《人工智能转型手册》,吴恩达 著

2018 年 12 月 14 日 人工智能学家

来源:量子位


AI大者,为国为民。


从今往后,市值5亿美元至5000亿美元的企业,都能用得上、用得会、用得好吴恩达的AI转型经验了。


这是他在谷歌和百度带队AI的核心总结,也是他见得广、听得多、被咨询无数后的精华提炼。


一册《人工智能转型手册》,手把手步骤分享,完全开源。


在吴恩达看来,AI必将像电力一样改变各行各业,企业越早开启转型,就越能享受红利。


但不是每家公司都能请到合适的高管人才,也不是谁都有帮助企业实现AI转型的经验。


而吴恩达自己,先在谷歌,后在百度,方法论都得到了验证。


吴恩达认为,他的经验,可以复制。


并且现在,他还将经验完整梳理、逐步分享,详细解释,实践6-12个月,就能初步看到切实效果。



以下是这份《人工智能转型手册》的全文:


就像100年前的电力一样,人工智能技术现在也将逐一改变每个行业。从现在到2030年,它将创造大约13万亿美元的GDP增长。虽然AI已经在谷歌、百度、微软和Facebook等顶尖科技公司创造了巨大的价值,但今后的价值创造风潮将不再局限于软件领域。


这份《人工智能转型手册》,是根据我领导谷歌大脑和百度人工智能团队的经验收集汇总而来的,这两个团队在帮助谷歌和百度转型为伟大的人工智能公司的过程中,都扮演了至关重要的角色。

    

任何一家企业都有可能按照这本手册成为强大的人工智能公司,但这些建议主要是为市值在5亿至5000亿美元的大公司定制的。


我建议企业利用人工智能进行转型的过程中遵照以下步骤进行,我也会在本手册中对此进行解释:


1. 通过实施试点项目来蓄势

2. 组建内部人工智能团队

3. 提供广泛的人工智能培训

4. 制定人工智能战略

5. 开发内部和外部沟通机制


1. 通过实施试点项目来蓄势


部署前几个人工智能项目时,关键是要让项目取得成功,不能一味追求高价值项目。


这些项目必须具备充足的意义,这样一来,初期的成功就能帮助你的企业熟悉人工智能,还能说服公司内部的其他人也对人工智能项目展开进一步投资。


它们的规模不能太小,以免让其他人认为微不足道。关键是让飞轮不断旋转,好让你的人工智能团队获得足够的发展势头。


前几个人工智能项目应该具备以下特征:


  • 应该为新组建的或外部人工智能团队(他们可能对你的企业所在的领域并不了解)和你的内部团队(他们非常了解你的领域)创造合作机会,并开发几套能在6到12个月内看到效果的解决方案。


  • 该项目应该具备技术可行性。有太多的公司选择了不可能使用当今的人工智能技术完成的项目,因此应该让值得信赖的人工智能工程师对项目开展尽职调查,之后再启动项目,让你更加确信项目的可行性。


  • 制定一个明确且可以量化的目标来创造商业价值。


当我领导谷歌大脑团队时,谷歌内部对深度学习技术充满怀疑(其实全世界都是如此)。为了帮助团队蓄势,我选择谷歌语音团队作为第一个客户,通过与他们的密切合作来大幅提高谷歌语音的识别率。


语音识别是谷歌内部的重要项目,但并不是最重要的,比如说,它对公司利润的贡献比不上网络搜索或广告业务。但通过深度学习技术让语音团队更加成功后,其他团队也开始信任我们,从而让谷歌大脑团队获得了发展势头。


一旦其他团队开始看到谷歌语音团队与谷歌大脑团队合作后取得的成功,我们就可以获得更多内部客户。我们的第二大内部客户是谷歌地图,他们使用深度学习来提升地图数据的品质。有了这两次成功经验,我开始与广告团队对话。


