此前，优达学城 (Udacity) 的联合创始人兼总裁 @Sebastian Thrun （特龙教授）第一次用这么即时的方式，和中国网友进行零距离交流。知乎 Live - 预测未来，人工智能如何改变世界？为了让更多朋友可以了解、回顾这次交流的内容，我们翻译、整理了Live的精华部分。翻译：GraceG、Ivy、chenwei、Shiny Zhu、IrisAI，也就是人工智能，是现在硅谷最火的话题之一。事实上，就在今天早上，我刚和滴滴出行的 CTO 张博一起吃完早饭，他们非常急切地在寻找人工智能、机器学习、无人驾驶车领域内的新人才。人工智能的目标，就是要让机器像人类一样聪明，甚至比人类聪明。 从历史的角度来看，大约300年前，人类发明了蒸汽机和农业设备，这些机器在物理层面上超越了人类的能力。 而 AI 要做的，是让机器从智力层面上，也要超越我们人类。 机器也可以变得很聪明，他们可以玩游戏，可以开车，可以开飞机，还有很多它们能做到的事情。而目前最有趣的人工智能相关领域，就是机器学习。机器学习，是指机器从经验中学习的能力。同样，让我们对比着来看。当你为一台电脑编程时，你会事无巨细地告诉电脑在任何一种可能的情境下，需要做什么样的反应。现在的电脑程序，通常会有成千上万行代码，因为有成千上万种情况需要它们去处理。而一个程序员，需要足够聪明，可以预测到所有可能的情况，从而避免你的电脑崩溃。这也是为什么软件工程师的薪水都那么高。在机器学习时代，机器不再需要被一条一条的灌输指令，它们也可以被“教育”，就像人类的小孩获得的教育一样。我们教小朋友时，不是一行一行地把所有可能的行为指令都灌输给他们，而是让他们不断去尝试，跌倒，然后站起来，从跌倒的经验中去学习。机器学习让也能够像小朋友那样，能够从经验或数据中学习，获得成长。一直以来，想学习人工智能和机器学习是件很难的事情。大部分大学里教的东西，都会多少落后于硅谷正在被使用的技术。但是现在，我们有了优达学城（Udacity）。在优达学城，你可以通过纳米学位项目，来获得最新、最好的技术教育。这些纳米学位课程由行业领导者们推出，来自 Google、Facebook、亚马逊、IBM 还有许多其他美国领先科技企业的专家，帮助我们打造了最前沿的课程内容。在这里，你可以学习机器学习、深度学习、计算机视觉、机器人学、无人驾驶车以及许多其他前沿技术内容。这些课程所教授的技术，都非常，非常，非常的新。如果你跟随我们的课程学习，你将成为这些领域内，最顶尖的人才之一。我在人工智能领域探索了很长一段时间。说起来你可能不信，我1993年就写了一篇关于机器学习和机器人学的硕士论文。自从那时开始，我就为一个问题深深地着迷：机器到底能不能用和人类同样的方式去学习？2005年，距离现在十多年前，我参加了美国政府组织的 DARPA 超级挑战赛，一个无人车驾驶大赛。196个队伍参与角逐100万美元的大奖，而我当时在斯坦福大学的团队赢得了胜利。我当时是斯坦福人工智能实验室的总监，在 Google 的人工智能项目中也担任了同样的角色。在参加挑战赛时，我工作的核心，就是运用了机器学习。Stanley 是一辆会学习的机器人车。它能从数据中学习，有时它会从自己的经历和错误中学习，更多时候，它会学习人类司机的行为，使得它自己能够像人类那样去驾驶。最终，Stanley 的学习模块，让它从196个队伍中脱颖而出，早2005年，以决定性的优势赢得了 DARPA 超级挑战赛。Google 的无人驾驶车也会学习，而我们也遇到了同样的问题：在驾驶过程中，有太多的罕见情况需要去考虑，而无人车有需要能够处理好其中的任何一种情况。所以，Google 无人驾驶车最终在公路上驾驶了几百万公里来训练软件如何驾驶。人类和电脑的一个区别在于，学习的速度大不相同。