被吳恩達的Landing.ai刷屏後,我們從他的8條Twitter和9大招聘崗位中看到了三個有趣細節

 2017-12-16 10:13:00.0

北京時間 12 月 14 日晚間,吳恩達宣佈自己的新公司 Landing.ai 成立,希望從製造業入手,「幫助傳統企業在 AI 時代實現轉型」。與此同時,吳恩達表示公司已經與富士康達成戰略合作關係。兩家公司從今年 7 月就開始了合作,集兩家的核心能力打造 AI 技術、人才和系統。

我們第一時間在官網與公衆號上報道了這一新聞,此消息也被各路媒體接連刷屏。而在被吳恩達的Landing.ai刷屏後,我們從 Twitter 和招聘啓示中看到了三個有趣的細節。

新聞回顧:吳恩達成立新公司 Landing.ai,幫助傳統產業掘金 AI,並宣佈與富士康合作

五個月前的「蛛絲馬跡」

有同行笑侃,吳恩達公佈 Deeplearning.ai 項目的時間也同樣是在國內晚間,這明顯是不讓國內媒體好好休息的節奏啊!玩笑歸玩笑,但吳恩達選擇在 12 月 14 日晚間宣佈這一消息,實際上在時間選擇上是做好了周全的「考慮」,而且早在 5 個月前,就已經確定了要幫助傳統產業掘金 AI 的想法。爲何這麼說?

在 Medium 博客上宣佈 Landing.ai 成立的 8 個小時之後,吳恩達以分享 MIT TR 的一篇文章爲契機,在 Twitter 上分享了一條標着序號「8」的動態。而有意思的是,這條 Twitter 是基於他先前所發佈的七條 Twitter 轉推的,時間間隔不多不少,正好五個月。

被吳恩達的Landing.ai刷屏後,我們從他的8條Twitter和9大招聘崗位中看到了三個有趣細節

今年的 7 月 15 日,吳恩達在同一天連發了七條 Twitter,並以 1-7 的順序標明瞭它們的先後順序。

被吳恩達的Landing.ai刷屏後,我們從他的8條Twitter和9大招聘崗位中看到了三個有趣細節

編譯如下:

  • 1/ 技術完善需要時間:2007 年是推出 iPhone 的好時機;但 1993 年不是(蘋果的 Newton),因爲電池/屏幕/芯片技術尚未發展到那一階段。

  • 2/ 極端例子:達•芬奇(Leonardo da Vinci,1480 年代)早在 15 世紀就提出了直升機的發明原理,但引擎相關技術直到 20 世紀才發展起來。

  • 3/ 2007 年對於自動駕駛而言也許爲時過早(DARPA Urban Challenge),因爲人工智能、傳感器等技術尚未發展成熟。從 2007 到 2015 年,自動駕駛的生態系統才逐步完善。

  • 4/ 90 年代的互聯網/網絡/視頻流,無法滿足 MOOCs 的技術支持。在 2011 年,基礎設施的進步促成了 Coursera 等教育平臺的誕生。

  • 5/ 深度學習。在 20 世紀 90 年代,由於數據/計算量的體量都較小,淺顯算法在彼時更爲流行。而從那會到 2007 年,基礎設施大家有目共睹。

  • 6/ 但是,不論是早期的發明家,或是近年來的創新者,我們都應該對所有的變革者予以致敬。他們的工作具有非常大的影響力,也使許多人受益!

  • 7/ 2017 年是一個偉大的時機,關於我的這個想法,敬請持續關注……(笑臉)

雖然第 7 條動態獲得了 630 個點贊,但在 8 月份,吳恩達宣佈了 Deeplearning.ai 的創辦,這一面向教育領域的全新課程成功轉移了大衆的注意力,人們一度覺得「吳老師」又迴歸了。而殊不知,在時隔五個月後,吳恩達才「姍姍來遲」地發佈了第 8 條動態(附上了 Landing.ai 的成立消息),他寫道:

  • 8/ 在五個月後,終於將這條時間線串聯起來。這就是我所認爲的,AI 的偉大時機所在:製造業!

