Landing.AI創始人及CEO 吳恩達：人工智慧與先進製造

概要：工業網際網路是工業革命和新一代科技革命的交匯，這個變革內涵非常廣，包含很多新的業務模式、新的業態、新的產業機遇，同時也會帶來很多新技術的創新。

工業網際網路是工業革命和新一代科技革命的交匯，這個變革內涵非常廣，包含很多新的業務模式、新的業態、新的產業機遇，同時也會帶來很多新技術的創新。其中人工智慧對工業網際網路有很大的機會，將超過人類的效率，有產量最佳化，有維護預測等。

2018年2月1日，2018年工業網際網路峰會在國家會議中心成功舉辦，本次論壇主要圍繞工業網際網路產業展開。十九大之後，第一個常務會審議了工業網際網路的指導意見，並頒佈了綱領性檔案，推動了工業網際網路的發展。工業網際網路是工業革命和新一代科技革命的交匯，對推動我國實體經濟發展還有網路強國、製造強國的建設都是有非常重大的意義。

本次論壇邀請了Landing.AI創始人及CEO吳恩達做了《人工智慧與先進製造》的主題演講，其核心觀點有：

1、人工智慧對工業網際網路有很大的機會，如智慧檢測、引數調整等。而且超過人類的工作效率，也有產量最佳化，也有維護預測等。

2、人工智慧有時候有種模式的感覺，今天人工智慧為很多公司帶來非常大的價值，可能99%的價值都是監督式學習。

3、人工智慧時代最重要的是兩點，一是資料蒐集的戰略，二是集中的資料庫。

4、最好的人工智慧公司還是一些產業專家和一些人工智慧專家一起做，有跨行業團隊最好的合作，選擇最好的機會。

以下是吳恩達演講全文：

大家好，剛才劉院長也說了國際合作的重要性，所以我今天講一些中文，講一些英語，我講英語是代表國際合作的想法。

人工智慧新電能，我的意思是一百年來，電能為很多企業帶來了大量的改變，今天人工智慧也會對這些企業帶來一樣的改變。你們都看到這幾年人工智慧技術和產品發展非常快，比如幾年前我帶谷歌大腦團隊的時候，我們用無監督式學習，用電腦看了很多Youtube的識別，自動學習的這個貓。去年AlphaGo這種結果，也有很多人工智慧產品，比如在中國有很多人臉識別的產品，也看過百度DureOS，也有自動駕駛，人工智慧也帶來很多新的產品。人工智慧對很多行業真的會帶來非常大量的改變，包括好幾個例子。在人工智慧和工業網際網路，四大圈子融合才帶來這麼大的結果，包括機器人、物聯網、大資料和機器學習。

有什麼具體的例子，看一個具體的例子。人工智慧對工業網際網路一個非常大的機會，舉一個例子，智慧檢測，現在有很多工廠有很多人，幾百人或者幾千人用人眼來做檢測的工作，如果你用深度學習，用神經網路，就可以讓電腦快速學習做自動檢測的工作。我們發現這些電腦的能力通常比人眼更高，用電腦做自動檢測，可以自動拿到資料，可以把這些資料放在皮膚來理解你的工廠。這只是一個例子，人工智慧在製造有很多機會，另外幾個例子，包括機器引數調整，AI可以做到非常好，通常可以超過人類做的效率，也有產量最佳化，也有維護預測，這種工作電腦AI有時候可以超過人做這種工作的水平。

到底人工智慧是什麼，我還在史丹佛大學教書，所以還是喜歡講技術。人工智慧有時候有這種模式的感覺，今天人工智慧為很多公司帶來非常大的價值，可能99%的價值都是監督式學習，你輸入A，輸出B。如果你想賣房間，A可以是你的尺寸、房間數目，B是房間的價格，很多公司都用這個辦法賺很多錢。影像識別，輸入一張圖片，輸出物體是什麼。語音識別，輸入一段語音，輸出文字。翻譯，輸入英文，輸出中文。自動駕駛，輸入你的影像和雷達資訊，輸出其他汽車的位置。這種AI只是A-B，輸入A，輸出B，如果你可以把這個放在一個好的地方，就可以產生非常大的價值。在製造中有什麼例子，自動檢測，你可以輸入一張圖片，可以自動預測它有沒有問題。另外一個例子，如果你輸入機器引數，就可以自動輸出產量，用它來大規模生產。你可以輸入出價，輸出顧客是否接受。Landing是落地，技術是要落地的。

AI其實有很多部分，如果你看AI技術，最好的AI團隊是懂很多不同的各種各類的技術，包括機器學習、深度學習，也有另外好幾種AI技術，包括圖形學、決策、知識圖譜、搜尋、博弈論，如果你看過去五年，我覺得很多AI技術都是在不斷的慢慢進步，不過在過去三年、過去五年機器學習或者深度學習進步非常快。今天深度學習或者機器學習還有很多空間，還有很多沒有人做到的新機會，不過領先的AI團隊不只是懂機器學習或者監督式學習，也需要理解AI的技術，因為不同的AI問題要使用不同的AI的想法。

