去年12月份， 吳恩達發布了一份《AI轉型指南》報告，旨在為企業CEO們提供一份企業AI轉型的建議，搜集了眾多CEO們最的關心問題并在報告中回答。

就在上個月，繼這份報告發出后，他的新課“AI for Everyone”也上線了。

新課于2月28號發布，這是一門設定四周學完的課程。但是，課程發布不到一周， 就已經有一批熱粉迅速刷完了課程，甚至出了攻略。連吳恩達也在推特上驚嘆，同學們學的太快了。

文摘菌也很好奇，躍躍欲試的想聽一聽這個號稱“每個人都能聽懂”的AI課程，到底講了什么。在一個周五的下午，我們霸占了公司的一個會議室，決定通過一個內訓挑戰，來一起聽課。沒想到編輯部的同學們僅僅用一下午四個小時聽完了吳恩達的這個課程！

當然，一方面編輯部的各位還是有一定的AI基礎，所以大家在理解課程上基本沒有問題；另一方面，為了趕時間，大家也跳過了所有的練習部分，只單純看視頻記筆記，馬拉松一般迅速刷完了這門課。

課程的分為四章，每小節視頻大概在10分鐘以內，繼續播放，根本停不下來。

既然是 for everyone, 我們也在事后采訪了剛入職文摘編輯部一周的AI萌新，作為一個純文科生，她表示不僅聽懂了，而且對人工智能的認識大為加深。

我們也整合了大家的筆記，列出了這門課中的精華內容，沒有時間刷課的同學們拿好不謝，一起看看我們一下午都經歷了什么吧！

什么是AI？

第一章主要介紹了與AI相關的一些概念， 例如機器學習， 數據科學，深度學習以及其他的一些工具，對于入門小白來說通俗易懂，這都6102年了，不懂點AI如何撩妹！

敲黑板，記筆記啦

AI大致分為ANI（狹義人工智能）與AGI（廣義人工智能）。 會下棋的人工智能機器人目前應該還屬于ANI， 美劇西部世界里那些讓人恐懼的機器人才是AGI， 從ANI到AGI還需較長時間的發展。

機器學習就是學習A到B的映射， A是輸入， B是輸出。機器學習最后產出的是軟件，數據科學是從數據中得到啟發或者結論。

數據多并不意味著數據的價值大！數據收集應與AI團隊即使聯系，以便確定有價值的數據來改變數據收集策略。

深度學習是“神經網絡”的代名詞，主要受到大腦的啟發，但其內部的運行與大腦工作方式無關， 簡單來說就是一些大型復雜的數學公式。

AI無法通過少量數據來學習復雜的任務。例如， 簡單為打招呼， 叫車，自行車轉彎等人類一秒可以辨識的手勢，AI目前還無法理解。

最后，祭出吳恩達老師這張經典的AI關系圖，簡潔明了，不能更形象了！

創建AI項目

第二章主要講了如何利用AI選擇和建立有價值的項目，機器項目與數據科學項目的去唄。這一章或許可以給一些有想法的技術人員或AI創業者帶來啟發。

關注吳恩達老師動態的讀者可能也發現了，這部分內容吳恩達在近幾次的講座中都有提及，大家可以戳文摘菌之前的報道了解詳情。

https://mp.weixin.qq.com/s/yKdvUCRQwF-62M06e28bDw

機器學習和數據科學的工作流程：

機器學習的主要步驟為：收集數據、訓練模型、部署模型；而數據科學是：收集數據、分析數據、建議修改。

課程中吳教授也給了非常多的例子，說明機器學習與數據科學的不同應用，從制造業到農業，從銷售到人力資源 ：例如數據科學可分析數據來優化流程，機器學習可幫助自動刪選簡歷

如何選擇AI項目，吳教授給出了以下幾點需要建議。

頭腦風暴，尋找痛點

沒有大量數據也可以建立AI項目

在考慮技術可行性的同時也要考慮其商業價值，是否可以降低成本或者提高收益，或者創造出對人類有價值的新產品。

數據科學多位內部自建項目，機器學習項目可以考慮自建或者外包。

在本章的選聽課程中，他還介紹了一些常用的機器學習的工具，所以選聽課程彩蛋多多，不要忘記哦！

AI轉型指南

第三章主要介紹了他的新書《AI轉型指南》中企業在AI轉型中需要考慮和實施的，可以概括為“五步驟路線圖”。明確的回應了CEO們在企業發展中最關心的問題——如和高效開啟人工智能項目。

完整版：

https://landing.ai/ai-transformation-playbook/

總結來說，這五個步驟分別是：

1.執行試點項目從而獲得動力

2.建立公司內部的AI團隊

3.對員工進行AI技能培訓

4.制定人工智能戰略

5.在公司內部和外部建立良好的溝通渠道

詳情請點擊文摘之前的推送：

https://mp.weixin.qq.com/s/7h0qCIuxAUnxF_S0M1xekw

幾個需要留心的重點：

試點AI項目可以設置為6-12個月，一個小項目的成功比失敗的大項目更能激勵團隊前進。

小型的AI團隊也可以只有一個軟件工程師，或者一個機器學習工程師、數據科學家甚至你自己也可以撐起整個項目！

建立一個AI團隊需要以下幾項職能：軟件工程師、機器學習工程師、機器學習科學家、數據科學家、數據工程師、AI產品經理等。 CAIO這個角色也是必不可少的。

首席學習官（ CLO －Chief Learning Officer）的工作是成為好的內容庫管理者，而不是直接為生產內容，然后通過一些制度保障員工完成學習即可。

利用人工智能創建有利于你所在的行業的優勢， 制定獨特并適合自己的項目，形成“AI良性循環”。

加強AI團隊人才與業務、銷售、市場的溝通，共同尋找可行且有價值的項目。

AI與社會發展

這一章主要討論了AI與倫理， 包括AI的局限性，以及AI與經濟發展和就業的問題。果然是對每一個人都有影響啊！

主要介紹了以下幾點：

AI的局限性導致的問題包括有偏數據會產生有偏AI，AI系統對Adversarial Attacks開放，容易被欺騙，未來公司可能與對抗性攻擊者展開激戰。

不要對即將到來的超級人工智能過于樂觀或者悲觀，和你身邊的朋友一起開始學習AI。

美國和中國在人工智能領域處于領先地位，但這項技術并不成熟，各國仍具有同等競爭優勢。

根據麥肯錫的報告，到2030年，AI將取代的工作數量將達到4億到8億，但同時也可以創造出約5億到9億的新崗位。

看到這，那么恭喜你和小編一起學完“AI for everyone”啦！

那是不可能的！

最后，對這門課程感興趣的同學，可以搜完整版課程。

鏈接：

https://www.coursera.org/learn/ai-for-everyone/home/week/1