IT干货 | 吴恩达带你了解AI世界

大牛们

随着AI的火热，以及大量学者涌入企业的潮流，AI学术界大牛也慢慢走近人们的视野。

Geoffrey Hinton, 这位在英国出生的加拿大籍认知心理学家和计算机科学家，我们很难用几句话总结这个拥有非凡思想的人的一生。三十年前， Hinton 已经开始研究 deep learning, 同时共同提出了 Boltzmann machines, back propagation, 以及 contrastive divergence. 但是直到计算机运算能力可满足深度学习后，Hinton 才在学术界得到广泛的认可。 2013年，随着他创立的 DNNResearch 被 Google 收购， Geoffrey 正式加入 Google 并开始致力于 Google “Brain” 神经网络项目。 他的加入也大幅度的提高了 Google 图像识别和 Android 音频识别能力。

Michael I Jordan目前是加州大学伯克利分校的教授，曾就任于麻省理工学院。他在大学中教授 Statistics, Electrical Engineering，和 Computer Science，这也正是他的研究领域。他推动了贝叶斯网络在机器学习中的普及与使用，并被学者们视为是将统计学和机器学习学科融合的主要思想家之一。作为AAAI，ACM，ASA，CSS，IEEE，IMS，ISBA和SIAM的重要成员，他的研究生和博士后学生也深深影响了机器学习的世界，其中就包括 Andrew Ng。

Andrew Ng (吴恩达) ，在人工智能业界内可以说是公认的大师，在 2010 年就加入谷歌公司，并领导谷歌的顶级工程机合作研发建立全球最大的 “神经网络” —— 谷歌大脑。同时他本身是斯坦福大学计算机科学系和电子工程系的副教授，也是在线教育平台 Coursera 的创始人之一，所以在学术界和教育界内也有极大的影响力。

斯坦福人工智能实验室的主任，并担任百度首席科学家。他曾发表了超过100篇关于机器学习和人工智能的文章。2011年， Ng创立了Google“大脑”项目，并在2014年加入百度，负责百度 “大脑” 计划（预计在完成后将成为世界上最大的神经网络）。

直到九十年代，Hawkin的名字主要与Palm Pilot（PDA）联系在一起，因为他就是掌上电脑的发明者。 2002年，他致力于神经科学和人类学习过程的研究，并围绕人类皮层功能，建立了红木中心理论神经科学。 2005年，他发表了一篇关于脑的记忆预测框架理论的开创性文章，题为“On Intelligence: How a New Understanding of the Brain will Lead to the Creation of Truly Intelligent Machines”。 在同一年，霍金斯和 Palm Pilot 的前CEO 共同创立了Numenta，专注研究解释大脑功能的理论，并开发算法实现大脑功能。

LeCun对卷积神经网络 (convulutional neural networks) 的研究和发展，尤其是在图像识别领域，做出了重要贡献。在80年代末和90年代初期，LeCun 大部分时间在AT＆T以研究员的身份工作，后来作为图像处理研究部主任，参与开发了压缩技术DjVu。2003年，他加入纽约大学计算机科学神经科学担任教授教授，并成为Facebook人工智能实验室的负责人。

Daphne Koller是斯坦福大学计算机科学教授。她在18岁时就在耶路撒冷的希伯来大学完成了硕士课程。后来成为麦克阿瑟奖学金获得者，国家工程学院的成员和美国艺术与科学院院士。她的研究方向主要侧重于推论，学习和决策，近期也涉足于计算机视觉和计算生物学领域。同时她也是Coursera的联合创始人之一。

Thrun是Google副总裁兼研究员，Udacity的首席执行官，和斯坦福计算机科学系的兼职研究教授。 Thrun主要以他在机器人领域的成就而闻名。 他领导了汽车自主研发品牌 Stanley 赢得了2005年的DARPA大挑战赛。 Thrun和团队为Stanley开发的软件，旨在分析传感器数据并为导航提供决策。他目前正在领导Google的自动驾驶汽车项目。

创业公司

这里我们搜索并整理了几个国外最前，沿基于机器学习和人工智能的公司，欢迎大家补充！

计算机视觉：

Clarifai，这个成立于2013年的现代科技公司，提供先进的图像识别技术，可以在任何图像中识别不同种类的对象和标签。Clarifai的核心技术是高性能深度学习API，并基于此搭建了新一代智能应用程序。服务涉猎包括广告，电子商务，审核和过滤和管理等方面。

简单来说，输入一个宇航员的照片， clarifai 就可以很快的找到图像中的特征与标签， 例如 ‘astronaut’, ‘technolegy’ 等等。 对于企业来说， 图像识别技术可以帮助公司更好的进行资源分类， 在数据库中进行图形搜索， 提高企业品牌辨识度等等。

Stephen Neish，Sighthound CEO 说：‘之所以成立sighthound, 是因为现在得视频识别软件还不够智能。‘

Sighthound使用计算机视觉技术来区分人和物体。通过使用高级算法分析视频流以检测，跟踪和识别人员和对象。智能监控摄像就是视频识别在生活中的应用之一， 嵌入视频是别的监控摄像将在实时监控的同时识别人物及活动并及时发布危险预警。

Smart Eye 是目前在汽车，航空和航天研究制造业眼部跟踪解决方案的全球领导者。 该公司制造的Pro系统，通过对红外线摄像机拍摄的人的脸部的映像进行实时分析，将视线方向，眼睑的开合，瞳孔直径，头部运动定量化，从而监控驾驶员的驾驶状态。众多一线汽车品牌，例如奔驰，宝马，奥迪，捷豹等。同时美国航空航天局(NASA)也是smart eye的重要客户之一。