举例来说，如果一个人类驾驶员犯了一个错误，他会从中吸取教训，也许下次可以不再犯错。但是其他人并不会拥有同样的收获。但如果是一辆无人驾驶侧出现了错误，不但它自己会从中吸取教训，所有其他的无人驾驶车甚至是所有未来的无人驾驶车，也将从中获得新的经验。这意味着，一个错误就能训练世界上所有的无人驾驶车，无人车的学习速度远远超过了人类。这个区别将导致未来有一天，无人车驾驶将比人类驾驶要安全的多得多。这是人工智能和人类在学习上非常关键的一个区别，而且它也适用于很多别的领域。机器学习正在被运用于很多很多很多的领域……举例来说，医疗诊断。机器学习可以比最优秀的人类医生更准确地诊断癌症。在法律领域，最资深的律师，也会在寻找资料和起草合同上输给机器学习。当然，还有互联网，Google 和百度都因为机器学习的助力，可以用超乎人类想象的准确度搜索信息。还有很多其他的领域，比如会计、驾驶飞行器和玩游戏。前段时间，Google 的 AlphaGo 刚刚在围棋上打败了世界冠军。而而这所有的人工智能应用都有一点相同：它们都会使用机器学习，从海量的数据中学习。如果你再观察一下机器学习，比如 AlphaGo，会发现它能从成千上万个棋局中学习。没有任何人类的专家能够活那么久，去看完几百万个棋谱。这个区别，使得 AlphaGo 可以运用比人类多得多的经验数据，围棋水平最终超越地球上所有的人类。未来，人工智能对人类生活的改变，将和农业革命、工业革命带来的改变一样，让我们可以变得更为强大。它将把我们从不需要动脑的重复性工作中解放出来，比如每天你在办公室中不断重复做着的很多工作。在未来，律师可以浪费更少的时间去寻找资料，花更多的时间去进行创意型的思考；医生的误诊将大大减少，他们可以更好地诊断人类疾病，可以花更多时间和病人交流而不是用来盯着皮肤组织样本。所有涉及到知识性的重复工作的领域，都会被人工智能改变。这一点非常关键，在优达学城（Udacity）也是如此。我们相信，在未来，最好的工作会是在人工智能、无人驾驶、机器学习、机器人等前沿领域。无论是硅谷，还是我们超过一百个的招聘合作企业，也都非常渴求这些领域的人才，包括我们在中国的巨头合作方滴滴出行。我今早刚和滴滴的 CTO 碰过面，他们也非常急迫地需要这些方面的顶尖人才。所以，如果你希望在人才市场上变得炙手可热，并且真的获得一份很好的工作，我强烈建议你用半年的时间，在优达学城和我们一起，掌握机器学习、无人驾驶、人工智能等领域的关键技能。我们真心希望你能获得梦想中的工作。Q&A 环节1. 教授你好，我想知道谷歌如何实现神经网络机器翻译，以及它与人工智能有什么关系？谷歌的神经网络机器翻译是通过统计和机器学习技术实现的。他们用人工翻译的文本来训练翻译系统。例如，在加拿大每场政府辩论都会被从法语翻成英语、从英语翻成法语，因为加拿大有两种官方语言。如果谷歌的智能系统录入成百上千的文件后，它就能得出把一种语言翻译成另一种语言的统计规则。事实上，在谷歌研究机器翻译的工程师通常都不会说计算机翻译的那些语言。整个过程都是统计分析驱动的。你们可以在人工智能纳米学位（全球火热申请中）中学到设计机器翻译系统所需要的技术，它与数据科学和机器学习教的东西也高度相关。正因为如今我们可以轻易获得大量线上数据，才让这个激动人心的新领域成为可能。2. 教授你好，请问你是如何看待计算机视觉的未来前景的？计算机视觉公司，如 Megvil，Sensetime，现在很受欢迎。计算机视觉是人工智能中最激动人心的领域之一。直到几年前，我们甚至还不能识别照相机图像中的最基本的部分，如你的脸，或者你坐的椅子，或者流动的云。但是多亏了深度学习，我们现在能够分析非常复杂的东西。例如，汽车停在停车场中，电脑放在桌子上，甚至柔软无棱角的物体，如冰箱边上的食物。这只是个开始。