投递人 itwriter 发布于 2017-12-16 23:35 原文链接 « »

  12 月 14 日晚间,吴恩达宣布自己的新公司 Landing.ai 成立,希望从制造业入手,「帮助传统企业在 AI 时代实现转型」。与此同时,吴恩达表示公司已经与富士康达成战略合作关系。两家公司从今年 7 月就开始了合作,集两家的核心能力打造 AI 技术、人才和系统。

  雷锋网第一时间在官网与公众号上报道了这一新闻,此消息也被各路媒体接连刷屏。而在被吴恩达的 Landing.ai 刷屏后,雷锋网 AI 科技评论从 Twitter 和招聘启示中看到了三个有趣的细节。

  五个月前的「蛛丝马迹」

  有同行笑侃,吴恩达公布 Deeplearning.ai 项目的时间也同样是在国内晚间,这明显是不让国内媒体好好休息的节奏啊!玩笑归玩笑,但吴恩达选择在 12 月 14 日晚间宣布这一消息,实际上在时间选择上是做好了周全的「考虑」,而且早在 5 个月前,就已经确定了要帮助传统产业掘金 AI 的想法。为何这么说?

  在 Medium 博客上宣布 Landing.ai 成立的 8 个小时之后,吴恩达以分享 MIT TR 的一篇文章为契机,在 Twitter 上分享了一条标着序号「8」的动态。而有意思的是,这条 Twitter 是基于他先前所发布的七条 Twitter 转推的,时间间隔不多不少,正好五个月。

被吴恩达的 Landing.ai 刷屏后,我们从他的 8 条 Twitter 和 9 大招聘岗位中看到了三个有趣细节

  今年的 7 月 15 日,吴恩达在同一天连发了七条 Twitter,并以 1-7 的顺序标明了它们的先后顺序。

被吴恩达的 Landing.ai 刷屏后,我们从他的 8 条 Twitter 和 9 大招聘岗位中看到了三个有趣细节

  AI 科技评论编译如下:

1/ 技术完善需要时间:2007 年是推出 iPhone 的好时机;但 1993 年不是(苹果的 Newton),因为电池/屏幕/芯片技术尚未发展到那一阶段。
2/ 极端例子:达·芬奇(Leonardo da Vinci,1480 年代)早在 15 世纪就提出了直升机的发明原理,但引擎相关技术直到 20 世纪才发展起来。
3/ 2007 年对于自动驾驶而言也许为时过早(DARPA Urban Challenge),因为人工智能、传感器等技术尚未发展成熟。从 2007 到 2015 年,自动驾驶的生态系统才逐步完善。
4/ 90 年代的互联网/网络/视频流,无法满足 MOOCs 的技术支持。在 2011 年,基础设施的进步促成了 Coursera 等教育平台的诞生。
5/ 深度学习。在 20 世纪 90 年代,由于数据/计算量的体量都较小,浅显算法在彼时更为流行。而从那会到 2007 年,基础设施大家有目共睹。
6/ 但是,不论是早期的发明家,或是近年来的创新者,我们都应该对所有的变革者予以致敬。他们的工作具有非常大的影响力,也使许多人受益!
7/ 2017 年是一个伟大的时机,关于我的这个想法,敬请持续关注……(笑脸)

  虽然第 7 条动态获得了 630 个点赞,但在 8 月份,吴恩达宣布了 Deeplearning.ai 的创办,这一面向教育领域的全新课程成功转移了大众的注意力,人们一度觉得「吴老师」又回归了。而殊不知,在时隔五个月后,吴恩达才「姗姗来迟」地发布了第 8 条动态(附上了 Landing.ai 的成立消息),他写道:

8/ 在五个月后,终于将这条时间线串联起来。这就是我所认为的,AI 的伟大时机所在:制造业!