逐渐积累的发展势头也让我们开发出越来越多成功的人工智能项目。你也可以在自己的公司中采用同样的模式。


2. 组建内部人工智能团队


如果外包合作伙伴拥有深厚的人工智能专业技术,可以帮你快速蓄势。尽管如此,从长期来看,用内部人工智能团队执行一些项目的效率还是更高。


另外,你肯定希望把一些项目保留在公司内部,以便获得更为独特的竞争优势。


想组建内部团队,必须要获得高级管理层的认可。在互联网崛起的过程中,招募一名CIO成为很多公司制定有凝聚力的互联网使用政策的转折点。


相比而言,有的公司开展了很多独立的尝试,包括数字营销、数据科学和新建网站。


但如果这些小规模的试点项目无法通过扩大规模来给公司其他部门带来变革,那就无法充分利用互联网的能力。


在人工智能时代,很多公司的关键发展势头都需要通过组建集中化的人工智能团队来实现,因为这种团队可以对整个公司形成帮助。如果专业范围合适,这种人工智能团队可以归CTO、CIO或CDO(首席数字官)领导。也可以安排专门的CAIO(首席AI官)。


人工智能部门的关键职责是:


  • 组建一套人工智能技术来支持整个公司。

  • 在初期开展的一系列跨职能项目,用人工智能项目支持不同的部门/业务。在完成初期项目后,确定一套可以重复的流程,以便继续交付一系列有价值的人工智能项目。

  • 为招聘和留住员工开发一套一致的标准。

  • 开发覆盖整个公司的平台,这个平台不仅对各个部门都有帮助,而且不太可能由单一部门开发出来。例如,可以考虑跟CTO、CIO、CDO合作开发统一的数据库标准。



很多公司都会通过多个业务部门分别向CEO汇报工作。组建新的人工智能部门后,便可通过矩阵模式将人工智能人才分配到不同的部门,从而推动跨职能项目。


新的工作说明和新的团队组织将会出现。我给团队成员安排的职位包括机器学习工程师、数据工程师、数据科学家和人工智能产品经理,这都跟人工智能蓬勃发展之前的时代大不相同。一位优秀的人工智能领导者可以给你提供相应的建议,帮助你确定合适的流程。


人工智能人才市场现在硝烟弥漫,可惜的是,多数企业都无法招到一名斯坦福大学的人工智能博士生(甚至连一名斯坦福大学的人工智能本科生都招不到)。毕竟短期来看,人才大战是一场零和游戏,与招聘企业合作组建人工智能团队或许可以给你带来不小的优势。


然而,为现有团队提供培训也可以在内部培养很多新的人才。


3. 提供广泛的人工智能培训


当今没有一家公司在内部拥有足够的人工智能人才。


虽然媒体报道人工智能人才的工资时有些夸大其词(媒体提到的数字往往是异常值),但人工智能人才的确很难找。


幸运的是,包括Coursera、ebooks和YouTube视频在内的各种数字内容渠道都提供了非常划算的方式,让很多员工可以接受人工智能等新技术的培训。聪明的首席学习官知道,他们的工作是收集内容而不是制作内容,然后确定一个流程来确保员工完成学习过程。


10年前,所谓员工培训就是要聘请一些专家来到办公室讲课。但现在这么做已经显得效率太过低下,而投资回报率也不够明确。相比而言,数字内容成本更低,而且给了员工更多的个性化体验。如果你真的有钱聘请专家,也应该用这种面对面的授课方式来为网络内容作补充。


这被称作“翻转课堂”教学法。我发现,如果方法得当,这便可以加快学习速度,令学习体验更加愉快。例如,我在斯坦福大学教授深度学习课的时候就使用这种教学法。


聘请几位人工智能专家当面授课,还有助于激发员工学习这些人工智能技术的热情。


人工智能将会改变各种各样的工作,你应该让所有人都掌握在人工智能时代适应新职责所需的知识。咨询一位专家,可以帮助你为自己的团队定制课程。你可以参考以下这种培训计划:


1) 高管和高级企业领导者:(≥4小时培训)


目标:让高管理解人工智能可以为企业做什么,开始制定人工智能战略,制定合适的资源分配决策,并与人工智能团队展开顺畅的合作,以支持有价值的人工智能项目。


课程:

  • 基本了解人工智能的商业问题,包括基本技术、数据,以及人工智能能做什么和不能做什么。

  • 理解人工智能对公司战略的影响

  • 针对人工智能在关联行业的应用案例展开研究。


2) 负责实施人工智能项目的部门领导(≥12小时培训)


目标:部门领导应该可以为人工智能项目确定方向、分配资源、监控和追踪进度,并按照需要进行修正,以确保项目成功交付。


课程:

  • 基本了解人工智能的商业问题,包括基本技术、数据,以及人工智能能做什么和不能做什么。

  • 基本了解人工智能的技术,包括主要算法种类及其要求。

  • 基本了解人工智能项目的工作流程、人工智能团队的职责和人工智能团队的管理。


3) 人工智能工程师培训生(≥100小时培训)


目标:新培训的人工智能工程师应该可以收集数据、训练人工智能模型,还可以交付具体的人工智能项目。


课程:

  • 对机器学习和深度学习有深入的技术理解;基本理解其他人工智能工具。

  • 理解人工智能和数据系统开发工具的可用性(包括开源工具和第三方工具)。

  • 能够落实人工智能团队工作流程。

  • 另外,通过持续教育来学习最新的人工智能技术。


4. 制定人工智能战略


人工智能战略可以引导你的公司创造价值,同时也能形成护城河。


一旦团队开始看到初期人工智能项目取得成功,并对人工智能形成更加深刻的理解,你就可以确定人工智能最能创造价值的地方,并将资源集中投放到这些领域。


有的高管认为,应该从一开始就制定人工智能战略。根据我的经验,除非具备一些基本的人工智能经验,否则多数公司都无法制定经过深思熟虑的人工智能战略,而1-3条可以帮助你获得这种经验。


你开发护城河的方式也会随着人工智能技术的发展而进化。以下就是一些值得考虑的方法:


开发几个不同的人工智能资产,使之与连贯的战略广泛协调


人工智能将让企业可以通过新的方式获取独特的竞争优势。迈克尔·波特(Michael Potters)关于商业战略的开创性著作显示,打造防御性业务的一种方式是开发与一项连贯的战略广泛协调的多项不同资产。这样一来,竞争对手就很难同时复制你的所有资产。


利用人工智能针对你所在的行业创造优势


我认为,不应该试图与谷歌这种科技公司在“通用人工智能”领域展开竞争,而是应该努力成为你所在行业的顶尖人工智能公司,通过开发独特的人工智能技术来获得竞争优势。人工智能如何影响你的公司战略与具体的行业和环境有关。


设计符合“人工智能良性循环”的战略


我们在很多行业都会发现,数据不断积累之后,就会形成一项防御性业务。



例如,谷歌、百度、必应和Yandex等领先的网络搜索引擎都拥有庞大的数据库,使之可以了解用户在搜索某个关键词之后更可能点击什么链接。这些数据可以帮助企业开发更加精准的搜索引擎,帮助其获取更多用户,进而获取更多用户数据。


这种正反馈是竞争对手很难实现的。


数据是人工智能系统的关键资产。因此,很多伟大的人工智能公司也拥有复杂的数据战略。你的数据战略可能应该包含以下关键元素:


  • 战略性数据获取:有用的人工智能系统即可使用100个数据点(小数据),也可以使用1亿个数据点(大数据)。但数据几乎肯定是多多益善。各路人工智能团队都在使用多年的复杂战略获取数据,而具体的数据获取战略则是针对其所在行业和所处环境制定的。例如,谷歌和百度都拥有很多并未变现的免费产品,但他们却可以借此获取数据,然后通过其他渠道变现。


  • 统一的数据库:如果你有50个不同的数据库,在50个不同的副总裁或部门负责人的领导下孤立运营,那么工程师或人工智能软件就几乎不可能获取这些数据,也就无法实现“连点成线”的效果。相反,应该考虑将数据集中到一个或至少也应该是位数不多的几个数据库中。


