如何讓機器學習走入更多行業？
Felicia Hou
2021-11-11
作為一名人工智能工程師，吳恩達是谷歌大腦研究實驗室（Google Brain research lab）的創始人，也曾經擔任百度首席科學家一職，他曾經使用3.5億張圖片來構建計算機視覺系統。但在近期的一場制造業峰會上，當他詢問現場觀眾在自己的系統中使用了多少數據時，大多數人的回答都是大約50張圖片或者更少。
11月8日，在《財富》雜志于波士頓舉辦的人工智能頭腦風暴大會（Brainstorm A.I. conference）上，吳恩達解釋說，要想解決這個問題，我們需要打造以數據為中心的人工智能，讓制造商能夠在使用小型數據集的情況下利用機器學習技術，而這也正是吳恩達創辦的初創企業——Landing AI的業務所在。
雖然消費軟件可以在單一搜索引擎或人工智能系統上操作，但大多數其他行業需要能夠適應自己獨特需求的系統。例如，每家醫院都有自己的電子健康記錄編碼方式，因此，單一的人工智能模型自然無法監控所有醫院的各種記錄。借助Landing AI的技術，制造商可以訓練、制造復雜的人工智能模型來完成相關工作，而不再需要雇傭成千上萬的工程師。
就在11月8日，吳恩達宣布Landing AI已經完成5700萬美元A輪融資，由工業物聯網風投基金McRock Capital領投，其他主要投資者還包括英特爾資本（Intel Capital）、三星孵化基金（Samsung Catalyst Fund）和Insight Partners。
吳恩達樂觀認為，人工智能技術能夠在保留原有崗位的同時，創造新的就業機會，特別是考慮到該技術在制造業的潛力，更是如此。在談及人工智能在未來五到七年有望取得哪些重大突破時，吳恩達表示，他期待行業焦點從消費類軟件互聯網行業轉向以數據為中心的人工智能，不再過度關注軟件或神經網絡本身。
吳恩達說：“訓練AI系統需要優質數據，而我們目前則缺少更系統的優質數據處理工程規范，我認為，這是普及人工智能的關鍵所在。”（財富中文網）
譯者：梁宇
審校：夏林
作為一名人工智能工程師，吳恩達是谷歌大腦研究實驗室（Google Brain research lab）的創始人，也曾經擔任百度首席科學家一職，他曾經使用3.5億張圖片來構建計算機視覺系統。但在近期的一場制造業峰會上，當他詢問現場觀眾在自己的系統中使用了多少數據時，大多數人的回答都是大約50張圖片或者更少。
11月8日，在《財富》雜志于波士頓舉辦的人工智能頭腦風暴大會（Brainstorm A.I. conference）上，吳恩達解釋說，要想解決這個問題，我們需要打造以數據為中心的人工智能，讓制造商能夠在使用小型數據集的情況下利用機器學習技術，而這也正是吳恩達創辦的初創企業——Landing AI的業務所在。
雖然消費軟件可以在單一搜索引擎或人工智能系統上操作，但大多數其他行業需要能夠適應自己獨特需求的系統。例如，每家醫院都有自己的電子健康記錄編碼方式，因此，單一的人工智能模型自然無法監控所有醫院的各種記錄。借助Landing AI的技術，制造商可以訓練、制造復雜的人工智能模型來完成相關工作，而不再需要雇傭成千上萬的工程師。
就在11月8日，吳恩達宣布Landing AI已經完成5700萬美元A輪融資，由工業物聯網風投基金McRock Capital領投，其他主要投資者還包括英特爾資本（Intel Capital）、三星孵化基金（Samsung Catalyst Fund）和Insight Partners。
吳恩達樂觀認為，人工智能技術能夠在保留原有崗位的同時，創造新的就業機會，特別是考慮到該技術在制造業的潛力，更是如此。在談及人工智能在未來五到七年有望取得哪些重大突破時，吳恩達表示，他期待行業焦點從消費類軟件互聯網行業轉向以數據為中心的人工智能，不再過度關注軟件或神經網絡本身。
吳恩達說：“訓練AI系統需要優質數據，而我們目前則缺少更系統的優質數據處理工程規范，我認為，這是普及人工智能的關鍵所在。”（財富中文網）
譯者：梁宇
審校：夏林
Artificial intelligence engineer Andrew Ng, founder of the Google Brain research lab and former chief scientist of Baidu, once built a computer vision system using 350 million images. But when he asked the audience at a recent manufacturing conference how much data they used in their systems, the majority of attendees replied around 50 images or fewer.
The solution to this issue, Ng explained at Fortune's Brainstorm A.I. conference in Boston on Monday, lies in data-centric A.I., which allows manufacturers to utilize machine learning even with small data sets. That's where Ng's startup, Landing AI, comes in.
While consumer software can operate under one monolithic search engine or A.I. system, most other industries need their systems to adapt to their unique needs. For example, every hospital has its own way of coding electronic health records, so one A.I. model cannot oversee all records across all hospitals. Landing AI’s tech allows manufacturers to teach and build sophisticated A.I. models instead of hiring tens of thousands of engineers to do it for them.
Just on November 8, Ng announced that Landing AI closed a $57 million Series A funding round led by McRock Capital. Key investors included Intel Capital, Samsung Catalyst Fund, and Insight Partners.
Ng is optimistic that A.I. can create and preserve jobs, especially given its potential in the manufacturing industry. In terms of big breakthroughs for A.I. expected in the next five to seven years, he's looking ahead to a shift away from the consumer software internet industry—and toward a focus on data-centric A.I. over the software or neural networks themselves.
“What we’re missing is a more systematic engineering discipline of treating good data that feeds A.I. systems,” Ng said. “I think this is the key to democratizing access to A.I.”
財富中文網所刊載內容之知識產權為財富媒體知識產權有限公司及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。