實際上,吳恩達曾在 Medium 中提及,Landing.ai 已在今年 7 月便與富士康達成戰略合作關係,「集兩家的核心能力打造 AI 技術、人才和系統。」這一時間與吳恩達連發七條 Twitter 的時間重疊,加上富士康一直以來是蘋果的 OEM 代工製造商,也不難聯想,實際上在五個月前,吳恩達就確定了要往製造業發力的想法。

在前面 7 條 Twitter 中,吳恩達反覆強調的一個觀點是,應用的落地需要技術基礎的大量積累,時代的技術背景決定了製造產業能邁得多遠。而製造業作爲一個非常「重」的產業,亟待用 AI 來解決製造業目前面臨的一些挑戰,包括「改善質量管控,縮短設計週期,消除供應鏈瓶頸,減少材料和能源浪費,提高產出。」

9 大崗位開放招聘,一窺工作內容

被吳恩達的Landing.ai刷屏後,我們從他的8條Twitter和9大招聘崗位中看到了三個有趣細節

從官網的招聘消息來看,目前 Landing.ai 有九個崗位開放招聘,地點都在美國的 Palo Alto。除實習生與辦公室行政助理外,可以從其它 7 個崗位的招聘要求及職責中一窺 Landing.ai 的主要工作內容。

官網:https://www.landing.ai

軟件工程師方面包括機器學習方向與 CV 方向,前者主要是「爲現實世界的大規模問題開發和改進機器學習解決方案」,並構建迭代深度學習模型;後者將與「合作伙伴一起構建 AI /機器學習/深度學習應用程序」,主要包括對象檢測/識別和分割三個方向。鑑於目前 AI 最爲火熱的領域正是機器學習方向,而與製造業較爲相關的是計算機視覺領域,涉及這兩個方向的工程師崗位也就不足爲奇了。

此外,Landing.ai 還對外招聘全堆棧軟件工程師與入門級軟件工程師,工作內容包括:

爲我們的 AI 解決方案構建各個層次的基礎架構;

設計和構建軟件(通常是網絡)應用程序的整體架構;

爲機器學習,數據探索和分析構建軟件基礎架構;

設計和開發內部工具來幫助我們的 AI 工程師加快他們的迭代設計過程;

保持質量並確保應用程序的響應;

構建高質量的代碼庫。

也就是說,在對算法進行設計後,這兩個崗位的工程師需要爲算法提供一個可以運行的環境架構,很大程度上包括應用程序甚至是操作系統。

而機械工程師(自動化與機器人方向)的工作職責不僅需要爲技術風險評估和界面管理以及自動化和設備工程實踐方面的技術專長提供指導,還需要評估與部署 AI 解決方案的潛在硬件機會。

Landing.ai 在「培訓業務經理」的招聘介紹中指出,它們正在建設一種新型的培訓方案,使人們能夠爲未來的工作做好準備,這也與吳恩達在博客中提及的相呼應。「我們相信 AI 的崛起將導致一系列戲劇性的轉變,從根本上改變今天的許多工作。我們希望爲員工創造新的道路,以充分參與新興領域。」具體工作包括:

計劃並幫助執行培訓計劃,向員工傳授人工智能等尖端領域的工具;

您將確保培訓計劃順利進行,讓參與者實現他們的學習目標;

隨着公司發展,您將幫助開發和實施一個系統來擴展這些程序。

而戰略合作伙伴和業務發展專家的工作內容則更爲抽象,需要具備五年以上(製造業尤佳)的豐富從業經歷,最好能在戰略諮詢集團工有過工作經驗;此外,自然還需要具備人工智能的相關經驗,以便於交流 AI 解決方案。它的具體職責如下:

確定關鍵行業趨勢,揭示市場需求和可能適用於 AI 解決方案的使用案例;

與現有和未來的戰略合作伙伴(主要集中於製造業)管理和發展關係;

與關鍵的生態系統利益相關者建立聯繫;

告知、影響、支持和執行公司的優先事項;

在交錯複雜的環境中構建端到端的工作聯結;