  • 识别哪些数据有价值,哪些没有价值:单纯拥有庞大的数据并不必然表明人工智能团队可以从这些数据中获取价值。如果怀有这种想法,失败的概率就会大幅增加。我曾经见过有一些CEO投入过高的资金来收集低价值数据,甚至在收购了一家公司之后才发现目标企业的很多数据根本没有用。在数据获取流程中尽早引入人工智能团队,让其帮助你确定应该优先获取和保存哪些数据,便可避免这种错误。


创造网络效应和平台优势


最后,人工智能可以用于构建更加传统的护城河。例如,具备网络效应的平台是极具防御性的业务。它们往往天生具备“赢家通吃”的属性,迫使企业要么快速发展,否则就只能被淘汰。


如果人工智能让你获得比竞争对手更快的用户获取速度,那就可以借此建造护城河。更广泛来看,你还可以使用人工智能作为低成本、高价值的战略或其他商业战略的关键元素。


5. 开发内部和外部沟通机制


人工智能会对你的企业产生重大影响,也会对你的关键利益相关者产生重要影响,所以需要通过沟通机制来进行协调。以下是你应该针对各类受众考虑的内容:


投资者关系


谷歌和百度现在都变成了更有价值的公司,一定程度上源自他们的人工智能技术,以及这些技术对其利润的影响。如果能够清晰解释人工智能给公司创造价值的逻辑,阐述你的公司不断强大的人工智能技术,并最终制定深思熟虑的人工智能战略,便可帮助投资者给予你的公司合理的估值。


政府关系


如果企业身处监管严格的行业(例如无人驾驶汽车和医疗),那就要面临独特的挑战。讲述可靠而有吸引力的人工智能故事,以此解释你的项目蕴含的价值,以及可以为社会和行业带来的利益,成为赢得外界信任、提升自身商誉的重要步骤。此外,还应该在部署项目的过程中与监管者展开直接沟通和持续对话。


客户/用户教育


人工智能可以会给你的客户带来重大利益,所以从战略层面更新营销信息和宣布产品开发进度都很有帮助。


人才招募


由于人工智能人才很短缺,所以雇主的品牌强大与否,会对其吸引和挽留人才的能力造成影响。人工智能工程师都希望从事激动人心而且意义重大的项目。如果能向其展示你们取得的初步成功,那就大有裨益。


内部沟通


由于当今的人工智能并未被人充分理解,而通用人工智能也被过分夸大,所以会存在各种担忧、不确定性,甚至质疑。很多员工也担心自己的工作会被人工智能取代,尽管这种情况会因为文化差异而存在很大不同(例如,美国对此事的担忧程度远高于日本)。明确的内部沟通既可以解释人工智能,也可以打消员工的担忧,从而降低采用人工智能技术的阻力。


以史为鉴


回顾互联网给各行各业带来的变革,对于理解人工智能的崛起很有帮助。很多企业在互联网崛起过程中都犯过错误,我希望你能避免在此次人工智能浪潮中再犯同样的错误。


我们在互联网时代明白了一个道理:


商场+网站≠互联网公司


即使商场开发了自己的网站,而且通过网站出售商品,但它也并没有因此成为真正的互联网公司。一家公司究竟是不是互联网公司,关键定义在于:你是否对公司展开合适的组织调整,从而完成那些互联网让你如虎添翼的事情?


例如,A/B测试在互联网公司随处可见,你可以开发两个网站,然后找出效果更好的一个。一家互联网公司甚至可以同时开展几百项实验,这在实体商场是很难完成的。

互联网公司还可以每周推出一款新产品,因此比那些每个季度才更新一次设计的商场获得更快的学习速度。互联网公司还为产品经理和软件工程师等各种职位确定了独特的职位描述,这些职位都有独特的工作流程,方便其展开合作。


作为增长最快的人工智能技术,深度学习与互联网的崛起表现出很强的相似性。我们现在发现:


一家典型公司+深度学习技术≠人工智能公司


你的公司想要在人工智能领域表现一流,就必须展开合适的组织调整,从而完成那些人工智能让你如虎添翼的事情。


当今的每家大公司都或多或少使用人工智能技术。想要让你的公司真正在这一领域表现优秀,就必须:


  • 拥有足够的资源,以便系统性地执行多个有价值的人工智能项目:人工智能公司拥有外包或内部技术和人才,可以系统性地执行多个人工智能项目,从而为企业创造直接价值。

  • 充分理解人工智能:应该对人工智能形成普遍的理解,还要制定合适的流程,以便系统性地识别和选择有价值的人工智能项目。

  • 制定战略方向:公司的战略需要与人工智能驱动的未来广泛契合。


要把你的公司从一家伟大的公司变成伟大的人工智能公司,是一件很有挑战的事情,但如果有一流的合作伙伴支持,仍然有可能实现。我们Landing AI团队就致力于帮助合作伙伴展开人工智能转型,我还将继续分享更多最佳实践措施。


一个人工智能转型项目大概要花费2至3年,但应该可以在6至12个月内初步看到切实的效果。通过人工智能转型,你就可以领先于竞争对手,还能利用人工智能技术推进公司发展。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


登录查看更多
19

相关内容

个人主页: Andrew Ng Wikipedia: Andrew Ng
吳恩達是斯坦福大学计算机科学系和电气工程系的副教授,斯坦福人工智能实验室的主任。他还与达芙妮·科勒一起创建了在线教育平台Coursera。

2011年,吳恩達在Google創建了Google Brain項目,以通過分佈式集群計算機開發超大規模的人工神經網絡。2014年5月16日,吴恩達加入百度,负责「百度大脑」计划。他将同时担任百度公司首席科学家。
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
专知会员服务
121+阅读 · 2020年3月26日
简明扼要!Python教程手册,206页pdf
专知会员服务
46+阅读 · 2020年3月24日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
292+阅读 · 2019年12月23日
吴恩达:AI未来将呈现四大发展趋势
AI100
6+阅读 · 2019年8月30日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
33+阅读 · 2019年4月22日
软件工程师如何转型人工智能?
机器学习算法与Python学习
6+阅读 · 2018年4月26日
2018,怎样成为抢手的机器学习人才
Python开发者
6+阅读 · 2018年3月1日
半路转型做人工智能,谁说不可行?
AI前线
3+阅读 · 2018年2月28日
吴恩达最新问答:深度学习泡沫何时会破?
德先生
19+阅读 · 2017年11月22日
Kaggle入门手册
Datartisan数据工匠
14+阅读 · 2017年11月9日
已删除
哈佛商业评论
4+阅读 · 2017年11月1日
机器学习必备手册
机器学习研究会
17+阅读 · 2017年10月24日
Arxiv
5+阅读 · 2018年5月10日
Arxiv
9+阅读 · 2018年5月7日
Arxiv
6+阅读 · 2018年1月29日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
专知会员服务
121+阅读 · 2020年3月26日
简明扼要!Python教程手册,206页pdf
专知会员服务
46+阅读 · 2020年3月24日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
292+阅读 · 2019年12月23日
相关资讯
吴恩达:AI未来将呈现四大发展趋势
AI100
6+阅读 · 2019年8月30日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
33+阅读 · 2019年4月22日
软件工程师如何转型人工智能?
机器学习算法与Python学习
6+阅读 · 2018年4月26日
2018,怎样成为抢手的机器学习人才
Python开发者
6+阅读 · 2018年3月1日
半路转型做人工智能,谁说不可行?
AI前线
3+阅读 · 2018年2月28日
吴恩达最新问答:深度学习泡沫何时会破?
德先生
19+阅读 · 2017年11月22日
Kaggle入门手册
Datartisan数据工匠
14+阅读 · 2017年11月9日
已删除
哈佛商业评论
4+阅读 · 2017年11月1日
机器学习必备手册
机器学习研究会
17+阅读 · 2017年10月24日
Top
微信扫码咨询专知VIP会员