前百度首席科学家吴恩达发布AI转型指南, 呼吁CEO要更懂AI

其次,企业要决心放权,相信员工的能力和责任心。当然,在给他们更大挑战的同时,也要帮助他们解决困难,必要的沟通和鼓励是必不可少的,比如,定期组织培训、读书小组活动、安排员工出去开会和同行交流,让他们感觉到在企业里可以学到东西,感觉到企业在他们身上花了真金白银,并因此增加员工对企业的认同感。

能够贯彻 AI 团队的工作流程。

AI将改变许多工作内容,你应该给团队每个人提供他们在AI时代适应新角色所需的知识。咨询专家将为你的团队开发定制课程,教育计划可能如下所示:

市场对人才的需求一般分为两类:研究型人才和应用型人才。

AI
战略能引导你的公司创造更多价值,也能建立防御机制。一旦公司团队看到最初
AI 项目的成功,加深对 AI 的理解,你就能够找到 AI
能够创造价值的地方,并专注于此。

b) 了解AI对公司战略的影响。

[AI和大数据技术的发展和应用中,最核心的是人才。可以预见,在未来几年内,企业对大数据和AI人才的需求会越来越大。企业应该多花点时间寻找适合自己的人才,并通过有效的机制把团队管理好,让团队更好地创造价值。]

制定一致的招聘和留用标准。

课程:

至于经验稍浅的,比如刚毕业或者工作仅仅2~3年的人,他们通常能把别人布置的任务做好,但缺乏思考深度和整体性。不过这些侧重写代码或做分析的,也是公司不可或缺的人才,培养几年,一定会有优秀者冒出来,这部分人在美国被称为Individual
Contributor,主要担任技术类职位。

吴恩达认为,仅仅将大量数据扔给工程师,并期望得到成功的结果,或者错误理解AI能够完成的事情的范围,将导致失败。对于AI的潜力以及局限性有着广泛的理解,才能够更好地帮助企业决策者。举例来说,吴恩达曾在华尔街日报提到,他发现,很多无人驾驶领域的公司,可能无法实现自己对外宣布的承诺。

投资者关系:谷歌和阿里等领先的人工智能公司现在是更有价值的公司,部分原因在于他们的人工智能能力以及人工智能对其底线的影响。为贵公司的人工智能解释一份明确的价值创造论文,描述你不断增长的人工智能能力,最后有一个深思熟虑的人工智能战略,将有助于投资者适当地重视你的公司。

这类人才需要有扎实的数理统计功底和编程能力(包括算法和性能调优),对产品也需要有一定程度的了解。一个只懂产品却不能动手,或者不懂产品只照着别人所说而写代码的人,都不能称之为理想的AI与大数据人才。除了这些硬功夫外,如何与人沟通、领导团队、管理上下级期望、如期完成工作,也是十分重要的环节。

“不要对人工智能的时间表太乐观,要了解人工智能在某个时间范围内,究竟能实现到哪里。”吴恩达说。

购物中心+网站≠互联网公司

无论是初创科技公司,还是企业数字化转型,都涉及组建数据科学或是人工智能技术团队。笔者认为,组建AI团队不是件容易的事,一方面,优质的AI人才在当今依旧比较稀缺,另一方面,优秀的AI人才对于技术和商业的要求都比较高。

2. 建立一支内部 AI 团队

b)
该项目在技术上应该是可行的。太多的公司仍在使用当今的AI技术开展不可能的项目,所以在启动前,对项目进行尽职调查将增加你对其可行性的信心。

可以预见,在未来几年内,企业对大数据和AI人才的需求会越来越大。企业应该多花点时间寻找适合自己的人才,并通过有效的机制把团队管理好,让团队更好地创造价值。

5. 建立内部和外部沟通

a)
系统地执行多个有价值的AI项目的资源:AI公司可以拥有外包或内部技术和人才,可以系统地执行多个AI项目,为业务带来直接价值。

人工智能与大数据是最近几年科技界乃至商业社会最火的词。正如阿里巴巴创始人马云所说,我们已经步入了数据技术时代(Data
Technology),数据的重要性和威力越来越显现出来。随着大数据存储和计算的迅猛发展,AI技术像是插上了翅膀,理论和应用层面都在近几年取得了很大的突破。我们在现在和未来看到越来越多的商业落地,如机场的人脸识别、搜索推荐、人机交互的智能语音音箱等,这些技术与应用正在从方方面面改变着人类的生活。

