他1976年出生在英国伦敦，16岁时从新加坡著名的莱佛士书院毕业。在美国一路从卡内基梅隆大学、麻省理工学院和加州大学伯克利分校获得学士、硕士和博士学位后，2002年，吴恩达进入斯坦福大学工作，担任斯坦福人工智能实验室的主任。他开设的机器学习课程，创下了选课人数的火爆纪录。

　　“AI人才缺口巨大，很长时间内都无法填补。”这是吴恩达对人工智能教育的基本判断。他给出的解决方法是网络课堂，并参与创始了著名的线上学习平台coursera。而他本人的斯坦福机器学习课程在coursera上长期位列热门榜单，六年多来注册学生数以百万计。

　　2011年，吴恩达进入谷歌大脑团队。很多人当时对神经网络技术新存疑虑，他便从语音和地图这两个较小的项目做起，逐渐证明了AI的赋能价值，然后才得以接触广告部门这样的核心业务。2012年，吴恩达团队训练一个拥有10亿多个突触连接的神经网络识别出了猫的图像。这个瞬间将永久定格在深度学习的历史上。

　　目前，吴恩达的主要精力都放在了他创始的Landing.ai公司上，用他的亲身经验和专业化团队帮助企业的AI转型。“我相信，我可以让更多伟大的公司变成伟大的AI公司。”他说。此外，他还成立了专注教育的deeplearning.ai、从事投资的AI fund，并担任自动驾驶公司Drive.ai的董事。这些名字里都带AI的企业，构成吴恩达的“AI宇宙”，互有支持和帮助。

　　天花乱坠的噱头也是个问题。吴恩达觉得在狭义AI的蓬勃进展下，有些大众情绪需要纠正，尤其是对通用AI、类人AI甚至危险AI、邪恶AI的过度宣传。“坦白来讲，我个人没看到通用AI有很大进展，我希望有一天会有，但那可能是数十年，乃至数百年后了。”

　　吴恩达：教学的本质是让别人、让学生成功。有课的早上，我一醒来就只想着一件事：我要如何说、如何做才能帮助学生们成功？有时候我在中国、美国遇到教过的学生，得知他们听过我的课之后，职业生涯出现了新变化、新纪录、新提升，这很是鼓舞我。我也很感激数百万学生的努力和时间。说到底，教不如学重要。

　　AI正在改变如此多的行业，AI人才缺口巨大，很长时间内都无法填补。幸运的是，深度学习的兴起让AI变得前所未有地易上手。比如说，如果你想进入计算机视觉领域，现在比十年前容易多了，因为现在的算法简单多了，也更依赖数据。 我想现在是人们进入AI的黄金时代。不过，现在网上好的课程内容还不是很多，这是个挑战。正因如此，我才自豪地通过deeplearning.ai和coursera，为许多人提供在AI领域立业所需的教育。

　　吴恩达：中国和中国高校在AI教育和其他方面的投入令人激动。AI老师，多多益善。我从斯坦福了解到一件事：即使斯坦福也没有足够的AI教授。因此，我在斯坦福的深度学习课程是以“翻转课堂”的形势开展的。所谓翻转课堂，指的是学生接受视频教学，在家完成作业，再带到教室讨论。通过翻转课堂，我在斯坦福一年能教授三次，而非一次深度学习课程。学生们的体验也很好。我希望中国的教学机构也更多地采取这种模式。

　　吴恩达：不管是对正在学习AI的年轻学生，还是已经拿到文凭的人，我都会说，放手向前吧！AI的需求缺口很大，你们有很多机会去做有意义的事，改变行业，帮助传统公司转型，成立新的公司，等等等等。AI技术太年轻了，有价值的机会太多，因为实在找不到那么多人去做。这种情况将持续很长一段时间。因此，不管是对AI新人，还是AI老人，我都要说，放手向前吧。现在有高校课程，也有cousera、deeplearning.ai、网易云课堂这样的线上课程，上手AI前所未有地容易。我希望每个人都这么想。

　　吴恩达：AI领域的成功需要勤奋和持续学习的能力。这是因为，AI技术仍在日新月异地发展。网络课程能打下良好基础，但也要坚持阅读论文，跟上最新的研究进度。但我觉得网络课程确实是打下AI良好基础的最省时方法。另一个趋势是越来越多的公司利用网络课程培训员工，AI人才再多也不够。我认为，企业应该更多地创造AI人才，而非仅仅聘用人才。有了线上的电子内容，CEO和首席学习官们就可以更方面、更高效地培养成千上万的工程师。

　　吴恩达：斯坦福、谷歌、百度……这些角色我都很喜欢。我很幸运地在不同的地方学到了不同的课程，希望我学到的课程也能帮到其他人。我来举个例子。早期领导谷歌大脑的时候，神经网络并不是一项广泛被接受的技术，很多人心存疑虑。我的第一个客户是谷歌的语音团队，把这个项目做成了，我们团队从中获取了动力。现在很多CEO可以学习下这一点：你上手的第一个AI项目不一定得是最大、最重要、最吸金的。我们在语音团队的成功吸引到了第二个客户，谷歌地图。在谷歌地图也成功了之后，我才开始接触广告部门。因此，AI不一定要从最大的项目起步，更重要的是，用一两个成功的项目来赢得信任和动力。我们现在的landing.ai也是这么做的。