PointGrab开发了一种为家用电器和消费电子产品提供智能和直观控制的计算机视觉技术。 PointGrab的软件让用户可以使用手势和移动来操作电视，PC, 平板电脑和智能手机。

Cruise 开发的高速公路自动驾驶系统利用传感器和先进的机器视觉技术保持汽车，车道，和前面的汽车之间的安全距离。搭载着 Cruise 系统的车辆如今已经行驶在美国加州，亚利桑那州和密歇根州的道路上。

LettuceBot 是 Blue River Technology 开发的精密‘稀疏’系统。通过计算机视觉技术，耕作机器可以准确地定位每一株农作物，然后通过对历史数据以及图像的分析决定如何对该株植物进行浇灌，从而使植物提高产量，最终从同一英亩耕地中获得更多的产量与价值。

计算机听觉：

Capio 的语境感知系统是基于卡内基梅陇大学深度学习ASR引擎开发的， Capio 可以在嘈杂的环境中进行语音识别。 同时，凭借GPU强大的核心并行计算能力，该公司产品可以更快的转录音频和处理信息。语音识别的已经被广泛应用到产品当中， 例如语音生物识别，客户服务中心等。

讲电话录音转化为生产力。Clover Intelligence 通过分析客户所提供的销售团队的电话数据，找到该数据与绩效高度拟合的特征，从而帮助公司建立绩效特种模型和了解对销售团队成功率影响最大的因素是什么。从而，公司管理层可里通过电话记录跟踪团队的工作进度等等。

将交谈转化为价值数据。 GridSpace 是智能对话分析的领先平台。 在公司中，客户和员工的对话中总会有许多有意义的信息，而这些细节其实是可以推动业务发展。 GridSpace 可以将实时的与客户交流数据转化为有用的数据和服务指标， 让公司更加了解客户的需要求，并帮助公司得到更多回报。

用语音控制物联网。根据 MindMeld 统计， 大约60%的智能手机用户使用语音支持和语音搜索功能，并且他们也希望用语音控制更多的家用电器和设备。 MindMeld的开发的语音交互平台不仅可以让人们通过语音进行家电物联网操纵，智能设备信息搜索等等，还可以为公司和企业的应用和设备添加语音界面，和提供客户需求的问答服务。

当然除了在 computer vision 和 speech recognition 领域之外， machine learning 和 AI 技术也在其他许多领域创造着价值和财富。 比如致力于分析市场数据的 DataFox 和 Enigma; 专注于传感器的 Alluvium 和 Planet OS; 以及公共安全领域的 Cylance 和 Demisto。 甚至农业，医疗以及材料领域都将这些技术付诸于实践，提高企业效益。2015年末，Google 开源了他们的大脑 TensorFlow Library, 这个部署在 Google Search, Google Voice Search, Google Photos, Google Maps, Google Street View, Google Translate, 和 Youtube 的软件库，给研究人员和企业提供了一个强大的应用工具， 我们也有理由期待更多改变生活的研究和产品的诞生。

新闻资讯

https://hbr.org/topic/technology

Harvard Business Review 对于UQ学商科的同学们应该是再熟悉不过了。 而在 Technology 板块，Harvard Business Review 也收录了许多关于人工智能与机器学习应用方面出现的新问题和新视角。 例如这两篇文章，“What It Will Take for Us to Trust AI” - Guru Banavar 剖析了人工智能将为人类社会带来的得与失；“How to Tell If Machine Learning Can Solve Your Business Problem” - Anastassia Fedyk 解读了如何将机器学习与企业更好地结合。

不仅如此，读者们还有机会了解 Uber 是如何用 Disruptive Innovation 的策略称霸出租车市场，以及 Spotify 的 Streaming 成功之道。

https://aiexperiments.withgoogle.com/

A.I. Experiments, 收录了许多和机器学习相关的小实验。 正如网站上所说的 ”Explore machine learning by playing with pictures, language, music, code, and more.“，大部分的小实验是关于将机器学习算法应用在图像识别，文字识别，语言识别和音乐识别上。 大家不光可以自己下载来体验，了解程序背后的算法，更可以上传自己的小实验分享给更多志同道合的人。

https://www.reddit.com/r/artificial/

https://www.reddit.com/r/singularity/

说到 Reddit, 大家肯定很熟悉。 但是大家有没有探索过 artificial 和 singularity 板块呢？ Reddit 整合网络上和人工智能有关的文章，并为之排名。在这里你能找到当下领域内大神们正在讨论的热门内容。

https://www.oreilly.com/topics/ai

O'Reilly Media, 这个曾经出版了无数关于编程语言和架构的经典书籍的公司，相信大家一定也不陌生。 其实他们的网上资源也十分丰富，富有价值。 网站中的 ai 模块收录了许多关于构建机器智能解决方案的最新见解，想法和工具的文章。除此之外，网站中还有许多其他领域的资源， 例如 Business, Data, Design, Economy, Software Architecture, Software Engineering, 和 Web Programming 供你探索。

https://medium.com/tag/artificial-intelligence/latest

Medium是由Twitter联合创始人Evan Williams在2012年8月推出的在线出版平台。 Medium 是现代社会新闻平台的一个成功案例例子，拥有业余和专业人士的出版物。这里的文章更自由，更新鲜，并让读者有机会和作者进行更多的交流。 在人工智能板块， 你可以找到世界各个角落大神的最新文章，并把自己的想法表达出来。

网络上的信息平台数不胜数，笔者在此为大家详细介绍了以上几个网站，希望给大家带来帮助，探索更多新鲜知识。