吴恩达：AI未来将呈现四大发展趋势

AI 发展势头强劲，这句话我说了四年，过去四年，AI 发展的势头是如何保持的呢？

在过去两年当中，深度学习相关职位开放上升了 35%，研究机构发布的论文和 AI 在过去几年被提及的次数也越来越多。据麦肯锡研究预测，到 2030 年，AI创造的价值将达到 13 万亿美元，其中很大一部分来自于软件行业，另外还包括零售行业、制造行业等，这就是我们看到的未来 AI 将带给我们的价值。

大家都听过这样的故事，数据和计算推动了 AI 的崛起，还记得我在创业的时候，我们用了 1. 6 万个 CPU 实现让机器识别一只猫，当时还上了《纽约时报》头条。现在，每个人都有拥有丰富的资源，花 2000 美元就能做这样的工作，这就是新的计算方式，现在的计算力比原来要大很多。

人才+新的想法+工具

除此之外，我们也看到了人才、新的想法和工具的结合。

首先，目前 AI 领域仍然缺乏人才。在机器学习方面，在线的学习者超过 250 万人，这些人付费学习 AI 知识，拥有打造 AI 系统的资质。

其次，想法比之前更加重要。目前，每天有 100 篇 AI 相关文章发表，这与之前大不相同，几年前我参加 ASL 的机器学习会议，整个社区发布一年的发表量可能才有 150 篇。

另外一个重要的点是开源工具，这些开放的平台使得软件行业从中获益。我在美国参加一个 AI 盛会上遇到一位 12 岁学生展示他创造的农作物疾病监测机器人。5 年前，这种项目可能是一个斯坦福大学生、研究生才可以做的创新项目，但是有了开放式工具，12 岁的小孩儿也能够做出人工智能项目。

AI呈现的新趋势

 

现在，AI 驱动了很多技术的发展，AI 变得更加可触达，可用性更高，并催生了很多新的技术，同时给我们带来了更多机会，包括工业人工智能。

我观察到，人工智能将呈现出一些对我们很重要的趋势。

AI 向系统化工程学科转变

 

首先，依靠先贤的智慧逐步探索、转换，AI 正在转变当中，作为一个系统化的工程学科出现。在软件工程中，人类需要花很长的时间才能够达到稳定的阶段，但 AI 的发展速度非常快，AI 团队想要打造一个更加系统化的学科，这非常重要。在全球不同领域中，AI都呈现系统化工程学科的趋势。

大数据向小数据过渡

 

第二个趋势，是从大数据向小数据过渡。在 AI 早期发展阶段，谷歌和百度等都是大型的，与消费者相关的公司，他们有数十亿级的用户，积累了大量数据。但是软件行业之外的企业没有如此大规模的数据。

如果少量数据就可以让机器学会执行任务，效率将大大提高。现在，在融合式学习、增强学习、迁移学习等技术的帮助下，小数据也可以发挥大作用，应用于更多领域。

AI 在模糊标签方面将发挥更大作用

 

另外一个非常重要的趋势，是 AI 在模糊标签方面的作用。比如在一个医学图像标签中，可能人类专家也无法就识别某一区域是否是一个缺陷达成一致。利用大数据，AI 可以进行标签量化，实验表明它的效果比人更好。

短期内人机交互是重要趋势

 

现在有很多关于机器代替人类的讨论，但在短期内，人机交互将会是一个重要的趋势。在 AI 追踪任务执行系统中，AI 工具不仅让人更加敏捷，也可以让仓库和生产环节数字化，积累更多培训人类的数据，以提高工作效率。

强化学习和迁移学习

 

最后，吴恩达分享了他对于迁移学习和强化学习的看法。他说道，强化学习就是巩固学习成果，虽然现在很多商业应用在强化学习方面的成果并不惊人，但未来可能会越来越常见。

比如训练一台无人机，我们可以在模拟环境中进行。但是问题是，没有人能够制造出一个完美的模拟器，因为空气动力学实在太过复杂，所以我们需要增强学习巩固学习成果，或用成千上百台模拟器，每一个模拟器有不同的模拟参数，用 AI 算法收集不同的数据。

这样，综合数据、迁移学习和加强学习的方法有望帮助我们在工业上取得长足进展，让AI 在工业得到更广泛的应用。

在谷歌的第一个用户，是内部语言团队

 

有人问我，虽然我懂 AI，但是如何为用户找到最合适的 AI 用例呢？

在我看来，首先不要贪大，要从小处着手，有些人一开始就太过于雄心壮志，他们害怕从小处着手。在谷歌担任负责人时，谷歌内部和全世界都对深度学习持怀疑的态度，他们不知道如何使用深度学习，所以我的第一个“内部客户”，就是谷歌的语言团队，他们想要更精准地识别不同的语言和演讲，这件事做成之后，谷歌内部团队自然看到了人工智能的价值。

我的第二个顾客同样来自谷歌内部团队，那就是谷歌地图，我们可以帮谷歌地图更好地识别房屋，提高了谷歌地图的质量。

最后，我的建议是可以把人工智能和公司的专业知识相结合，让 AI 做擅长的部分，企业团队做擅长的领域工作。