智慧公司現在變得更有價值,部分原因是它們的人工智慧能力以及人工智慧對其利潤的影響。解釋清楚的人工智慧在你的公司創造價值的原因,描述你不斷增長的人工智慧能力,並最終會有一個深思熟慮的人工智慧戰略,這將幫助投資者適當地評估你的公司。
政府關係: 高度監管行業(自動駕駛汽車、醫療保健)中的私營企業在保持合規方面面臨著獨特的挑戰。描述一個可信的、引人入勝的人工智慧故事,解釋你的專案可以給一個行業或社會帶來的價值和好處,是建立信任和善意重要的一步。同時,在你推出專案時,還應與監管機構進行直接溝通和持續對話。
客戶/使用者培養: AI可能會給客戶帶來非常大的好處,因此請確保適當的營銷。
人才/招聘: 由於人工智慧人才的稀缺,一些實力強勁的公司將對你吸引和留住此類人才的能力產生重大影響。人工智慧工程師想要在令人興奮和有意義的專案上工作。一次適度的努力來展示你最初的成功,可能會有很大的幫助。
內部交流: 由於今天的社會仍然對人工智慧缺乏瞭解,特別是一般化人工智慧被過度炒作,所以存在恐懼、不確定性和懷疑。許多員工也擔心自己的工作被人工智慧替代,儘管這一點因文化而異(例如,這種擔心在美國似乎比在日本嚴重得多)。明確內部溝通,既解釋人工智慧,又解決這類員工的疑問,將減少任何內部不願採用人工智慧的情況。
歷史記錄,對你的成功很重要: 瞭解網際網路是如何改變行業的,對於指導人工智慧的崛起是非常有用的。
有一個錯誤在許多企業在網際網路的崛起時會遇到,我希望你會避免:
購物中心+網站≠網際網路公司。 即使一家購物中心建立了一個網站,並在網站上出售商品,這本身並不能將購物中心變成一個真正的網際網路公司。一個真正的網際網路公司的定義是:你有沒有帶領你的公司去做,網際網路讓你做得很好的事情?
例如,網際網路公司進行無處不在的A/B測試,在這種測試中,我們通常會推出兩個版本的網站,並衡量哪個版本的效果更好。一家網際網路公司甚至可能同時進行數百項實驗;這對於實體購物中心來說是很難做到的。網際網路公司還可以每週發貨一次新產品,因此比起每季度只更新一次設計的購物中心,學習速度要快得多。網際網路公司對產品經理和軟體工程師等角色有著獨特的職位描述,而這些職位的工作流程也具有獨特的協同工作方式。
深度學習是人工智慧中增長最快的領域之一,它與網際網路的崛起有著相似之處。今天,我們發現: 任何標準型公司+深度學習技術 ≠ AI公司。 為了讓你的公司在人工智慧上變得偉大,你必須帶領你的公司去做,AI讓你做得更好的事情。 要使你的公司在人工智慧方面表現出色,你必須具備:系統地執行多個有價值的AI專案、AI公司擁有外包或內部技術人才來系統地執行多個AI專案,從而為業務帶來直接價值。
對AI應該有一般的理解,並有適當的程式來系統地識別和選擇有價值的AI專案進行工作。
戰略方向:公司的戰略基本一致,以便在人工智慧驅動的未來取得成功。
把一家優秀的公司變成一個偉大的人工智慧公司是具有挑戰性的,但在偉大的合作伙伴的支援下其實可行。我在Landing.AI的團隊致力於幫助合作伙伴進行AI轉型,我將繼續分享更多的最佳實踐。
AI轉型專案可能需要2-3年的時間,但你應該期望在12個月內就能看到初步成效。透過投資AI轉型,你將持續領先於你的競爭對手。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29829936/viewspace-2285958/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 《AI轉型指南》釋出:吳恩達喊話CEO,AI轉型分5步AI吳恩達