深度學習和神經網路這兩個詞的意思差不多，神經網路到底是什麼，簡單分享一下，神經網路有一些操作，跟大家說一說它到底是什麼。舉一個例子，如果你想做一個維護預測，藍色這條線是比較簡單的模型，這就是一個最簡單的神經網路，一個神經元，這個神經元是藍線，這是最簡單的神經網路。巨大的神經網路就是拿這一個神經元，放很多神經元，如果把很多神經元放起來就是一個大的神經網路。這三個神經元的輸出放進去，最後一個神經元輸出你想拿到的結果。輸入A，在左邊，這四個特徵，輸出B，是右邊這個結果。今天用的神經網路是一個非常小的神經網路，只有四個神經元，我們今天訓練的神經網路可能有幾十萬個神經元以上，最後一個神經元細節，我剛才分享這個神經元，我們需要告訴他中間這三個神經元到底是什麼，神經元的一部分，如果你給他A和B，輸入什麼，輸出什麼，如果輸出足夠大，它就可以自己決定中間的神經元需要學習什麼，我們在很多具體的例子，如果你的輸出量夠大，你的A和B，這個神經元就可以非常準確的學習。

在網際網路時代，如果你選擇你最喜歡的購物中心或者商場，如果你把它做一個網站，它也可以在這個網站賣東西，它還不是一個網際網路公司，網際網路公司這個詞到底是什麼，網際網路公司這個詞的意思不是你有沒有一個網站，也不是你有一個網站用來賣東西，網際網路這個詞的意思是你有沒有安排你整個公司來使用網際網路給你做到非常好的事情，你的公司會不會真的使用網際網路，來做網際網路讓你做得非常好的東西。舉個例子，網際網路公司會做很多AB測試，如果你不做AB測試，你的競爭對手會做AB測試，我們今天習慣了有一千個AB測試，網際網路公司的迭代速度也非常快，每天或者每個星期就會有新的產品，傳統公司可能6個月產生新的產品，所以網際網路公司的學習速度也非常快。網際網路的技術、產品和使用者非常複雜，在網際網路公司不是CEO一個人做決定，要給產品經理、工程師很多power，他們才知道或者使用者這種細節，不可能CEO一個人做決定說什麼做什麼。

人工智慧時代，傳統公司，包括傳統的技術公司加神經網路或者加一些機器學習，這還不是AI的公司，人工智慧公司到底是什麼，你有沒有辦法安排你的公司讓你做人工智慧做得非常好的東西，這才是人工智慧的公司。坦白說，今天谷歌和百度要把自己變成AI公司，還沒有做完，不過谷歌和百度的想法是非常領先的。20年前我們真的沒有想到AB測試會變得這麼重要，網際網路社會真的需要一段時間才想清楚AB測試的重要性。今天人工智慧公司到底是什麼，我們沒有完全想清楚，我覺得有可能會包括這幾點，一個是資料蒐集的戰略，今天怎麼樣拿到資料的戰略是非常複雜的。第二個是集中的資料庫，很多AI公司越來越把這些資料放在一起，這樣你的工程師或者你的演算法、電腦才有辦法把這些資料放起來進行學習。這件事很多團隊可以回去就開始做。很多AI公司也看到自動化的機會。今天在很多AI公司，工程師和產品經理他們的工作是不一樣的，舉個例子，在網際網路時代，我們發現如果你要在手機寫一個APP，我們發現workflow是產品經理畫一張圖，工程師看產品經理畫什麼圖來寫程式碼。在網際網路時代，比如自動駕駛，這張圖是沒有什麼意思的，產品經理不是畫一張圖，他們需要拿一些資料，把資料給工程師。今天AI公司的工程師、產品經理他的工作已經有不小的變化。

如果你們在想，你應該不應該開始使用人工智慧，在很多公司先有IT，IT的意思，十年前有很多資訊是寫在一張紙，現在這個資訊不是在一張紙，是在你的電腦裡，目前所以這個IT就產生資料，你有資料才可以做人工智慧AI。有一些CEO也問我，要不要使用這個戰略，有些CEO跟我說，三年把我們的IT完全搞好，三年後IT搞好了就去做AI，我覺得這個戰略是非常壞的，希望你們不要這樣做。如果你已經有一些資料，我想鼓勵你們用AI來看一看，通常你讓AI團隊開始看一看你的資料，他們也會給你的IT團隊一些反饋，來告訴他們你今天每十分鐘採集資料，每一秒採集資料也可以產生很多價值。如果你已經有一些資料，鼓勵你們來找這些AI團隊讓你們看一看。坦白說，今天最好的人工智慧的資料，最好的人工智慧的公司，都沒有完美的，最好的人工智慧公司也是做這種IT的工作。如果左邊這個圈是代表人工智慧能做的事，右邊這個圈是代表對產業有用的事情，我們想做的是選擇這些中間的機會，一些人工智慧能做的事情，而且對你們公司有用的事情。一個挑戰，因為人工智慧技術今天還是比較複雜，只是人工智慧專家才是完全理解左邊的圈是什麼。不過很多企業也非常複雜，你們這種產業的專家才完全理解右邊的圈到底是哪裡，我們怎麼樣做這個工作，最好的還是一些產業專家和一些人工智慧專家一起來，有跨行業團隊最好的合作，選擇最好的機會。