计算机视觉使一种控制汽车的新方法得以实现。过去无人驾驶汽车使用雷达和激光作为感知环境的方法，现在有一种新方法是用计算机视觉和摄像机来分析行驶方向，并且进步很快。在优达学城，我们准备了一个实践挑战给无人驾驶汽车的学员来练习，要保证汽车按线路行驶。如果你赢了还有奖励。我希望你们可以去了解一下。但是这只是诸多计算机视觉例子中的一个，所以计算机视觉已经是一个非常热门的领域。3. 现在业内关于自动驾驶技术和实现的完成度，各家相比会有很大的差距吗？比如 Tesla 和 Geohot ？你问了无人驾驶汽车的市场和 Tesla 与 Geohot 的区别。如果你看看 Geohot 的新闻，就会得知 Geohot 已经决定终止无人驾驶汽车的项目，并转而做别的项目。这个决定回应了美国政府对于 Geohot 对用户是否真的安全的质疑。我不得不承认我今天看到这个消息很难过，因为我希望无人驾驶汽车技术短期内就有市场。相反，Tesla 已经建立了名为 Autopilot（自动导航）的无人驾驶技术。它没有完善到你可以在开车的时候睡觉，你必须保持注意力。但是如果你保持注意力，它能够按路线行驶的非常棒。我有一辆 Tesla 并且我每天都使用 Autopilot。Tesla 的技术曾基于 Mobileye，一家以色列公司，现在换成了 Nvdia, 一家美国的公司。因此你可以看到无人驾驶性能的进步因为具体的技术在进步。在今天的市场，大部分都是非无人驾驶技术，是驾驶辅助技术，汽车只有一种功能。Tesla 是最先进的一个，因为它是个很棒的公司，发明了 Autopilot。尽管如此，Autopilot 还不是最完美的无人驾驶汽车系统。然而，业界的进步十分迅速，接下来两三年，我期待更多主流的汽车公司也来做无人驾驶，并研发出类似的无人驾驶技术。4. 人类思维是智能思维运作的一种方式，您觉得探索其他智能的思维形式有价值吗？我甚至不知道人类思维运作的方式是否只有一种，这对我们是一个谜，因为没有人明白人类思维和智力的运作细节。然而探索其他形式绝对很重要。我们把象棋作为一个例子。在1997年，IBM 的深蓝打败了世界象棋冠军。但是 Kasparov，当时的冠军，思考和下棋的方式与 IBM 的电脑完全不同。Kasparov 非常善于观察棋子位置并进行理解。因此能够提前于对手思考几百手，但不能达到几十万。IBM 的深蓝不善于理解棋子的位置。但是他能够算出数亿种位置并比人类棋手想的更远。正是因为这个我们称之为蛮力的能力，我们观察许许多多的棋子位置，深蓝最终超越了最棒的棋手并创造了历史。我解释这个例子的原因是，通常机器的解决方法和人类或生物的解决方法有些不同。例如，鸟需要振翅才能飞翔，但是飞机不需要。你们应该对于飞机不需要拍打翅膀而感到高兴。因此在你设计计算机的解决方法时，要意识到不同之处。如果你们学习优达学城的机器学习工程师纳米学位，你们会发现也有相似之处，最重要的相似之处就是今天最好的人工智能计算机与人都通过经验来进行学习。因此你们会看到计算机解决方法与生物解决方法有时是相同的，有时是不同的。5. 优达学城在中国市场推出纳米学位之后，有获得学位的学员通过优达学城的合作项目，拿到滴滴等企业的 offer 吗？优达学城的纳米学位已经让400多人找到了工作，现在我们在中国也开设了纳米学位。我们使毕业生进入了谷歌中国，还拥有滴滴和其他中国公司作为招聘合作伙伴。我们甚至不知道所有因为纳米学位而获得工作的人有多少，因为有些学员没有告知我们就直接申请了职位。但是我可以向你们承诺，我们的合作企业很乐意为我们的毕业生提供高优先级。比如说在印度，电子商务领导者 Flipkart 公司现在甚至不需要面试就可以雇佣优达学城的学员，他们发现我们的毕业生在公司中也是佼佼者。所以只要你从纳米学位毕业，即使你的成绩不是特别突出，我也可以担保这件事。