　　吴恩达：AI的发展同时受到斯坦福等高校和企业推动，当然也有政府和研究机构的参与。这些角色都很重要。我觉得，现在AI找到了越来越多的应用场景，那些对学界和产业界都很熟悉的人是很重要的。快速的思想交流会帮助发展AI。研究人员会遇到的一个问题是，在每个研究项目上都有五十个方向可以做、五十个点子可以尝试。比如我们做语音识别的时候，可以改善准确率、延时或内存占量、噪音识别等等，我们总是有那么多点子，而且可能每一个都值得去做。因此，让应用场景来推动研究，有时候能让研究人员集中到若干个重要的方向。

　　澎湃新闻：您百度离职后宣布了landing.ai、AI fund、deeplearning.ai等项目。这些项目的出发点是什么？您昨天（9月17日）在世界人工智能大会上也说，AI项目要避免和大企业竞争，但一定要有自己的长处和特色？这些项目的长处和特色是什么？

　　我们的ai系列公司中，还有AI fund负责投资初创企业，而deeplearning.ai则是一个教育系统。我想要帮助尽可能多的人们进入AI，参与这项重要的事业。除此之外，我继续担任coursera的联合主席和drive.ai的董事。我的团队正在组建一个生态系统，其中的AI企业可以互相帮助和支持。一些项目也会和中国企业产生互动。

　　吴恩达：landing.ai在制造业和农业上做了很多工作，也在认真地考虑医疗方向。公司在中、韩、日、德等国家都有合作。从全球来讲，AI需求很大。如果你能接下一个传统企业，把它变成好的AI企业，这能帮到很多人，也有望产生大量价值。但建立一个AI企业并不容易。

　　首先，要建立起AI团队；其次，要选择有所为，有所不为；最后，还要把AI融合进公司的整体战略。每一步都非常非常艰难。我们的伙伴企业已经很有价值了，我希望landing.ai的经验和专业性能AI让它们变得更有价值。坦白来讲，我们团队的BD（商业发展）部门比较小，但小小的BD部门就已经让工程部门累死了，因为赋能需要做的工作实在太多了。

　　我觉得我在谷歌和百度做的事很有意义，帮助了企业，也帮到了很多人。我们喜欢和有远见的管理层合作，接下一个已经很好的企业，转型成一个很好的AI企业。这很难，通常需要强力而有远见的CEO。但一旦找到了这样的好伙伴，我们就能创造很多价值，帮助企业更有效率。

　　吴恩达：尽管AI正在很多行业创造巨大的价值，但自动化也会带来一部分失业。幸运的是，我不认为人们会失去所有的工作，还有很多新的岗位要做。美国缺机械师，中国缺医护人员，中美都缺教师。因此，不是说人们没活干了。一些工作消失了，另一些新的工作以更快的速度诞生了。我能想到的最好的解药就是教育。我们有责任让那些工作被AI替代的人们得到必要的教育，以找到新工作。我也看到越来越多国家承担起这个责任，为被AI替代的工人们提供经济和或其他方面的支持，以得到必要的教育，不断找到有意义的工作。

　　吴恩达：AI在世界范围内发展得很快，但还没有一个国家拥有成熟的AI生态系统。因此，各个国家都有很大的机会。我觉得目前北京和硅谷有相对最成熟的AI生态，但也不是完全成熟。在未来的五年内，应该会完善很多。今天的AI才刚刚起步，这意味着，各个国家和城市在教育、PPP和培训上都有很大的投入空间，方能迎来AI的明天。

　　吴恩达：我们现在有两种类型的AI，一种是狭义AI，这种AI能在一件事上做得特别好，比如自动驾驶、工厂里的视频监督、互联网公司的网络广告。狭义AI改变了很多行业，正在创造非凡的价值。还有一种概念叫通用AI（GI），它或许未来能做一个人的所有事。我们在狭义AI领域看到了巨大的进展，但有个问题是，狭义AI和通用AI混为一谈，有些人就会想，通用AI也有进展了。坦白来讲，我个人没看到通用AI有很大进展，我希望有一天会有，但那可能是数十年，乃至数百年后了。AI很难预测，但我还是很乐观的，我觉得狭义AI就能造福很多人了。

　　吴恩达：AI领域有过几次起落，也经历过几个寒冬，天花乱坠的宣传遗落一地的失望。我觉得不会再来一次AI寒冬了。和之前不同的是，现在整个经济基础都非常支持AI。我亲眼所见AI成为了经济引擎，带动巨额利润。这反过来又吸引大量投资注入AI。我认为大企业也是个支持，它们对AI很有动力。实话说，现在比起半年前，有更多人在AI领域创造价值，半年前则比一年前更多。因此，现在的AI落地建立在非常坚实的发展势头上，这点不会改变。但我觉得现在有些过度宣传通用AI，希望关于通用AI、类人AI甚至是危险AI、邪恶AI的大众情绪能得到纠正。(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)