对全新的 AI 团队或者外部的 AI
团队来说,这些项目要能够与公司的内部团队合作并建立 AI 解决方案,在 6-12
月内开始显现牵引力。

统一数据仓库:如果你有50个不同的VP或部门控制下的50个不同的数据库,工程师或AI软件几乎不可能都可以访问这些数据。相反,请考虑集中化你的数据分为一个或少数数据仓库。

很多知名人工智能研究机构会和海内外高校有合作关系,比如滴滴和密歇根大学,商汤科技和香港中文大学。和高校不同的是,人工智能研究机构一般会有短期和长期的落地规划。具体说来,研究机构最终要么是希望研究成果与现有产品结合,打磨出更好的产品,比如谷歌这几年力推的谷歌助手;要么是为未来推出新产品做技术积累。目前研究型人才相对稀缺,所以很多刚毕业且学术做得很好的博士生会有很不错的工作邀约。

吴恩达认为,试图将公司转型为人工智能驱动企业的管理者正面临着一些挑战,同时也可能会犯一些常见错误。他警告说,仅仅关注数据和工程,或者错误估计人工智能的作用都有可能导致失败。

AI转型计划可能需要2-3年,但你应该在6-12个月内看到初步的具体结果。通过投资人工智能转型,你将保持领先于竞争对手!

合适的人才通常拥有优秀的背景,比如亮眼的学历、顶级公司的工作经历、带领过重大项目等。通过这些大致可以判断候选人应该放在企业的什么位置上。

以下是我为企业 AI 转型给出的建议,在《指南》中也有详尽解释:

课程:

候选人的情况一直在变,给候选人良好的面试体验,有助于吸引优秀人才的注意。当然,笔者认为,企业还要尊重每位候选人的时间和诚意,对候选人而言,除了思考薪酬、抱负的实现、自己的研究兴趣和企业氛围都是需要重点考量的因素。

吴恩达估计,传统公司的人工智能业务转型通常需要花 2 到 3
年时间,但人们可以在实施转型的 6-12
月后看到最初的结果。投资人工智能的企业将领先于竞争对手,并快速发展。

深度学习是人工智能发展最快的领域之一,它与互联网的兴起呈现出相似之处。今天,我们发现:

对于研究型人才,企业通常可以去学校招聘、通过导师推荐或者学术会议交流来认识。对于应用型人才,尤其是核心候选岗位,可能最靠谱的方式,是通过朋友介绍或者招揽以前有过交集的人才。

数据对 AI 系统来说是关键资产。因此许多 AI
公司也拥有复杂的数据策略。你的数据策略包括的关键元素应该有:

建立护城河的方式也随着人工智能而发展,以下是需要考虑的点:

企业如何找到人才

了解用于构建 AI 和数据系统的可用工具。

为了让你的公司在人工智能方面做得很好,你必须找到AI使你的公司变得更好的出路。(you
will have to organize your company to do the things that AI lets you do
really well.