如果你不能在中国找到一份工作，我会感到很吃惊。6. 你好，教授，你认为未来人工智能会颠覆哪些行业？哪些行业会受益？我认为人工智能会影响所有人们做重复性工作的行业，包括高薪人群，例如律师和医生。我认为任何重复性工作都可以为机器学习提供数据。如果给机器学习系统足够的时间学习，它最终会像人类做的一样好。例如，IBM Watson 被保险公司用做顾客的线上顾问，它的工作是把浏览网页的用户转换成付费客户。Watson 的顾客转换率比人类电话销售高出20个百分点。在我们自己的公司，我们开始使用人工智能作为评分辅助。在我们的试点项目中，我们发现有人工智能辅助的评分人员的评分效率提升了一倍，报告也写的更快更好。我还可以举出无数个例子。我认为出租车司机也是过去的产物，包括优步司机和滴滴司机，因为无人驾驶汽车会比人力更便宜。医生如果使用人工智能做辅助，将会更有效地诊断、做出治疗决定。他们会学习的更快更持久，患者也会从中受益。现在，诊断皮肤癌的人工智能系统，在探测皮肤癌的稳定性方面，打败了世界上最好的肿瘤医生。通过看图片来了解哪里有癌症的放射科医生也处于同样的境地。这些只是例子。我认为最大的进步是人工智能能够提高任何做重复性工作的人的工作效率几百倍。7. 我是一名普通的程序员，我要怎样做才能加入机器学习和人工智能领域？如果你想加入机器学习和人工智能领域，但现在只是一名普通的程序员，我有一个简单的建议，就是学习我们的纳米学位项目，了解机器学习和人工智能背后的原理。我们的纳米学位项目由业界顶尖专家亲自教授，而且唯一的报名要求就是扎实的编程技能和良好的数学知识。如果你有兴趣，现在就去报名吧。8. 如果未来有一天，算法足够强大，AI 可以比我们自己做出更好的决策。我们应该放弃自主意识，让 AI 接管吗？我不会只是因为 AI 能做出更好的决策，就放弃我的自主意识。我想我们创建 AI 的目的，是让它为人类服务，而不是取代人类。我想很重要的一点是， 智能 AI 可以让我们更聪明，更好地让我们完成自己的工作。机器和 AI 可以帮助我们，让我们的知识更丰富，记忆力更好，更快地分享信息和经验。所以对于 AI，我不会持悲观态度，我实际上很乐观。从这个方面看，我们人类保持终身学习会越来越重要。AI 会越来越聪明，我们也要不断学习，不被落下。这也是我们创办优达学城的原因之一。我们想要让教育平民化，让世界上的每一个人都能获得最优质的教育。9. Siri、Google now、IBM Watson、Cortana 这些 AI 里面，谁最聪明？我并不觉得可以说特定的哪一个最聪明，因为它们都擅长不同的领域。Google Now 能够全面了解你的喜好，并利用这些信息为你提供帮助。Siri 具有强大的语音识别系统，Amazon 和
Apple 中都有这样的功能，我很喜欢。IBM Watson 更擅长为拥有巨大数据集的大型公司解决企业问题，他们有专门的团队来协助企业在大型数据集中寻找信息。所以我认为每个 AI 系统都各有千秋，很难进行比较。Google 的无人驾驶汽车亦是如此，说起来它们不过就是更好驾驶的汽车，但这是一个快速兴起的领域，很多公司都翘首以待。10. 现在的人工智能离强人工智能还有多远？机器人什么时候能真正读懂人说的话、理解看到的东西、了解人类的情感，（深度）神经网络能做到这一点吗？现在的人工智能离强人工智能还很远，现在是专业化的人工智能。每一个人工智能系统精通一项任务，但是如果要它做一个不同的任务需要从零学起。这很重要因为我们不需要无人驾驶汽车会下象棋，我们也不需要飞机会投篮，这些是不同的领域。然而，现在的问题是机器人是否能够理解人类情感，我认为这需要很大的进步。现在在训练人工智能理解人类是高兴或沮丧，不舒服或疲惫，已经有了很大的进步。