0
6月23日，離職百度92天的吳恩達公布了新項目Deeplearning.ai。關于它的新動向一直引發眾人關注。
8月8日，新項目終于揭開神秘面紗——吳恩達要在網上教AI課程。該套課程一共包括五門，有神經網絡、反向傳播、卷積網絡、循環網絡以及其他深度學習相關的核心內容。課程費用為49美元/月，之后將通過Coursera提供服務。
從這個新項目被確定之后，吳恩達接受了國內外幾大科技媒體的采訪，也在社交媒體上發表了相關公開信，相信大家或多或少已經看過其中的一篇或者幾篇。總結而言，吳恩達希望通過DeepLearning.ai實現這三個目的：
幫助大家掌握深度學習，在職業生涯中走得更遠
滿足一些想利用AI轉型業務的大型非技術公司對AI人才的需求
和大家一起構建AI驅動型社會，提升生活質量（當然，這個目標有點宏大）
吳恩達的三個目標能實現嗎？
誠然，吳恩達的出發點是非常好的，相信大家也會認同這一點（毋庸質疑，雷鋒網也持這一共識不會動搖）。但是我們今天要討論的可能更多是偏向理性那一方——通過Coursera教授深度學習系列課程能實現吳恩達做此事的初衷嗎？
就此，雷鋒網采訪了幾位行業人士。
出門問問NLP算法工程師蔣工向雷鋒網表示：
「整體而言，這一項目看起來就是吳老師老本行的翻版。」
蔣工表示， AI雖然很火，但是整體數量相對普通程序員還是要小得多得多，而且職位更多的是偏向探索、研究性質的。這樣對應聘人員的綜合素質就要求更高。如果一個學生自學能力不高綜合能力不強，就算通過網課勉強能彌補深度學習的知識，那其他方面呢？比如普通機器學習、計算機科學算法、數學、解決問題的能力等等也都是問題。
所以，那些沒有自學能力的人，僅通過一門網課就能滿足AI公司的人才需求么？
星河互聯胡天碩也持類似觀點，其認為，「吳恩達做的AI培訓或許能培養深度學習工程師，但是很難培訓深度學習研究員」。
學堂在線CTO管健向雷鋒網表示，如果歸結到「幫助大家更好就業」這一目標上來，吳恩達這一新項目的「效果肯定會有」。但是，從這五門課的具體內容，包括卷積神經網絡、RNNs、LSTM、Adam、Dropout、BatchNorm、Xavier/Heinitialization等等來看，若想借其學習深度學習的系統知識，并為企業解決AI人才需求的話，這幾門課還稍顯單薄。在其基礎上，還需具備一些數學、NLP的基礎，以及深度學習在各個應用上的實踐等相關內容。
社會價值大于商業價值
事實上，我們也在吳恩達的公開信里注意到這樣一句話，「任何一個掌握了機器學習基礎知識的人，都可以學習這五門系列課程」。所以，這在某種程度上就已經將一些毫無基礎的人排除在外。DeepLearning.ai注定會是一個比較小眾的課程。
在這點上，受訪者也基本持相同態度。
蔣工認為，深度學習就算門檻低，各種算法細節已經很現成了，但這畢竟還是一個對人要求極高的工作：數學分析概率論估計就可以刷掉99%的人了。所以，其對吳恩達新項目的商業化持消極態度。談及其盈利模式，蔣工稱，「我現在能聯想到的就是北大青鳥培訓班」。
而管健認為，「吳老師說這門課研究的條件特別低，未必正確」。這門課程，除了機器學習的基礎知識之外，還需要一些深度學習的基礎。
胡天碩向雷鋒網透露，就其之前上過吳老師的機器學習課程的經驗來看，吳老師的課雖然講得很好，但專業度也非常高。而這次深度學習系列里的第二門課《優化深度學習網絡》的實戰性非常強，這必然會對學習者本身的自學能力以及學習基礎提出較高要求。在胡天碩看來：
「與iOS和Android工程師不同，深度學習對于線性代數，概率論等數學基礎課的要求非常高，而能夠學好這些科目的同學一般自學能力都不會太差，所以我認為AI培訓并不是一個能夠有巨大利潤空間的市場，吳老師和其他的一些機構做AI培訓我個人感覺社會價值大于商業價值。」
事實也是如此。吳恩達在接受媒體采訪時也坦言，在公布這個項目之后，有很多投資人都找上來，但他并不打算將DeepLearning.ai做成一家創業公司，「追求商業并非我們的方向。我想斯坦福的學生樂于開源自己的軟件、公開論文、分享自己的成果，這正是基礎的研究精神。」
AI網課培訓，靠譜嗎？
管健向雷鋒網透露，根據學堂在線此前做過的一項小樣本的線下調查的結果來看，目前由于存在AI相關的就業和市場需求，在校大學生、研究生對AI課程培訓的需求很大。
但是，要在線上做此類培訓，雖然很多在線教育的平臺也在做一些類似的事情，但首先人才就是一個問題。管健表示，現階段很多老師都不具備能實時跟蹤深度學習的最新進展并將其同步到課堂上的能力。
相對而言，吳恩達帶領的Deeplearning.ai項目在這一塊就具有先天優勢。背后不僅有斯坦福大學這一學術靠山，也有吳恩達于2011年創立的Coursera在線課程的助力。據雷鋒網了解，目前已有180萬人參加過該平臺的機器學習課程。
而在胡天碩看來，整體而言現在的AI培訓課程也存在明顯問題：
「目前tf，torch，keras等框架雖然降低了開發的難度，但依然不夠人性化。據自身和一些一線企業的交流的經驗來看，絕大多數企業目前對于深度學習模型的改變只有調整網絡結構、參數和套用自己的訓練數據。這意味著完全有可能出現高度可視化的工具，而不需要所謂的深度學習工程師。」
胡天碩認為，很多非技術公司想做AI轉型，一大原因在于企業領導人自身對AI不太了解，所以會過分的認為AI非常厲害，而沒有意識到「AI已經簡單到所有企業都能做」。對這些企業而言，現階段最缺少的不是AI工程師，而是有沒有「能將深度學習做得足夠好，大家能直接使用的」工具。
胡天碩給雷鋒網舉了個例子。拿圖像處理的發展來說，最早的圖像處理基于c, fortran，后來matlab出現，使用者依然不多。直到PhotoShop的出現，使用者開始大范圍普及起來。而等美圖秀秀出現后，就進入了全民修圖時代。對用戶而言，其需求不是掌握底層技術，而是P圖曬朋友圈。而對企業而言，其需求則在于解決實際業務的問題。
因此，如果后續出現高度可視化的深度學習工具，這些工具只需要調參就足以解決80%的企業需求，而無需再編程序。「以后的訓練不再需要深度學習工程師，而更需要懂企業需求，懂得選用模型和調參的深度學習產品經理。」胡天碩如此表示。
結語
歸結而言，從幾位受訪者的答案來看，吳恩達的DeepLearning.ai出發點固然是好的，但現階段還是有點理想化了。雖然目前AI網課培訓確實有其市場需求，但「基礎設施」依然跟不上，這是一個很大的問題。如若后期出現了能將深度學習高度可視化的工具，那必定是AI發展到一定階段的產物。
僅從現階段來看，DeepLearning.ai主做AI課程培訓一定是有其「普及」意義的。畢竟這是「第一次有人將這種此前只面向博士在讀學生的訓練推廣到所有人」的在線課程。從宏觀意義上來說，它的存在給每一個想為構建AI驅動型社會貢獻一份力量的人都打開一扇窗。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