当然,组建优秀的数据科学和AI团队不得不提的还有资金。这方面,硅谷很多优秀的公司很舍得投入。当招聘的员工背景优秀、聪明且动手能力很强时,人才就成了类似谷歌这类公司的最大护城河。

执行 AI 项目的部门领导:

当我领导谷歌大脑团队时,谷歌(更广泛地说,世界各地)的深度学习技术受到了极大的怀疑。为了帮助团队获得动力,我选择Google
Speech团队作为我的第一个内部客户,我们与他们密切合作,使Google语音识别更加准确。语音识别在Google中是一个有意义的项目,但不是最重要的项目。例如,对公司的底线而言,将其应用于网络搜索或广告并不重要。但是通过使用深度学习僵尸做演讲内容的团队更加成功,而其他团队开始对我们充满信心,这使得Google
Brain团队获得了动力。

首先,企业可以尝试让员工做一些比自己级别高一级的工作。谷歌等公司在这方面就做得非常出色,谷歌员工的成就感来源于自己的工作对产品和业务的影响力,感受到的影响力越大,就会越主动承担责任。所以,给员工一部分比自己级别高一级的工作,会整体上扩大项目和工作的影响力。

随着 AI 的演进,你建立防御壁垒的方法也要变化。以下是需要考虑的一些方法:

d)此外:跟上不断发展的人工智能技术。

另外,笔者认为,通过猎头、各种会议、职业社交网站,也是企业发现人才不错的渠道。当有了目标候选人以后,企业代表可以通过发邮件甚至约出来喝咖啡面对面沟通,更好地增进彼此的了解和信任。这种方式在美国硅谷颇为常见,企业常常主动邀请候选人前往公司参观,和高管以及团队主要成员沟通,让候选人了解公司的方向和对人才的态度,打消候选人的顾虑。毕竟对于人才而言,跳槽也是有风险的,尤其是比较资深的员工,自然不希望去一个不适合自己的地方,浪费几年宝贵时光。

战略数据获取:从 100 数据点到十亿数据点都可以建立有用的 AI
系统。但数据越多只会更加有益。AI
团队都在使用复杂、横跨多年的策略来获取数据,且不同产业、情境获得数据的策略也不同。例如,谷歌、百度都有大量免费产品让它们获得有商业价值的数据。

目标:新培训的AI工程师应该能够收集数据,培训AI模型,并完成特定的AI项目。

作为新学科,AI有很多难题需要解决,也有很多未开发的处女地等待挖掘,必要的研究能力当然是不可或缺的,但是光发学术论文还不够,领导型人才还需要知道怎么落地,以多大成本落地,并预知未来的技术风险和挑战。比如,对于一些工业AI场景,是用云服务还是边缘计算,如何确定产品难度和后期开发成本,怎么迭代和扩展等,都需要通盘考虑。领导型人才每天需要面对很多选择,而每个选择都会直接影响后期选择和投入。这些本事需要从非常有经验的业界大牛那儿获取,找到那些人也只是第一步。

1. 实行试点项目获得动力

我们在互联网时代了解到:

另外,学校里的教授也是这些研究机构非常看重的一批人。近些年来比如多伦多大学的杰弗里·欣顿(GeoffreyHinton)、斯坦福的李飞飞、卡耐基梅隆大学的安德鲁·摩尔(AndrewMoore)等学术大牛都在谷歌等大公司的研究部门带领团队做创新。他们走出象牙塔,一方面致力于推动科技落地,变成看得见摸得着的产品,造福人类;另一方面致力于推动科技民主化,使科技让更多的人了解并且掌握,形成百家争鸣、百花齐放的场面。这些高素质的博士生和教授引领着前沿技术的探索,推动着产品的创新。

吴恩达表示,想要转型为AI优先的公司,普遍面临许多共性的问题,会犯一些类似的错误。该白皮书吸取了很多吴恩达在创办和领导谷歌和百度相关团队过程中的经验,以及与许多公司首席执行官交流方面的经验,其中包括许多软件行业之外的企业。

AI会显著影响你的业务。如果它影响你的关键利益相关者,你应该运行通信程序以确保一致。以下是你应该为相关者考虑的内容:

当然,顶尖的人才,除了具备上述能力外,还需要具备在不确定性中决策的能力,比如如何通过数据确定产品该做什么,不该做什么,使用什么技术栈,怎么高效实现整个流程管理,如何评估产品,确定产品迭代方向,怎么跨部门协作调动资源完成整个项目等。这类能带领一个较大团队打出胜仗的人才,在市场上屈指可数,他们一般也因此得以在大公司担任重要职位。

理解基本的 AI 概念,包括基本技术、数据以及 AI 能/不能做什么。

十年前,内部员工培训意味着聘请顾问来办公室进行讲座,这种方式效率低下且投资回报率尚不清楚。相比之下,数字内容更实惠,也可为员工提供更个性化的体验。如果你有预算聘请顾问,那么在现场内容的基础上应该补充在线内容。事实上,聘请一些AI专家来提供现场讲座也可以激励员工学习AI技术。

研究型人才一般是知名人工智能研究机构的重点招募对象,比如大家耳熟能详的谷歌大脑、脸书的研究部、阿里的达摩院等,都对研究型人才求贤若渴。研究型人才大部分是国内外知名学府计算机、电子工程、统计学、数学等专业的博士背景,他们侧重于架构的创新(比如大名鼎鼎的MXNET、Spark、Tensor
Flow),或者算法的创新(比如计算速度、准确率、普世性等),在各自的研究领域钻研得比较深。这类岗位的录取标准很高,基本都要求发表顶级会议论文(比如神经信息处理系统大会NIPS、国际机器学习大会ICML、电气和电子工程师协会IEEE等)。

理解基本的 AI 概念,包括基本技术、数据以及 AI 能/不能做什么。

数据价值的判断:自动拥有数TB的数据并不意味着AI团队就能够从该数据中获取价值。期待AI团队从大型数据集中神奇地创造价值是一个很有可能失败的事件,我看到过很多CEO过度投资或收购收集低价值数据的公司。通过在数据采集过程中尽早引入AI团队来避免这种错误,并让他们帮助你确定要获取和保存的数据类型的优先级。

最后,企业要营造一个公平的激励机制。企业对员工工作的认同体现在工资、奖金和晋升上,创造一个公平的激励机制不可或缺,最好需要晋升委员会的介入。晋升委员会的成员大多数都是资深的领导型人才,在审批激励机制与晋升时,要确保独立性,有必要的话还可以设立答辩环节。这类似于博士论文答辩,候选人需提交相关材料和代码以证明自己在各个方面都已经准备好承担下一级的任务。

此外:还要持续学习,以跟上 AI 技术发展的脚步

a)
理想情况下,新的或外部AI团队(可能对你的业务没有深入的领域知识)可以与你的内部团队(具有深厚的领域知识)合作,构建AI解决方案,在6-12个月内开始显示项目的价值。

企业如何培养人才

理解 AI 对公司战略的影响。

一些高管认为制定人工智能战略应该是第一步。根据我的经验,大多数公司在获得人工智能的基本经验之前,无法写出完美的人工智能战略,这需要上述步骤1-3的支持。

至于应用型人才,就数量而言,比研究型人才要多得多。这些人才通常至少是理工科背景的硕士或者博士,从事数据科学或者算法工程师这类工作,他们为产品的最终落地而服务。

一些公司高层会认为建立 AI
策略应该是第一步。但以我的经验,在有一些基础经验之前,大部分公司难以建立深思熟虑的
AI 策略。这些基础经验可以从前面 3 个步骤获得。

互联网的公司+深度学习技术≠AI公司

企业如何组建数据科学和AI团队

人工智能将显著地影响业务。如果已影响到主要利益攸关方,那么你应该通过运行相关通信程序以确保多方进度一致。以下是你应该为每位受众考虑的内容:

2、执行人工智能项目的部门领导:

笔者看来,培养人才可以从以下三方面去实施。

建立内部团队,聘用高管级别的人非常重要。在互联网崛起的时候,对许多公司来说,聘请
CIO
对公司结合互联网策略非常重要。相比之下,从数字市场、数据科学实验到发布新网站,这样做单独实验的公司难以利用互联网的能力,因为这些小的实验项目难以延展从而让公司转型。

