利用 AI 技术,易;成为 AI 公司,难。

  • 我要分享:


作者 | Blair hanley frank
翻译 | BrotherZhao
编辑|Emily
一大批或新或老的企业都标榜自己是 AI 公司,而 AI 领域的泰斗级人物吴恩达对此提出了批评,指出仅仅采用了深度学习技术并不能成为 AI 公司,就像是一家超市开通网站售卖商品并不能成为电商企业一样。吴恩达指出了 AI 公司的几个关键特点,并对未来 AI 公司的更多新的特性表达了期待。

Coursera 联合创始人吴恩达旧照(Image Credit: Andrew Ng)

随着 AI 日渐流行,一大批或老或新的企业都标榜自己是“AI 公司”。然而,谷歌大脑项目创始人之一、AI 领域顶尖人物吴恩达表示,想成为 AI 公司远非仅仅采用神经网络那么简单。

在吴恩达看来,购物中心可以轻松地建立一个网站,但这并不意味着购物中心是一家互联网公司。十分类似的是,仅仅采用了基础的机器学习技术,并不意味着一家普通的科技公司(或者其他任何商业公司)就是 AI 公司了。

“你不会因为几个人在某个地方应用了几处神经网络就成为一家 AI 公司,”吴恩达说到,“AI 公司的要求比那可高得多。”

吴恩达有着在谷歌工作和担任中国科技巨头百度首席科学家的经验,两家公司都是 AI 领域的积极探索者。所以他所说的并非空穴来风。

吴恩达目前已经指出了 AI 公司的几个关键特点。首先,也是最重要的,AI 公司必须在战略上重视数据获取。数据是机器学习系统的“燃料”,可以为公司建立良性循环带来巨大优势。

一旦获得数据,吴恩达说到,AI 公司倾向于将数据存储在中心化机房,用于后续处理。大多数企业都将其数据信息分散存储在多个不同机房,此时对用于机器学习的数据进行整理已经证实是很困难的。

AI 公司同样采用现代开发实践,比如频繁部署。这就意味着,可以改变产品并从改变中学习。

最后,吴恩达说到,AI 公司的岗位描述必须更新。他将他工作过的公司里产品经理的角色转变作为典型例子。在过去,产品经理指导工程团队的核心方法就是画出线框图。线框图展现了一个应用的工作方式。

吴恩达表示,这对于自动驾驶汽车和聊天机器人这类 AI 用例并不奏效。产品经理反而应该直接从数据和 AI 系统的性能指标,如精度和召回比例,开始着手。

吴恩达希望未来能出现更多的 AI 公司特性。比如他提到,很久以后互联网公司才认识到 A / B 测试对于自身成功的重要性——这一模式在 AI 领域同样存在。

英文原文:

https://venturebeat.com/2017/09/19/you-might-use-ai-but-this-doesnt-mean-youre-an-ai-company/

今日荐文


点击下方图片即可阅读

吴恩达眼中的深度学习七雄


关于【AI 前线】:面向 AI 爱好者、开发者和科学家,提供最新最全 AI 领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、最新 AI 论文解读。每周一节技术分享公开课,助力你全面拥抱人工智能技术。ID:ai-front

相关推荐

0条评论

还可输入140个汉字

发表