你们手机上的人工智能系统可以辨别你现在的心情，这个用最基本的人工智能系统就可以做到，只需要观察你贴图的频率，看微信的频率，走路的方式。我想说我对人类情感很感兴趣，但是我对机器情感并不感兴趣。我不需要我的人工智能有情绪，我不希望它生气或者开心，我不想来到厨房，发现我的冰箱爱上了我的洗碗机。它不愿意为我工作因为我昨天晚上对它发了脾气。我希望机器能够稳定工作，因此我认为人工智能机器不需要情感。11. 优达学城下一个将要推出的令人吃惊的课程是什么？就像现在的人工智能课程和无人驾驶车工程师课程一样。我们在优达学城，会继续追求推出只有在优达学城才能学到的内容的纳米学位。最近发现了一系列新科技，从无人机到机器学习在金融、医疗和很多其他领域的应用。我相信优达学城会起到独特的作用，给你带来最好的线上教育体验。12. 教授你好！请问从事机器学习工作，数学需要达到什么样的程度？有哪些数学知识是必须要掌握的？你需要一些基础的数学能力来学习机器学习，你要会代数，微积分，基础统计并且对于人工智能的学习保持热情。此外，你还要会编程。如果你不熟悉软件工程，不熟悉电脑编程，不要学机器学习，学其他更基础的纳米学位。但是你并不需要了解机器学习，机器学习的很棒的一点在于它的学习依靠直觉。如果你去看看机器学习纳米学位，在最开始有一个我们的工作人员 Louis S. 写的总结, 它会帮助你更好的适应机器学习，使得你理解得更容易。13. 基于学习的方法主导机器学习的根本原因是什么？它将如何与更传统的 AI 方法进行交互？机器学习主导的根本原因是它必须做到跟人类学习的方式类似。如果你想教小孩做正确的事情，你不能坐下来把生活规则一条一条写下来，这是不可能教会他的，相反，你应该让小孩从他自己的经历中学习。机器学习不是像我们曾经写代码一样来学习的，也是从经历中来学习，因此在很多领域都不那么做了。比如 Google 每天从数千亿的在线网页的数据集中学习，这些数据没有任何规则，但数据却存在规律。所以今天的机器学习是将人类的学习方式用在数据上得出结论，这比用常规的编程方式要更强大。14. 会 Python 的程序员，想进入AI、机器学习领域，应该从哪里开始入手？进入人工智能领域，Python 是完美的。Python 是一门很棒的编程语言。对于成为一名精通人工智能、机器学习的程序员所需处理的所有事情，我认为如果你知道如何编程，使用什么语言并不重要。如果你知道如何编程，你应该可以轻松地转换到其他语言。刚开始工作的时候，我用的是 C 和 C++，比起 Python，它们存在一些优点和许多缺点。C++ 当然更加高效。但是用来快速制作原型就会比较困难。后来的工作中，我开始使用 Python。现在，我更多的使用 Python，我也会使用 Matlab 和其他语言。在一定程度上，Python 更棒。你应该能够以任何语言，几乎是以同样的方式去实现基本概念。15. 人工智能可以运用在娱乐领域吗？比如拍摄电影。AI 很难实现的一点就是创新，困难的原因是创新是产生之前没有的新事物的艺术，因此很少有有创造力的人相关的数据。AI 善于做重复性任务比如开车，但是不善于发明一辆新车。因此说到创造新电影，我相信很长一段时间内，人们会比人工智能做的更好，并且应该相信建立的人工智能越多，人类会变得更有创造力。在创造力和机械作业的对抗中，人类会赢得创造力的这一边。16. 哪个城市会最早允许无人驾驶车上路？有人猜测：把无人驾驶汽车投入日常使用的美国城市有优达学城总部所在的山景城，或者德州的奥斯丁。对于中国，中国的公司如百度、滴滴，已经进入无人驾驶的行业，我猜测他们将在北京或者上海试点。至于哪里会投入商业化应用，例如无人驾驶服务，无人驾驶的滴滴汽车，无人驾驶的优步汽车，我们无法得知。17. 在接下来的几年里，您认为人类有机会在围棋上打败谷歌的 AlphaGo 吗？我认为在围棋这个游戏上，已经 Game Over 了。我也不认为人们会再有机会战胜