- 吳恩達:諸位CEO,我有一本「AI轉型祕籍」傳授給你吳恩達AI
- 殺出重圍!來自吳恩達的最新AI從業指南吳恩達AI
- 吳恩達成立LANDING.AI推進製造業轉型,與富士康達成戰略合作吳恩達AI
- Landing.AI創始人及CEO 吳恩達:人工智慧與先進製造AI吳恩達人工智慧
- [轉載]《吳恩達深度學習核心筆記》釋出,黃海廣博士整理!吳恩達深度學習筆記
- 我從吳恩達AI For Everyone中學到的10個重要AI觀吳恩達AI
- 吳恩達宣佈啟動AI Fund:1.75億美金進軍AI創投吳恩達AI創投
- AI For Everyone:吳恩達想用30分的非技術課程傳達的內容AI吳恩達
- 請查收這份開發者轉型AI指南 AI頂尖公司分分鐘pick你AI
- 機器之心專訪吳恩達,深度學習課程專案Deeplearning.ai正式釋出吳恩達深度學習AI
- 吳恩達重磅迴歸,成立創業公司Deeplearning.ai吳恩達創業AI
- 專訪吳恩達:小資料是AI落地的重要挑戰吳恩達AI
- 吳恩達迴應AI落地的三大問題:AI如何與企業、政府、大學結合?吳恩達AI
- 重磅 | 吳恩達Coursera新課已經上線,開啟全民AI時代!吳恩達AI
- 吳恩達《機器學習落地應用指南》(30頁ppt)吳恩達機器學習
- AI中臺助力企業智慧化轉型AI
- 深度學習哪家強?吳恩達、Udacity和Fast.ai的課程我們替你分析好了深度學習吳恩達ASTAI
- Yann LeCun、吳恩達的新年AI預測:強調“少樣本學習”,AI恐慌在減少Yann LeCun吳恩達AI
- 吳恩達成立AI新公司,從Deeplearning.ai到Landing.ai,他到底在賣什麼關子?吳恩達AI
- 吳恩達《Machine Learning》Jupyter Notebook 版筆記釋出!吳恩達Mac筆記
- Yann LeCun、吳恩達等的2019年AI趨勢預測Yann LeCun吳恩達AI
- 吳恩達演講直指AI落地三大挑戰,並提出解決方案吳恩達AI
- 華為有AI,這場轉型戰有點大AI
- 吳恩達對話LeCun:神經網路跌宕四十年吳恩達LeCun神經網路
- 吳恩達點贊:22 頁《AI 職業發展之路》祕籍開放下載!吳恩達AI
- 好書精讀:CEO在數字化轉型中的行動指南
- 吳恩達機器學習筆記(3)吳恩達機器學習筆記
- 吳恩達機器學習提交問題吳恩達機器學習
- 2024吳恩達機器學習吳恩達機器學習
- 吳恩達首款產品Woebot現已推出,到底用了多難的AI技術?吳恩達AI
- 撒花!史丹佛深度學習最新視訊釋出,吳恩達主講!深度學習吳恩達
- 吳恩達旗下Drive.ai尋求「賣身」,自動駕駛創業者被逼到路口吳恩達AI自動駕駛創業
- 線性迴歸(吳恩達機器學習)吳恩達機器學習
- AI一分鐘 | 傳錘子和360手機正洽談合併;吳恩達Woebot Labs完成800萬美元融資;吳甘沙:AI技術中國排第二沒問題AI吳恩達
- 英偉達CEO黃仁勳:GPU是AI時代利器,釋出全球首款可程式設計AI引擎GPUAI程式設計
- OpenAI CTO、吳恩達夫人……AI 領域值得關注的「她」力量,個個都是女強人OpenAI吳恩達
- 吳恩達深度學習筆記(deeplearning.ai)之卷積神經網路(CNN)(上)吳恩達深度學習筆記AI卷積神經網路CNN