  实际上,吴恩达曾在 Medium 中提及,Landing.ai 已在今年 7 月便与富士康达成战略合作关系,「集两家的核心能力打造 AI 技术、人才和系统。」这一时间与吴恩达连发七条 Twitter 的时间重叠,加上富士康一直以来是苹果的 OEM 代工制造商,也不难联想,实际上在五个月前,吴恩达就确定了要往制造业发力的想法。

  在前面 7 条 Twitter 中,吴恩达反复强调的一个观点是,应用的落地需要技术基础的大量积累,时代的技术背景决定了制造产业能迈得多远。而制造业作为一个非常「重」的产业,亟待用 AI 来解决制造业目前面临的一些挑战,包括「改善质量管控,缩短设计周期,消除供应链瓶颈,减少材料和能源浪费,提高产出。」

  9 大岗位开放招聘,一窥工作内容

被吴恩达的 Landing.ai 刷屏后,我们从他的 8 条 Twitter 和 9 大招聘岗位中看到了三个有趣细节

  从官网的招聘消息来看,目前 Landing.ai 有九个岗位开放招聘,地点都在美国的 Palo Alto。除实习生与办公室行政助理外,可以从其它 7 个岗位的招聘要求及职责中一窥 Landing.ai 的主要工作内容。

  官网:https://www.landing.ai

  软件工程师方面包括机器学习方向与 CV 方向,前者主要是「为现实世界的大规模问题开发和改进机器学习解决方案」,并构建迭代深度学习模型;后者将与「合作伙伴一起构建 AI /机器学习/深度学习应用程序」,主要包括对象检测/识别和分割三个方向。鉴于目前 AI 最为火热的领域正是机器学习方向,而与制造业较为相关的是计算机视觉领域,涉及这两个方向的工程师岗位也就不足为奇了。

  此外,Landing.ai 还对外招聘全堆栈软件工程师与入门级软件工程师,工作内容包括:

为我们的 AI 解决方案构建各个层次的基础架构;

设计和构建软件(通常是网络)应用程序的整体架构;

为机器学习,数据探索和分析构建软件基础架构;

设计和开发内部工具来帮助我们的 AI 工程师加快他们的迭代设计过程;

保持质量并确保应用程序的响应;

构建高质量的代码库。

  也就是说,在对算法进行设计后,这两个岗位的工程师需要为算法提供一个可以运行的环境架构,很大程度上包括应用程序甚至是操作系统。

  而机械工程师(自动化与机器人方向)的工作职责不仅需要为技术风险评估和界面管理以及自动化和设备工程实践方面的技术专长提供指导,还需要评估与部署 AI 解决方案的潜在硬件机会。

  Landing.ai 在「培训业务经理」的招聘介绍中指出,它们正在建设一种新型的培训方案,使人们能够为未来的工作做好准备,这也与吴恩达在博客中提及的相呼应。「我们相信 AI 的崛起将导致一系列戏剧性的转变,从根本上改变今天的许多工作。我们希望为员工创造新的道路,以充分参与新兴领域。」具体工作包括:

计划并帮助执行培训计划,向员工传授人工智能等尖端领域的工具;

您将确保培训计划顺利进行,让参与者实现他们的学习目标;

随着公司发展,您将帮助开发和实施一个系统来扩展这些程序。

  而战略合作伙伴和业务发展专家的工作内容则更为抽象,需要具备五年以上(制造业尤佳)的丰富从业经历,最好能在战略咨询集团工有过工作经验;此外,自然还需要具备人工智能的相关经验,以便于交流 AI 解决方案。它的具体职责如下:

确定关键行业趋势,揭示市场需求和可能适用于 AI 解决方案的使用案例;

与现有和未来的战略合作伙伴(主要集中于制造业)管理和发展关系;

与关键的生态系统利益相关者建立联系;

告知、影响、支持和执行公司的优先事项;

在交错复杂的环境中构建端到端的工作联结;