战略设计与“人性化的良性循环”正反馈循环一致:在许多行业中,我们将看到数据积累带来的垄断业务:

组建团队只是第一步。如何把团队拧成一股绳,变成一支能打胜仗的部队呢?这就要考验领导型人才的智慧、公司的激励机制和人才培养机制了。

购物中心+网站≠互联网公司

AI技术就像100年前的电力一样,正准备改变每个行业。从现在到2030年,它将创造约13万亿美元的GDP增长。虽然它已经在谷歌,阿里巴巴,微软等领先的科技公司中创造了巨大的价值,但其他许多价值创造浪潮将超越软件领域。

市场对AI和大数据人才的需求

内部沟通:目前大众对于人工智能仍然知之甚少,加上针对强人工智能的过度炒作,所以大众心中存在恐惧、不确定和怀疑。许多雇员也会担心职位被人工智能取代。尽管这种认知因文化而异。所以,清晰的内部沟通不仅能透彻地阐释人工智能,也可以打消员工的顾虑,从而减少公司内部对采用人工智能的抗拒。

创建网络效应和平台优势:最后,AI也可被用于构建更传统的护城河。例如,具有网络效应的平台是高度防御性的业务。他们通常拥有一种自然的“赢家通吃”能力。如果人工智能允许你以比竞争对手更快的速度获得用户,那么它可以用于构建通过平台动态防御的护城河。更广泛地说,你还可以将AI用作低成本战略,高价值或其他业务战略的关键组成部分。

从技术层面来说,计算机编程和架构能力以及数学和统计能力等都是必不可少的。优秀的AI领导型人才在市场上极度稀缺,因为他们需要对前沿研究和商业应用都在行,在AI研究院担任高管的,一般都是在美国知名公司任职过,有海外优秀学术背景的人才。

遵从历史规律,对你的成功至关重要

c) 战略方向:公司的战略大体上与人工智能未来的成功保持一致。

当找到这些AI人才后,企业还要充分放权。这类人才通常有很强的人脉,通过他们举荐人才并组织团队,相对企业自己动手要容易得多。一些有抱负的人才也会因为这类领袖型人才的加盟而加盟,形成羊群效应。以笔者在美国的经验看,很多优秀的年轻人选择谷歌等公司也是因为期待加入大牛的麾下。

利用 AI 为公司产业打造特定优势:相比于与谷歌这样的科技公司在「广义」AI
上展开竞争,我建议你成为所在产业分支的领头 AI 企业,开发独一无二的 AI
能力可以让你获得竞争优势。AI 对你公司策略的影响是由产业与情境决定的。

3、AI工程师培训生:

AI和大数据技术的发展和应用中,最核心的是人才。笔者在美国学习与工作多年,并在谷歌公司担任数据科学家,对此深有体会,所以通过本文,从以下几个方面对人才这个话题做出探讨。

人工智能专家、前百度首席科学家吴恩达13日发布“AI转型指南”,用于为那些想要转型为“人工智能优先”的公司提供指导。

c) 关于人工智能应用到相关行业或特定行业的案例研究。

如同百年前电力的出现一样,人工智能将会变革每个产业。从现在开始到 2030
年,它将会创造大约 13 万亿的 GDP 增长。同时,AI
已经为谷歌、百度、微软、Facebook
这样的科技巨头创造的巨大的价值,其创造出的大部分附加价值将超越软件行业。

e) 鼓励内部和外部沟通。

了解互联网兴起时代的转型对于引导公司转向 AI
非常有意义。有许多企业在互联网崛起的过程中犯了一个错误,希望你在人工智能兴起的过程中能够避免这种错误。

目标:让管理人员了解人工智能可以为企业做些什么,开始制定人工智能战略,做出适当的资源分配决策,并与支持有价值的人工智能项目的人工智能团队顺利协作。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图