在緊張,快節奏,高度迭代的環境中工作。

可以想象,爲了滿足 Landing.ai 的業務需求,這一崗位的工作者不僅需要擁有傳統行業的豐富工作經驗與人脈關係,更要對人工智能的落地應用有着深刻理解。

而值得一提的是,既然是要在吳恩達手下工作,Landing.ai 實習生需要完成(i)吳恩達的 Coursera 的機器學習 MOOC 的學習,並獲得完成證書,以及(ii)deeplearning.ai 在 Coursera 的深度學習課程,並獲得完成證書。實習將在 1 月下旬開始,並將開始六週的培訓,隨後將在實際項目中工作,開發用於部署的機器學習解決方案。

Landing.ai 着眼於製造業的 AI 戰略規劃

在今年 3 月離職百度後,競猜吳恩達的創業方向,一直是科技圈津津樂道的熱門話題,每次吳恩達有什麼新動態,都會引來科技界人士及媒體的關注甚至刷屏。

今年 8 月,吳恩達在博客中宣佈了他正在進行中的三個項目之一——Deeplearning.ai,這套全新的深度學習入門課程共五門課,組成了 Cousera 上的全新深度學習專業(specialization),而它的使命是爲了向全球普及深度學習知識。

吳恩達曾經在博客及公開訪談中反覆強調 AI 是新一輪電力革命,並且需要創建一個由 AI 驅動的社會。而這一觀點在今天的 Landing.ai 又得到了重申。而這一驅動力在物理世界的落地點,在吳恩達看來正是製造業。「IT 構建了一個數字化的世界;製造業觸及了我們生活中的衣食住行等各個物理世界。通過製造業,人類的創造力通過計算機的運作實驗於物理世界中。在將 AI 引入製造業的過程中,我們能夠實現物理世界的數字化轉型。」

吳恩達也強調,「只有極少數的團隊能夠很好地理解 AI 並有效地將它整合進業務中去,而在 IT 行業之外,幾乎沒有公司能夠獲得足夠的 AI 人才。」而從數據採集、管理架構設計,到如何爲項目排列優先級,要在它們當中將 AI 整合進去,其複雜性堪比 AI 技術本身。好的 AI 戰略規劃師比好的 AI 技術專家還要稀有。

因此他認爲,Landing.ai 的目的就是幫助企業克服這些挑戰,「我們正開發一系列的 AI 升級改造項目,從新技術引入,到重塑管理架構,到員工培訓等等。」

去年 7 月,麥肯錫(McKinsey)調查了美國 800 多種工作崗位的 2000 多種工作活動,分析每種活動所需的時間和技能,以及每種活動中包含的自動化成分,以此來分析哪些崗位最有可能面臨失業的危險。調查表示,在製造業中,59% 的工作活動能夠被自動化。而在能夠被自動化的製造業領域裏,90% 的工作(如焊接、切割、接鋸等)都能由機器人從事。

在博客中,吳恩達表示,人工智能引入製造業將重振美國及全球的製造業就業機會。因此,人才培訓也同樣是重要的變革組成部分。

「製造業的下一波浪潮將迥然不同。這些職位需要更復雜的職業素養,也能獲得更高的薪資,但也對新的技能提出了更高的要求。因此,員工們需要接受大規模的培訓或再培訓。」

而吳恩達也坦承,職業培訓與再培訓雖然是一件具有挑戰性的任務,但 Landing.ai 團隊具有獨到的優勢,能夠投入大量的時間與資源爲可能失業的工人提供再就業的解決方案。同時,團隊也在與政府等合作機構洽談培訓計劃。結合「吳老師」先前豐富的教育經驗,不論是爲工人們構想就業方案;或是與合作機構一起制定更爲合理的培訓內容,相信作爲 CEO 的吳恩達會在培訓業務上投入一番工夫,就像他的 deeplearning.ai 項目一樣。

從這個角度來看,吳恩達的 Landing.ai,從培訓的意義上說,也承擔着製造業的教育職責呢。

文章來源:雷鋒網