Andrew Ng har lett grupper på Google och Baidu som gått ut på att skapa själv-lära sig datorprogram som används av hundratals miljoner människor, inklusive e-post spam-filter och touch-screen-tangentbord som gör det lättare att skriva genom att förutsäga vad du kanske vill säga nästa.
Som ett sätt att få maskiner att lära sig utan tillsyn, han har tränat dem att erkänna katter på YouTube-videor utan att bli tillsagd vad katter. Och han revolutionerat detta område, som kallas artificiell intelligens, genom att anta grafikkort avsedd för tv-spel.
Baidu är Chief Scientist, Som Ledde företagets AI Push, att Avgå
Att tänja gränserna för artificiell intelligens ytterligare, en av världens mest kända forskarna på området säger att många fler människor måste bli delaktiga. Så hans fokus nu är på att undervisa nästa generation av AI specialister för att undervisa i maskinerna.
Nästan 2 miljoner människor runt om i världen har tagit Ng online-kurs på maskininlärning. I sina filmer, gänglig, 6-fot-1 Britt av Hong Kong och Singapore uppfostran talar med en som är svåra att placera accent . Han försöker ofta att få studenter bekväm med obegripliga begrepp genom att erkänna up front, i huvudsak, att “hej, det här är tufft.”
Köparen ser en AI som ett sätt att “befria mänskligheten från repetitiva psykiska påfrestningar.” Han har sagt att han ser AI ändra praktiskt taget alla branscher, och en uppgift som tar mindre än en sekund trodde kommer så småningom att göras av maskiner. Han sa en gång känt att de enda jobb som inte kan ändras är hans frisör – som en vän till hans svarade att hon kunde få en robot att göra hans hår.
I slutet av 90-minuters intervju i hans glesa kontor i Palo Alto, Kalifornien, avslöjar han vad som är delvis bakom hans ambition.
“Livet är väldigt kort,” den 41-åriga datavetare säger, vridbar sin bärbara dator i sikte. Han beräknas på ett Chrome-fönster hur många dagar som vi har från födseln till döden: lite mer än 27 000. “Jag vill inte avfall som i många dagar.”
Byggnaden hjärnan som en tonåring
En uppkomling programmerare av 6 år, Ng lärt kodning tidigt från sin far, en läkare som försökte att programmera en dator för att diagnostisera patienter som med hjälp av data. “På hans uppmaning,” Ng säger att han fifflat med dessa begrepp på sin hemdator. Vid 16 års ålder skrev han ett program för att beräkna trigonometriska funktioner som sinus och cosinus med hjälp av en “neurala nätverk” – core design och motor artificiell intelligens bygger på den mänskliga hjärnan.
“Det verkade verkligen fantastiskt att du kunde skriva ett par rader kod och få den att lära sig att göra intressanta saker,” sade han.
Efter examen gymnasiet från Singapore Raffles Institution, Ng gjorde rundor av Carnegie Mellon, MIT och Berkeley innan du tar upp bosättning, som professor vid Stanford University.
Där undervisade han robotic helikoptrar för att göra luftakrobatik efter att ha utbildats av en expert pilot. Arbetet var “inspirerande och spännande”, minns Pieter Abbeel, då en av Ng: s doktorander och nu är en dator vetenskapsman vid Berkeley.
Abbeel säger att han en gång kraschade en $10 000 (ungefär Rs. 6.4 lakhs) helikopter drone, men Ng borstat bort det. “Andrew var alltid:” Om dessa saker är för enkelt, alla andra kunde göra dem.’”
Märket Ng
Ng: s enastående AI arbetet med att hitta ett nytt sätt att överladda neurala nätverk med mest marker som ofta finns i video-spelautomater.
Tills dess, datavetare hade mestadels förlitat sig på allmänt ändamål processorer – som Intel marker som fortfarande kör många Datorer. Sådana marker kan endast hantera ett fåtal datorer uppgifter samtidigt, men se upp för det med blixtrande hastighet. Neurala nätverk, dock fungera mycket bättre om de kan köra tusentals beräkningar samtidigt. Som visade sig vara en uppgift som mycket väl lämpad för en annan typ av marker som kallas graphics processing unit, eller GPUs.
Så när grafik-chip-tillverkaren Nvidia har öppnat upp sin Grafikprocessorer för allmänt ändamål än tv-spel 2007, Ng hoppade på tekniken. Hans Stanford laget började publicera artiklar om teknik ett år senare, påskynda lärande med så mycket som 70 gånger.
Geoffrey Hinton, vars University of Toronto team bländade kamrater med hjälp av ett neuralt nätverk för att vinna den prestigefyllda ImageNet konkurrens i 2012, krediter Ng med att övertala honom till att använda tekniken. Att vinna gett upphov till en uppsjö av copycats, som ger upphov till uppkomsten av den moderna AI.
“Flera olika personer föreslog att använda Gpu,” Hinton, säger via e-post. Men arbetet av Ng: s team, säger han, “var det som övertygade mig.”
Undervisning i hur man lär datorer
Ng fascination med AI var gå hand i hand med en vilja att dela med sig av sin kunskap till eleverna. Som online-utbildning tog upp tidigare detta årtionde, Ng upptäckte ett naturligt utlopp.
Hans “Machine Learning” – kursen, som startade Stanford online-lärande program tillsammans med två andra kurser under 2011 undertecknade omedelbart upp 100 000 människor utan någon som helst marknadsföring.
Ett år senare, han var en av grundarna till online-lärande start Coursera. Mer nyligen lämnade han sin hög profil jobb på Baidu att lansera deeplearning.ai , en start som ger AI-kurser.
Varje gång han började något stort, oavsett om det är Coursera, Google Hjärnan djupt lärande enhet, eller Baidu AI lab, har han kvar när han kände att de lag han har byggt kan fortsätta utan honom.
“Då kan du gå, Stor. Det är blomstrande med eller utan mig”, säger Ng, som fortsätter att undervisa vid Stanford medan du arbetar i det privata näringslivet.
För Ng, en av hans kommande utmaningar kan inkludera att ha ett barn med sin roboticist fru, Carol Reiley. “Jag önskar att vi visste hur barn (eller en hund) lär, att” Ng säger i ett e-postmeddelande uppföljning. “Ingen av oss vet i dag hur man får datorer att lära sig med den snabbhet och flexibilitet av ett barn.”