什么是AI？AI转型指南

去年12月份， 吴恩达发布了一份《AI转型指南》报告，旨在为企业CEO们提供一份企业AI转型的建议，搜集了众多CEO们最的关心问题并在报告中回答。

就在上个月，继这份报告发出后，他的新课“AI for Everyone”也上线了。

新课于2月28号发布，这是一门设定四周学完的课程。但是，课程发布不到一周， 就已经有一批热粉迅速刷完了课程，甚至出了攻略。连吴恩达也在推特上惊叹，同学们学的太快了。

文摘菌也很好奇，跃跃欲试的想听一听这个号称“每个人都能听懂”的AI课程，到底讲了什么。在一个周五的下午，我们霸占了公司的一个会议室，决定通过一个内训挑战，来一起听课。没想到编辑部的同学们仅仅用一下午四个小时听完了吴恩达的这个课程！

当然，一方面编辑部的各位还是有一定的AI基础，所以大家在理解课程上基本没有问题；另一方面，为了赶时间，大家也跳过了所有的练习部分，只单纯看视频记笔记，马拉松一般迅速刷完了这门课。

课程的分为四章，每小节视频大概在10分钟以内，继续播放，根本停不下来。

既然是 for everyone, 我们也在事后采访了刚入职文摘编辑部一周的AI萌新，作为一个纯文科生，她表示不仅听懂了，而且对人工智能的认识大为加深。

我们也整合了大家的笔记，列出了这门课中的精华内容，没有时间刷课的同学们拿好不谢，一起看看我们一下午都经历了什么吧！

什么是AI？

第一章主要介绍了与AI相关的一些概念， 例如机器学习， 数据科学，深度学习以及其他的一些工具，对于入门小白来说通俗易懂，这都6102年了，不懂点AI如何撩妹！

敲黑板，记笔记啦

AI大致分为ANI（狭义人工智能）与AGI（广义人工智能）。 会下棋的人工智能机器人目前应该还属于ANI， 美剧西部世界里那些让人恐惧的机器人才是AGI， 从ANI到AGI还需较长时间的发展。

机器学习就是学习A到B的映射， A是输入， B是输出。机器学习最后产出的是软件，数据科学是从数据中得到启发或者结论。 

数据多并不意味着数据的价值大！数据收集应与AI团队即使联系，以便确定有价值的数据来改变数据收集策略。

深度学习是“神经网络”的代名词，主要受到大脑的启发，但其内部的运行与大脑工作方式无关， 简单来说就是一些大型复杂的数学公式。

AI无法通过少量数据来学习复杂的任务。例如， 简单为打招呼， 叫车，自行车转弯等人类一秒可以辨识的手势，AI目前还无法理解。

最后，祭出吴恩达老师这张经典的AI关系图，简洁明了，不能更形象了！

创建AI项目

第二章主要讲了如何利用AI选择和建立有价值的项目，机器项目与数据科学项目的去呗。这一章或许可以给一些有想法的技术人员或AI创业者带来启发。

关注吴恩达老师动态的读者可能也发现了，这部分内容吴恩达在近几次的讲座中都有提及，大家可以戳文摘菌之前的报道了解详情。

https://mp.weixin.qq.com/s/yKdvUCRQwF-62M06e28bDw

机器学习和数据科学的工作流程：

机器学习的主要步骤为：收集数据、训练模型、部署模型；而数据科学是：收集数据、分析数据、建议修改。

课程中吴教授也给了非常多的例子，说明机器学习与数据科学的不同应用，从制造业到农业，从销售到人力资源 ：例如数据科学可分析数据来优化流程，机器学习可帮助自动删选简历

如何选择AI项目，吴教授给出了以下几点需要建议。

头脑风暴，寻找痛点

没有大量数据也可以建立AI项目

在考虑技术可行性的同时也要考虑其商业价值，是否可以降低成本或者提高收益，或者创造出对人类有价值的新产品。

数据科学多位内部自建项目，机器学习项目可以考虑自建或者外包。

在本章的选听课程中，他还介绍了一些常用的机器学习的工具，所以选听课程彩蛋多多，不要忘记哦！

AI转型指南

第三章主要介绍了他的新书《AI转型指南》中企业在AI转型中需要考虑和实施的，可以概括为“五步骤路线图”。明确的回应了CEO们在企业发展中最关心的问题——如和高效开启人工智能项目。

完整版：

https://landing.ai/ai-transformation-playbook/

总结来说，这五个步骤分别是：

1.执行试点项目从而获得动力

2.建立公司内部的AI团队

3.对员工进行AI技能培训

4.制定人工智能战略

5.在公司内部和外部建立良好的沟通渠道

详情请点击文摘之前的推送：

https://mp.weixin.qq.com/s/7h0qCIuxAUnxF_S0M1xekw

几个需要留心的重点：

试点AI项目可以设置为6-12个月，一个小项目的成功比失败的大项目更能激励团队前进。

小型的AI团队也可以只有一个软件工程师，或者一个机器学习工程师、数据科学家甚至你自己也可以撑起整个项目！

建立一个AI团队需要以下几项职能：软件工程师、机器学习工程师、机器学习科学家、数据科学家、数据工程师、AI产品经理等。 CAIO这个角色也是必不可少的。

首席学习官（ CLO －Chief Learning Officer）的工作是成为好的内容库管理者，而不是直接为生产内容，然后通过一些制度保障员工完成学习即可。

利用人工智能创建有利于你所在的行业的优势， 制定独特并适合自己的项目，形成“AI良性循环”。

加强AI团队人才与业务、销售、市场的沟通，共同寻找可行且有价值的项目。

AI与社会发展

这一章主要讨论了AI与伦理， 包括AI的局限性，以及AI与经济发展和就业的问题。果然是对每一个人都有影响啊！

主要介绍了以下几点：

AI的局限性导致的问题包括有偏数据会产生有偏AI，AI系统对Adversarial Attacks开放，容易被欺骗，未来公司可能与对抗性攻击者展开激战。

不要对即将到来的超级人工智能过于乐观或者悲观，和你身边的朋友一起开始学习AI。

美国和中国在人工智能领域处于领先地位，但这项技术并不成熟，各国仍具有同等竞争优势。

根据麦肯锡的报告，到2030年，AI将取代的工作数量将达到4亿到8亿，但同时也可以创造出约5亿到9亿的新岗位。

看到这，那么恭喜你和小编一起学完“AI for everyone”啦！

那是不可能的！

最后，对这门课程感兴趣的同学，可以搜完整版课程。

链接：

https://www.coursera.org/learn/ai-for-everyone/home/week/1