AlphaGo。原因是，AlphaGo 才刚刚开始练习了几百万局游戏。如果他有足够的时间学习几亿局游戏呢？我觉得人类是不可能像这样成长提高的。所以在他能成为一个更好的 AI 的事实下，围棋已经不在挑战名单上了。18. 我想知道未来的硬件技术有什么新的要求，以满足AI的趋势？如今人工智能发展的一大激活因素是计算机的规模。10年以前，这是不可能的。 10年前我们的计算机系统规模最大都不如老鼠的大脑，现在它们比人类的大脑更大。这使得一切都变的不同了。人工智能领域大多数发现，世界上最好的算法，在30年前就已经出现，但现在才开始兴起的原因是因为计算机变得越来越快。展望未来，计算机必须更快，更便宜，更加关注浮点数的运算，可以大量相互连接。在所有这些事情正在发生的现在，计算机公司（比如我们知道的谷歌和亚马逊）之间最大的区别，对 AI 最重要的，是处理浮点运算的能力。因此，GPU（显卡，图形处理器） 和浮点运算能力是人工智能的必要条件和驱动力。19. 优达学城有机器学习、AI、无人驾驶车课程。它们看起来都差不多，我应该先选择哪一个来入门呢？选择哪个纳米学位课程因人而异，而且涉及很多因素。我觉得最重要的一点是你对哪个最感兴趣。但你也可以看看先修条件。我觉得机器学习、AI、数据科学、无人驾驶汽车课程以及我们的其他纳米学位课程，它们的先修要求有很大区别。所以我建议：先看要求，然后申请，看你能否加入，以及看你最感兴趣的领域是哪个。因为，每个纳米课程的时间都略长，如果你对所选的主题不感兴趣，没有动力，你很难成功取得纳米学位。20. 人工智能和深度学习是否会应用于未来的虚拟现实和增强现实？这个问题问得好，我们什么时候能够将人工智能应用于虚拟现实或增强现实领域的深度学习呢。这是取得进步的好方法之一。如果你能想到一个不错的应用，我强烈建议你立马去实现它，因为你可能会是第一个想到这个想法的人，你可能会创办一个有前景的公司。我们在硅谷建立公司的方式是，首先发现不明显的业务与技术的组合，这些组合是有价值的，只是还没有人发现。所以我强烈推荐，如果你想成功，那就找到不同领域之间的需求，例如深度学习和增强现实，看看你能否找到一些有趣的东西。我觉得，还有我的儿子也认为，当前最酷的要属 Pokémon Go 了，它在很大程度上将机器学习应用于大规模增强现实游戏。也许你也会是中国的下一代 Pokémon Go 发明者，我们期待看到你取得成功。21. AI 纳米学位课程和《人工智能：一种现代方法》（第三版）(Artificial Intelligence A Modern Approach Third Edition) 之间的差别是什么？纳米学位课程更注重基本技术，没有 Stuart Russell 和 Peter Novick 编著的《人工智能：一种现代方法》那么广泛。我喜欢这本书。这本书目前正在更新，很快最新版就会上市了。我一直在关注。但是在 AI 纳米学位课程中，我们的关注面更窄一些。我们相信能应用到当今行业的才是最重要的。例如，这本书中讲到多智能体系统中的代理，但与深度学习、机器人技术和计算机视觉相比，它在行业中的应用相对较少。我们更侧重于自然语言机器人、机器学习和计算机视觉领域。22. 教授，你觉得 MOOC 在将来会取代传统大学吗？我不认为 MOOC 将取代传统大学。MOOC 可以说将学习几乎带给了很多之前无法接触到一些课程的人。我们现在已有 195 个国家的学习者注册学习我们的课程，包括孟加拉或秘鲁，这些可能没有较为优质大学的国家。好有很多一般大学生年龄之外的人群学习我们的课程，25、30、35、40 岁都有，使所有人都有机会上大学。