Andrew Ng har ført lagene på Google og Baidu som har gått på å skape self-learning dataprogrammer som brukes av hundrevis av millioner av mennesker, inkludert e-post spam filtre og touch-screen-tastatur som gjør skrivingen enklere ved å forutsi hva du vil kanskje si neste.
Som en måte å få maskiner til å lære uten tilsyn, har han trente dem til å godkjenne katter i YouTube-videoer uten å bli fortalt hva kattene var. Og han revolusjonerte dette feltet, kjent som kunstig intelligens, ved å ta i bruk grafikk chips ment for tv-spill.
Baidu er Chief Scientist, Som Ledet Firmaet ‘ s AI Presse, å Trekke seg
For å presse grensene for kunstig intelligens videre, en av verdens mest kjente forskere på feltet sier at mange flere mennesker trenger å bli involvert. Så hans fokus nå er på å lære neste generasjon av AI-spesialister for å lære maskiner.
Nesten 2 millioner mennesker rundt om i verden har tatt Ng ‘ s online kurs på machine learning. I videoene hans, hengslete, 6-fot-1 Brite av Hong Kong og Singapore oppvekst snakker med en som er vanskelige å plassere aksent . Han ofte prøver å få elevene komfortabel med ufattelige konsepter ved å anerkjenne opp foran i hovedsak at “hei, dette er ting er tøft.”
Ng ser AI som en måte å “gratis menneskeheten fra repeterende psykisk slit.” Han har sagt at han ser AI endre nesten alle bransjer, og enhver oppgave som tar mindre enn et sekund trodde til slutt vil bli gjort av maskiner. Han sa en gang kjent som den eneste jobben som ikke kan endres er hans frisør – som en venn av hans svarte at faktisk, hun kunne få en robot til å gjøre håret hans.
På slutten av 90-minutters intervju i hans unnselig kontor i Palo Alto, California, han avslører hva som er delvis bak hans ambisjon.
“Livet er sjokkerende kort,” den 41 år gamle datamaskin vitenskapsmann sier, svingende sin laptop til syne. Han er beregnet i en Chrome-nettleser vindu hvor mange dager vi har fra fødsel til død: litt mer enn 27.000. “Jeg ønsker ikke å kaste bort som i mange dager.”
Bygningen hjerner som tenåring
En oppkomling programmerer ved alder 6, Ng lært koding tidlig fra sin far, en lege som prøvde å programmere en datamaskin til å diagnostisere pasienter ved hjelp av data. “På hans oppfordring,” Ng sier, han puslet litt med disse begrepene på sin hjemme-pc. Som 16-åring, han skrev et program for å beregne trigonometriske funksjoner, som sinus og cosinus ved hjelp av en “nevrale nettverk” – kjernen computing motor for kunstig intelligens modellert på den menneskelige hjerne.
“Det var egentlig utrolig at du kan skrive noen få linjer med kode og få den til å lære å gjøre interessante ting,” sa han.
Etter avsluttet videregående skole fra Singapore Raffles Institusjon, Ng gjort runder av Carnegie Mellon, MIT og Berkeley før du tar opp residens som professor ved Stanford University.
Det lærte han robot helikoptre for å gjøre luftakrobatikk etter å ha blitt trent av en ekspert pilot. Arbeidet var “inspirerende og spennende,” sier Pieter Abbeel, da en av Ng er ph.d. – studenter og nå en forsker ved Berkeley.
Abbeel sier han en gang krasjet en $10 000 (ca Rs. 6.4 lakhs) helikopter drone, men Ng børstet det bort. “Andrew var alltid liker” Om disse tingene er for enkelt, alle andre kan gjøre for dem.’”
Merket av Ng
Ng er standout AI arbeidet med å finne en ny måte å supercharge nevrale nettverk ved hjelp av chips oftest funnet i video-spill maskinene.
Inntil da, datamaskinen forskere hadde det meste lettelse opp på general-purpose-prosessorer – som Intel chips som fortsatt kjøre mange Pcer. Slike brikker kan håndtere bare et par oppgaver samtidig, men gjør opp for det med lynrask hastighet. Nevrale nettverk, men fungerer mye bedre hvis de kan kjøre tusenvis av beregninger samtidig. Det viste seg å være en oppgave som er godt egnet for en annen klasse av chips kalles graphics processing unit, Gpu-er.
Så da grafikk chip maker Nvidia åpnet opp sin Gpu-er for generelle formål utover video games i 2007, Ng hoppet på teknologi. Hans Stanford team begynte å publisere artikler om teknikken et år senere, setter opp farten på maskinen læring med så mye som 70 ganger.
Geoffrey Hinton, som University of Toronto lag imponerte jevnaldrende ved hjelp av en nevrale nettverk til å vinne den prestisjetunge ImageNet konkurranse i 2012, studiepoeng Ng med å overtale ham til å bruke teknikken. Som vinner gytt en forfjamset av etterligninger, fødsel til fremveksten av moderne AI.
“Flere forskjellige personer foreslått å bruke Gpu-er,” Hinton sier via e-post. Men arbeidet med Ng team, sier han, “var det som overbeviste meg.”
Å lære hvordan å lære datamaskiner
Ng fascinasjon med AI var parallell med et ønske om å dele sin kunnskap med studentene. Som online utdanning tok av tidligere dette tiåret, Ng oppdaget en naturlig utløp.
Hans “Machine Learning” – kurset, som sparket av Stanford ‘ s online læring program sammen med to andre kurs i 2011, meldte opptil 100 000 mennesker uten noen markedsføring innsats.
Et år senere var han med å grunnlegge online-læring oppstart Coursera. Mer nylig, forlot han sin høyprofilerte jobb på Baidu å starte deeplearning.ai , for en oppstart som produserer AI-kurs.
Hver gang han er i gang noe stort, om det er Coursera, Google Hjernen dybdekunnskap enhet, eller Baidu er AI lab, han har forlatt når han følte lagene han har bygget kan fortsette uten ham.
“Så kan du gå, ‘Stor. Det er blomstrende, med eller uten meg”, sier Ng, som fortsetter å lære ved Stanford mens du arbeider i det private næringsliv.
For Ng, en av hans neste utfordringer kan være å ha et barn med sin roboticist kone, Trine Reiley. “Jeg skulle ønske jeg visste hvordan barn (eller enda en hund) lærer,” Ng sier i en e-post follow-up. “Ingen av oss i dag vet hvordan du skal få datamaskiner til å lære med hastigheten og fleksibiliteten til et barn.”