在紧张,快节奏,高度迭代的环境中工作。

  可以想象,为了满足 Landing.ai 的业务需求,这一岗位的工作者不仅需要拥有传统行业的丰富工作经验与人脉关系,更要对人工智能的落地应用有着深刻理解。

  而值得一提的是,既然是要在吴恩达手下工作,Landing.ai 实习生需要完成(i)吴恩达的 Coursera 的机器学习 MOOC 的学习,并获得完成证书,以及(ii)deeplearning.ai 在 Coursera 的深度学习课程,并获得完成证书。实习将在 1 月下旬开始,并将开始六周的培训,随后将在实际项目中工作,开发用于部署的机器学习解决方案。

  Landing.ai 着眼于制造业的 AI 战略规划

  在今年 3 月离职百度后,竞猜吴恩达的创业方向,一直是科技圈津津乐道的热门话题,每次吴恩达有什么新动态,都会引来科技界人士及媒体的关注甚至刷屏。

  今年 8 月,吴恩达在博客中宣布了他正在进行中的三个项目之一——Deeplearning.ai,这套全新的深度学习入门课程共五门课,组成了 Cousera 上的全新深度学习专业(specialization),而它的使命是为了向全球普及深度学习知识。

  吴恩达曾经在博客及公开访谈中反复强调 AI 是新一轮电力革命,并且需要创建一个由 AI 驱动的社会。而这一观点在今天的 Landing.ai 又得到了重申。而这一驱动力在物理世界的落地点,在吴恩达看来正是制造业。「IT 构建了一个数字化的世界;制造业触及了我们生活中的衣食住行等各个物理世界。通过制造业,人类的创造力通过计算机的运作实验于物理世界中。在将 AI 引入制造业的过程中,我们能够实现物理世界的数字化转型。」

  吴恩达也强调,「只有极少数的团队能够很好地理解 AI 并有效地将它整合进业务中去,而在 IT 行业之外,几乎没有公司能够获得足够的 AI 人才。」而从数据采集、管理架构设计,到如何为项目排列优先级,要在它们当中将 AI 整合进去,其复杂性堪比 AI 技术本身。好的 AI 战略规划师比好的 AI 技术专家还要稀有。

  因此他认为,Landing.ai 的目的就是帮助企业克服这些挑战,「我们正开发一系列的 AI 升级改造项目,从新技术引入,到重塑管理架构,到员工培训等等。」

  去年 7 月,麦肯锡(McKinsey)调查了美国 800 多种工作岗位的 2000 多种工作活动,分析每种活动所需的时间和技能,以及每种活动中包含的自动化成分,以此来分析哪些岗位最有可能面临失业的危险。调查表示,在制造业中,59% 的工作活动能够被自动化。而在能够被自动化的制造业领域里,90% 的工作(如焊接、切割、接锯等)都能由机器人从事。

  在博客中,吴恩达表示,人工智能引入制造业将重振美国及全球的制造业就业机会。因此,人才培训也同样是重要的变革组成部分。

  「制造业的下一波浪潮将迥然不同。这些职位需要更复杂的职业素养,也能获得更高的薪资,但也对新的技能提出了更高的要求。因此,员工们需要接受大规模的培训或再培训。」

  而吴恩达也坦承,职业培训与再培训虽然是一件具有挑战性的任务,但 Landing.ai 团队具有独到的优势,能够投入大量的时间与资源为可能失业的工人提供再就业的解决方案。同时,团队也在与政府等合作机构洽谈培训计划。结合「吴老师」先前丰富的教育经验,不论是为工人们构想就业方案;或是与合作机构一起制定更为合理的培训内容,相信作为 CEO 的吴恩达会在培训业务上投入一番工夫,就像他的 deeplearning.ai 项目一样。

  从这个角度来看,吴恩达的 Landing.ai,从培训的意义上说,也承担着制造业的教育职责呢。

24小时阅读排行

    最新新闻

      相关新闻