0
6月23日，离职百度92天的吴恩达公布了新项目Deeplearning.ai。关于它的新动向一直引发众人关注。
8月8日，新项目终于揭开神秘面纱——吴恩达要在网上教AI课程。该套课程一共包括五门，有神经网络、反向传播、卷积网络、循环网络以及其他深度学习相关的核心内容。课程费用为49美元/月，之后将通过Coursera提供服务。
从这个新项目被确定之后，吴恩达接受了国内外几大科技媒体的采访，也在社交媒体上发表了相关公开信，相信大家或多或少已经看过其中的一篇或者几篇。总结而言，吴恩达希望通过DeepLearning.ai实现这三个目的：
帮助大家掌握深度学习，在职业生涯中走得更远
满足一些想利用AI转型业务的大型非技术公司对AI人才的需求
和大家一起构建AI驱动型社会，提升生活质量（当然，这个目标有点宏大）
吴恩达的三个目标能实现吗？
诚然，吴恩达的出发点是非常好的，相信大家也会认同这一点（毋庸质疑，雷锋网也持这一共识不会动摇）。但是我们今天要讨论的可能更多是偏向理性那一方——通过Coursera教授深度学习系列课程能实现吴恩达做此事的初衷吗？
就此，雷锋网采访了几位行业人士。
出门问问NLP算法工程师蒋工向雷锋网表示：
「整体而言，这一项目看起来就是吴老师老本行的翻版。」
蒋工表示， AI虽然很火，但是整体数量相对普通程序员还是要小得多得多，而且职位更多的是偏向探索、研究性质的。这样对应聘人员的综合素质就要求更高。如果一个学生自学能力不高综合能力不强，就算通过网课勉强能弥补深度学习的知识，那其他方面呢？比如普通机器学习、计算机科学算法、数学、解决问题的能力等等也都是问题。
所以，那些没有自学能力的人，仅通过一门网课就能满足AI公司的人才需求么？
星河互联胡天硕也持类似观点，其认为，「吴恩达做的AI培训或许能培养深度学习工程师，但是很难培训深度学习研究员」。
学堂在线CTO管健向雷锋网表示，如果归结到「帮助大家更好就业」这一目标上来，吴恩达这一新项目的「效果肯定会有」。但是，从这五门课的具体内容，包括卷积神经网络、RNNs、LSTM、Adam、Dropout、BatchNorm、Xavier/Heinitialization等等来看，若想借其学习深度学习的系统知识，并为企业解决AI人才需求的话，这几门课还稍显单薄。在其基础上，还需具备一些数学、NLP的基础，以及深度学习在各个应用上的实践等相关内容。
社会价值大于商业价值
事实上，我们也在吴恩达的公开信里注意到这样一句话，「任何一个掌握了机器学习基础知识的人，都可以学习这五门系列课程」。所以，这在某种程度上就已经将一些毫无基础的人排除在外。DeepLearning.ai注定会是一个比较小众的课程。
在这点上，受访者也基本持相同态度。
蒋工认为，深度学习就算门槛低，各种算法细节已经很现成了，但这毕竟还是一个对人要求极高的工作：数学分析概率论估计就可以刷掉99%的人了。所以，其对吴恩达新项目的商业化持消极态度。谈及其盈利模式，蒋工称，「我现在能联想到的就是北大青鸟培训班」。
而管健认为，「吴老师说这门课研究的条件特别低，未必正确」。这门课程，除了机器学习的基础知识之外，还需要一些深度学习的基础。
胡天硕向雷锋网透露，就其之前上过吴老师的机器学习课程的经验来看，吴老师的课虽然讲得很好，但专业度也非常高。而这次深度学习系列里的第二门课《优化深度学习网络》的实战性非常强，这必然会对学习者本身的自学能力以及学习基础提出较高要求。在胡天硕看来：
「与iOS和Android工程师不同，深度学习对于线性代数，概率论等数学基础课的要求非常高，而能够学好这些科目的同学一般自学能力都不会太差，所以我认为AI培训并不是一个能够有巨大利润空间的市场，吴老师和其他的一些机构做AI培训我个人感觉社会价值大于商业价值。」
事实也是如此。吴恩达在接受媒体采访时也坦言，在公布这个项目之后，有很多投资人都找上来，但他并不打算将DeepLearning.ai做成一家创业公司，「追求商业并非我们的方向。我想斯坦福的学生乐于开源自己的软件、公开论文、分享自己的成果，这正是基础的研究精神。」
AI网课培训，靠谱吗？
管健向雷锋网透露，根据学堂在线此前做过的一项小样本的线下调查的结果来看，目前由于存在AI相关的就业和市场需求，在校大学生、研究生对AI课程培训的需求很大。
但是，要在线上做此类培训，虽然很多在线教育的平台也在做一些类似的事情，但首先人才就是一个问题。管健表示，现阶段很多老师都不具备能实时跟踪深度学习的最新进展并将其同步到课堂上的能力。
相对而言，吴恩达带领的Deeplearning.ai项目在这一块就具有先天优势。背后不仅有斯坦福大学这一学术靠山，也有吴恩达于2011年创立的Coursera在线课程的助力。据雷锋网了解，目前已有180万人参加过该平台的机器学习课程。
而在胡天硕看来，整体而言现在的AI培训课程也存在明显问题：
「目前tf，torch，keras等框架虽然降低了开发的难度，但依然不够人性化。据自身和一些一线企业的交流的经验来看，绝大多数企业目前对于深度学习模型的改变只有调整网络结构、参数和套用自己的训练数据。这意味着完全有可能出现高度可视化的工具，而不需要所谓的深度学习工程师。」
胡天硕认为，很多非技术公司想做AI转型，一大原因在于企业领导人自身对AI不太了解，所以会过分的认为AI非常厉害，而没有意识到「AI已经简单到所有企业都能做」。对这些企业而言，现阶段最缺少的不是AI工程师，而是有没有「能将深度学习做得足够好，大家能直接使用的」工具。
胡天硕给雷锋网举了个例子。拿图像处理的发展来说，最早的图像处理基于c, fortran，后来matlab出现，使用者依然不多。直到PhotoShop的出现，使用者开始大范围普及起来。而等美图秀秀出现后，就进入了全民修图时代。对用户而言，其需求不是掌握底层技术，而是P图晒朋友圈。而对企业而言，其需求则在于解决实际业务的问题。
因此，如果后续出现高度可视化的深度学习工具，这些工具只需要调参就足以解决80%的企业需求，而无需再编程序。「以后的训练不再需要深度学习工程师，而更需要懂企业需求，懂得选用模型和调参的深度学习产品经理。」胡天硕如此表示。
结语
归结而言，从几位受访者的答案来看，吴恩达的DeepLearning.ai出发点固然是好的，但现阶段还是有点理想化了。虽然目前AI网课培训确实有其市场需求，但「基础设施」依然跟不上，这是一个很大的问题。如若后期出现了能将深度学习高度可视化的工具，那必定是AI发展到一定阶段的产物。
仅从现阶段来看，DeepLearning.ai主做AI课程培训一定是有其「普及」意义的。毕竟这是「第一次有人将这种此前只面向博士在读学生的训练推广到所有人」的在线课程。从宏观意义上来说，它的存在给每一个想为构建AI驱动型社会贡献一份力量的人都打开一扇窗。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
