京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26