
由经管之家(原人大经济论坛)主办的“2015中国数据分析师行业峰会(CDA·Summit)”将于2015年9月11日在北京世纪金源大酒店隆重举行。
本次峰会邀请到了精通数据科学发展前瞻的数据科学家参加,在峰会前期,我们通过峰会系列报道为大家“剧透”各位数据科学家的精彩发言。今天为大家介绍的第二位嘉宾是百度首席数据科学家吴恩达,他对人工智能的理解是“人比机器更需要人工智能”
如果你关注风投和研究基金的动向,就会发现未来人工智能将会扮演非常重要的角色。作为百度的首席科学家,吴恩达(Andrew Ng)是该领域首屈一指的创新者之一,他在斯坦福大学教授人工智能课程,主导了Google Brain项目,并创建了线上教育公司Coursera。去年,他加盟百度,吴恩达希望“教会”计算机如何去看、去听、去工作。
可能会有人觉得,为何人工智能应用在中国有如此巨大的机遇。在中国这个庞大的市场,有流量排名第五的百度网站,有购物网站淘宝,即时通讯应用QQ,媒体公司新浪及微博平台新浪微博。据吴恩达透露,百度如果设计一款应用程序,他们首先考虑的就是移动,现如今手机已经成为了中国消费者的主要渠道。
吴恩达谈到自己所做的研究工作时,充满了激情。如今,他在加州森尼韦尔市百度美国分部管理一支不断壮大的队伍。最近,他在Skype上接受了国外媒体Wired的访谈,描述了自己对机器智能的看法。
许多公司,包括百度和其他公司,都有出色的计算机视觉技术,可以完成很多看似不可能完成的工作。我认为比较具有挑战性的是,如何开发出最吸引人的产品。截至目前,我不认为有人做出什么杀手级应用。
在硅谷,有很多初创公司在农业和购物(特别是许多服装类购物)领域里使用计算机视觉技术。拿百度来说,如果你寻找一张电影明星的照片,我们实际上会使用面部识别技术去识别这位电影明星,之后再告诉用户他的年龄和爱好等信息。如果这位明星身上穿了件好看的衣服,我们也会帮助用户寻找类似风格的服装,并展示出来,这些都非常受用户欢迎的。
得益于此类技术,广告商会不会在这些照片上竞标营销自己的品牌呢?百度现在还没这么做,我们只是为用户寻找一些相关的服装。但是这项技术完全可以应用在很多垂直领域里,比如识别人们的爱好和度假目的地,然后给他们推荐一些类似旅游目的地的照片。计算机视觉技术有很大潜力,但现在我们还没有完全掌握该技术。我们应该担心毁灭性的人工智能吗?最令人信服的原因是什么?我想,从现在开始后的几百年时间,如果人类发明了一项我们从未听说过的科技,或许计算机会变成恶魔。但未来是不确定的,说实话五年后会发生什么我都不知道。我之前说自己不担心人工智能成为恶魔的原因,其实就像我不担心火星上会人口过剩一样。百年之后,我希望人类能在火星上建立殖民地。但是,现在我们连脚都没有踏上过那个星球,又何必胡思乱想呢?人工智能方面的工作是什么样子呢?我觉得人工智能就像是去构建一艘火箭船。你需要一个巨大的引擎和许多燃料。如果你有了一个大引擎,但燃料不够,那么肯定不能把火箭送上轨道;如果你有一个小引擎,但燃料充足,那么说不定根本就无法成功起飞。所以,构建火箭船,你必须要一个巨大的引擎和许多燃料。
深度学习(创建人工智能的关键流程之一)也是同样的道理,火箭引擎就是深度学习模型,而燃料就是海量数据,这样我们的算法才能应用上。
你在Google工作过,对他们的自动驾驶汽车有什么看法?我在Google工作时,办公室和自动驾驶汽车开发团队距离很近,而且和他们团队中很多人都是好朋友,对于他们在做的工作,我觉得很棒。但是说实话,我无法直接给他们提供帮助。
绝大多数人会觉得自动驾驶汽车离自己还比较遥远,同时对于如何便捷实用自动驾驶汽车也存在一定的混淆。实际上,自动驾驶汽车并不是说要让一辆汽车自动行驶一千英里,或是想开到哪儿就开到哪儿。它的真谛和机器学习有些类似,机器学习技术希望能够提升准确率,比如达到90%到99%的准确率,尽管达到99.99%非常困难。自动驾驶汽车也是如此,它的目的在于推动更安全的驾驶,一辆自动驾驶汽车肯定比一辆被醉汉驾驶的汽车安全的多。
你创建了Coursera,并极力推动线上教育项目,那你如何看待教育的未来?在教育下一代如何用不同方法解决问题上,我们的教育系统其实已经做得非常成功了,比如当拖拉机取代传统农耕劳动力,我们就会教授下一代去工厂工作。但是我们还做不到同时教授大批量的人去完成创造性工作。
你认为未来自动化会取代人工吗?自动化会降低产品成本,说不定工人每周工作10到20个小时就可以了。
我觉得工作时间应该减少到0!我觉得最低生活保障可以作为一种长期解决方案,但其实,我也不确定这是否是最能让我自己接受的解决方案。我觉得有了社会福利,那么所有人类都会有足够的精力去做一些创造性的事情。当人类有了进行创造性工作的技能,世界将会变得非常非常棒!
2015中国数据分析师行业峰会即将开幕,欢迎数据分析行业每一位数据人参加报名!
报名咨询电话:010-53675708/53675718
更多关于峰会详细信息,请点击“阅读原文”或扫描二维码,还可在线报名呦!!!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29