如何让机器学习走入更多行业？
作为一名人工智能工程师，吴恩达是谷歌大脑研究实验室（Google Brain research lab）的创始人，也曾经担任百度首席科学家一职，他曾经使用3.5亿张图片来构建计算机视觉系统。但在近期的一场制造业峰会上，当他询问现场观众在自己的系统中使用了多少数据时，大多数人的回答都是大约50张图片或者更少。
11月8日，在《财富》杂志于波士顿举办的人工智能头脑风暴大会（Brainstorm A.I. conference）上，吴恩达解释说，要想解决这个问题，我们需要打造以数据为中心的人工智能，让制造商能够在使用小型数据集的情况下利用机器学习技术，而这也正是吴恩达创办的初创企业——Landing AI的业务所在。
虽然消费软件可以在单一搜索引擎或人工智能系统上操作，但大多数其他行业需要能够适应自己独特需求的系统。例如，每家医院都有自己的电子健康记录编码方式，因此，单一的人工智能模型自然无法监控所有医院的各种记录。借助Landing AI的技术，制造商可以训练、制造复杂的人工智能模型来完成相关工作，而不再需要雇佣成千上万的工程师。
就在11月8日，吴恩达宣布Landing AI已经完成5700万美元A轮融资，由工业物联网风投基金McRock Capital领投，其他主要投资者还包括英特尔资本（Intel Capital）、三星孵化基金（Samsung Catalyst Fund）和Insight Partners。
吴恩达乐观认为，人工智能技术能够在保留原有岗位的同时，创造新的就业机会，特别是考虑到该技术在制造业的潜力，更是如此。在谈及人工智能在未来五到七年有望取得哪些重大突破时，吴恩达表示，他期待行业焦点从消费类软件互联网行业转向以数据为中心的人工智能，不再过度关注软件或神经网络本身。
吴恩达说：“训练AI系统需要优质数据，而我们目前则缺少更系统的优质数据处理工程规范，我认为，这是普及人工智能的关键所在。”（财富中文网）
译者：梁宇
审校：夏林
作为一名人工智能工程师，吴恩达是谷歌大脑研究实验室（Google Brain research lab）的创始人，也曾经担任百度首席科学家一职，他曾经使用3.5亿张图片来构建计算机视觉系统。但在近期的一场制造业峰会上，当他询问现场观众在自己的系统中使用了多少数据时，大多数人的回答都是大约50张图片或者更少。
11月8日，在《财富》杂志于波士顿举办的人工智能头脑风暴大会（Brainstorm A.I. conference）上，吴恩达解释说，要想解决这个问题，我们需要打造以数据为中心的人工智能，让制造商能够在使用小型数据集的情况下利用机器学习技术，而这也正是吴恩达创办的初创企业——Landing AI的业务所在。
虽然消费软件可以在单一搜索引擎或人工智能系统上操作，但大多数其他行业需要能够适应自己独特需求的系统。例如，每家医院都有自己的电子健康记录编码方式，因此，单一的人工智能模型自然无法监控所有医院的各种记录。借助Landing AI的技术，制造商可以训练、制造复杂的人工智能模型来完成相关工作，而不再需要雇佣成千上万的工程师。
就在11月8日，吴恩达宣布Landing AI已经完成5700万美元A轮融资，由工业物联网风投基金McRock Capital领投，其他主要投资者还包括英特尔资本（Intel Capital）、三星孵化基金（Samsung Catalyst Fund）和Insight Partners。
吴恩达乐观认为，人工智能技术能够在保留原有岗位的同时，创造新的就业机会，特别是考虑到该技术在制造业的潜力，更是如此。在谈及人工智能在未来五到七年有望取得哪些重大突破时，吴恩达表示，他期待行业焦点从消费类软件互联网行业转向以数据为中心的人工智能，不再过度关注软件或神经网络本身。
吴恩达说：“训练AI系统需要优质数据，而我们目前则缺少更系统的优质数据处理工程规范，我认为，这是普及人工智能的关键所在。”（财富中文网）
译者：梁宇
审校：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.”
