大數據文摘作品
記者：魏子敏
2月的第一天，吳恩達在北京完成了一次頗為低調的露面。
國家會議中心工業網際網路峰會的主論壇上，吳恩達以Landing.AI創始人&CEO的身份，幾乎全程中文，進行了一場題為《人工智慧在生產製造業中的實踐》的演講。
圖：吳恩達做了以《人工智慧在生產製造業中的實踐》為題的演講
上個月，吳恩達宣布了自己的這家新公司Landing.AI的成立，並表示這一新公司將專注用人工智慧輔助製造業領域的轉型（戳這裡了解大數據文摘相關報導），本次的演講也基於他在工業領域AI應用的實踐上展開。
和前兩日高調啟動的AI Fund基金，以及刷屏AI媒體的deeplearning.ai深度學習系列課程第五部分更新相比，吳恩達這次的北京之行似乎並沒有得到太多的關注和曝光：他的演講被排在「工業網際網路產業生態與行業實踐」的主論壇的第三位，十餘頁PPT，半小時的演講時間，會後也沒有安排任何媒體訪談或者行業會面，匆匆離開。
點擊感受一下吳恩達的中文（隨手錄，請原諒渣畫質）
儘管如此，整個主論壇依然座無虛席，在主講臺周圍，很多聽眾甚至像」大學課堂「一般席地而坐。
圖：整個主論壇依然座無虛席
兩次強調自己斯坦福教育背景，吳恩達的此次演講也頗為「學院風」，為現場工業領域從業者細心的講述了機器學習和神經網絡到底是什麼。同時，他還羅列了監督式學習在生產製造中的事例。最後，吳恩達重新定義了他所理解的人工智慧公司，也總結了對於人工智慧時代的看法，可謂一次短小而精悍的精彩演說。
大數據文摘帶來了吳恩達本次演講的精華整理，根據現場演講內容編輯，在不改變原意的前提下內容有刪改：
「如果本次演講你只要記住一張ppt，那我希望你記住的是這一張。」吳恩達在演講中著重強調的這張PPT，對比了網際網路時代和人工智慧時代的幾大特點：
「很多公司對於網際網路公司有一個誤區，他們認為給一個商場配上一個線上網站，就等於網際網路公司。我之前曾經跟一個公司的CIO聊天，他說，亞馬遜有一個網站賣東西，我們也有一個網站賣東西，那我們是一樣的啊。當然不是一樣的，因為亞馬遜（Amazon）是一個典型的網際網路公司。」
1、網際網路公司需要大量的A/B測試
2、迭代速度很快
3、工程師及產品經理共同進行決策
網際網路的產品和用戶都非常複雜，所以不能只依靠首席信息官（CIO）一個人決策，還需要很多職位，需要產品經理、工程師一起來做，因為他們更加了解技術和用戶之間的細節，這需要工程師和產品經理一起來做決策。
一個傳統的技術公司加上神經網絡或者機器學習，這還不是AI公司。能夠安排你的公司做非常好的人工智慧工作，這才是真正的人工智慧公司。
坦白來說，現在谷歌和百度已經把自己嘗試把自己變成一個AI公司，還沒有做完，但是他們的想法是非常領先的。
二十年前，我們不會想到，a／b測試會變得這麼重要，在網際網路時代，我們花了一段時間才懂得a／b測試的重要性。而到了今天，人工智慧公司到底是什麼，我們也沒有完全想清楚，但我覺得有可能會包括這些要點：
1、數據搜集的戰略：
如何搜集數據？通過什麼工作，在什麼國家搜集數據，都需要明確。這是個很複雜的問題。
2、集中的資料庫：
今天回去大家就可以開始做這件事，如果你的公司有50個資料庫（databases），如果一個工程師做某個項目的時候需要去到50個資料庫找數據，那是非常困難的，所以現在的趨勢是要儘量把數據集中起來，這件事各位今天就可以開始做了。
3、普遍的自動化：
同時我也看到很多AI公司正在做這件事，有很多自動化的機會。
4、新的人才需求：
機器學習工程師，計算機視覺算法工程師。
而今天在許多人工智慧公司，產品經理和工程師的工作也發生了變化。
在網際網路時代，如果你要做一個app，工作流程一般是產品經理來畫一張圖，工程師會看產品經理的這張圖再去寫代碼。而在人工智慧時代，比如你要做一個自動駕駛的產品，產品經理沒辦法直接做一張圖，他需要把一些數據給到工程師，讓工程師從資料庫拿數據，然後要求達到某個數值的準確率。
今天在AI公司，我們的產品經理和工程師的工作已經產生了不小的變化了。
對於傳統公司：信息革命之後才能進行人工智慧革命麼？
那麼我到底要不要使用人工智慧呢？
在很多公司，大家會認為要先有信息革命（IT revolution），因為很多傳統行業中，信息還是寫在紙上，我們需要把信息先存在電腦裡，產生數據，之後才能進行人工智慧革命（AI revolution)。
舉個例子，我覺得金融（行業）是一個人工智慧（進展比較好的行業），因為金融有很多在線的數據，所以這個行業的人工智慧革命已經快要起來了。
醫療行業我也很看好，在美國有「歐巴馬醫療改革（Obamacare）「，中國也一樣。十年前你的x光片可能就是一張片子，但現在醫療數據都是在電腦上的，所以其人工智慧革命也在進展中。
而工業和教育（行業）正處於發展中。
有很多人問我AI的戰略問題，我需要三年時間先把IT搞好，那麼是不是三年後我再來做人工智慧革命。我的建議是，不要這樣做。
如果你的公司已經有了一些物聯網（IOT）的部署，有了一些數據，那麼我會鼓勵大家先用AI來試一試，找AI團隊，先用這些數據給IT團隊一些反饋：到底是每十分鐘採集一次數據還是每秒鐘採集一次數據？這也是很大的價值。
其實，今天即使最好的人工智慧公司，他們的IT革命也是不斷完善，他們的數據也不是完美的。
如果左邊這個圈代表人工智慧的優勢，右邊這個圈代表產業知識，那麼我們想做的是選擇中間的一些機會，用人工智慧可以做，並且對你們的公司有益處。今天的人工智慧和產業都很複雜，所以人工智慧專家應該和產業專家結成跨行業的團隊，才能產生最大的價值。我個人背景是人工智慧，所以也很興奮有機會和很多製造公司合作，才可以獲得兩個圓中間最有價值的機會，希望未來有更多機會和各位合作。
吳恩達也在本次講座中指出了一些人工智慧在工業中的應用案例，我們在此簡單列舉給各位：
100年前，電能對社會帶來了巨大變革，人工智慧也將對各行業帶來同樣的影響👇
人工智慧在工業網際網路時代有著各種應用👇
吳恩達也提出了一些人工智慧在生產製造中的實踐和應用案例，比如自動視覺檢測👇
比如機器參數調整，產品優化，維護預測👇
監督式學習在生產製造中的示例👇
其他人工智慧模型👇
【今日機器學習概念】
Have a Great Definition