每当人们问到 MOOC 是否会取代传统大学这个问题，我总会告诉他们，电视并没有取代收音机，电视转播的体育比赛永远不会取代体育场，电影从来没有取代剧院。这些新技术只是把已经成熟的东西提供给更广泛的受众。优达学城的使命是将教育平民化。我们相信，如果世界上的每个人都能获得一流的教育，我们一定能够将世界 GDP 翻一番。我们希望通过网络将受教育的机会提供给每一个人。MOOC 和大学可以说各有千秋，谁都不会取代谁。23. 你是否考虑过在这个直播中使用机器翻译服务？AI 技术目前的局限或瓶颈是什么？很遗憾，这次沙龙没有使用在线机器翻译服务，我们还没能做到这一点。但是你可以创办一个这样的公司。你需要识别声音并自动翻译每种语言，要是能实现这样的功能当然很好。所以你不妨学习纳米课程，然后将它变为现实。24. 优达学城（Udacity）和 edX、Coursera作为 MOOC 的三驾马车，在未来的发展上，优达学城（Udacity）和其他两家会有何不同？我们爱 Coursea，爱 MOOC、edX 和所有人。优达学城的独特之处在于我们合作的都是行业领先的专家与企业。几乎硅谷的每一家领先公司都是我们的合作伙伴。还有另外一个独特之处在于，我们切实希望为学生找到工作。学生想要学习某些东西，以及从 edX 和 Coursera 大学学习的原因有很多。但是从我们创办以来所取得的成绩来说，我们基本上会为每位学生找到新工作，而且是很有前途的新工作。这就是为什么我们有求职服务，有导师服务，提供项目驱动的练习，从全球最好的公司开发内容或教学大纲，以及有那么多的求职合作伙伴。25. 有人认为你的答案是 AI 读取问题，然后自动生成回答，这是真的吗？如果有人认为我是通过人工智能 (AI) 生成回答，他/她可能是正确的。我希望是。如果我现在能躺在床上，由机器完成所有的工作岂不是更好。不过我觉得我们离实现这一切不远了。根据之前斯坦福大学的一份报告，如果 AI 系统听我讲话一年，它就能预测出我要讲的 90% 的内容。就像我刚才讲的东西，有些东西我确实重复说过很多次。如果你结婚了，你就知道配偶很多时候能够预测对方要说的话。所以何不构建一个 AI 系统，观察我们做事情的方式，然后能够帮助我们完成 90% 的工作，这样我们就不必一次次重复同样的事情，这将非常神奇，也是一个新的创业点子。26. 请问机器学习的工程师每天都在做什么事？他们的工作内容是什么？用什么软件，工具？机器学习工程师是当今公司中最炙手可热的人才，因为每家公司都逐渐意识到他们拥有大量的数据，而且可以对这些数据的信息加以利用。所以，他们的工作是观察数据集，可能是文本数据集、图像数据资产、财务数据集，然后使用机器学习工具对这些数据进行分析。在应用时，你必须了解如何清理数据，并使它们变得可用，处理数据格式和数据缺失的大问题。然后，你必须使用地球上最好的工具，来可视化这些数据并解释结果。借助可视化结果，你可以帮助公司的首席执行官和领导者了解公司的运营状况。这非常非常有趣。有些机器学习工程师会直接将机器学习软件融合到产品中。例如，Google 搜索引擎每天使用机器学习重新安排搜索结果。Amazon 的网页和阿里巴巴的网页使用机器学习重新排列产品，以使你得到最优相关产品推荐。所以这也是机器学习工程师工作的一部分。那么可以使用的工具有哪些的。这可就多了，参加纳米学位课程了解它们吧。27. 结语我要感谢大家在线这么久，让我们的对话如此愉快。感谢你们提出的问题。我爱你们，爱中国，也希望让这个世界变得更好。我真的希望优达学城提供的纳米学位课程可以对你们的生活产生积极的影响。我可以向你保证，我们有成千上万的学生发邮件说，我们让他们的生活变得更好。我真的希望你们会成为下一个。谢谢大家的聆听，祝你们度过一个美好的夜晚。*如需转载，请私信联系谢谢！}