吴恩达Andrew Ng 是人工智能（AI）领域的杰出人物，以其在深度学习和机器学习方面的贡献而闻名。吴恩达 Coursera 的联合创始人，该平台提供来自顶尖大学的在线课程，改变了全球教育的面貌。Ng 的机器学习课程吸引了超过100,000名学生注册，成为最受欢迎的在线课程之一。
吴恩达出生于1976年4月18日， 出生于英国伦敦。父母是香港华人，在香港和新加坡长大。从小就对计算机和人工智能展现出浓厚兴趣。吴恩达的家庭背景较为学术，他的父母都是工程师，在加州长大，从小对计算机产生浓厚兴趣。
教育经历：
1992-1997: 卡内基梅隆大学，获得计算机科学学士学位。
1997-1998: 麻省理工学院，获得硕士学位。
1998-2002: 加州大学伯克利分校，获得计算机科学博士学位。
工作经历与职业生涯：
2002年：加入斯坦福大学计算机科学系担任助理教授，开始其AI研究生涯，参与了 Stanford Question Answering Dataset（SQuAD）的开发，这是一个推动自然语言处理（NLP）领域进步的重要基准数据集。
2011: 联合创立Coursera。
2011年：创立 Google Brain 项目，推动深度学习研究。该项目致力于开发大规模的人工神经网络，能够从无标签数据中学习，例如通过观看 YouTube 视频识别猫。这一成就标志着深度学习技术的重大突破。
2014年：加入百度担任首席科学家，负责公司AI战略， 领导约1300人的AI团队，推动公司的全球AI战略。他在百度期间开发了 DuerOS，一个对话式AI平台，使用户能够通过自然语言与搜索引擎互动。
2017年：宣布辞去百度职务后，创办 DeepLearning.AI 和 Landing AI，并启动 AI Fund 投资新兴AI初创企业。
2024年：被任命为亚马逊董事会成员，继续在AI领域发挥影响力。
对AI的观点：
※ AI的商业基础坚实，不会进入寒冬。吴恩达认为，尽管有关AI寒冬的讨论广泛，但AI的商业基础比以往任何时候都要坚实。他指出，AI技术已经推动了数千亿甚至数万亿美元的市场，特别是在像谷歌这样的公司中，通过展示更相关的广告可以带来大量的收入。
※ AI是一种通用技术，其应用广泛。吴恩达将AI比作电力，强调它不仅仅对一件事有用，而是一种通用技术。他提到，即使AI在技术核心上没有取得任何进展，世界各地也有很多用例等待被发现和构建。
※ 智能体AI（Agentic AI）的兴起。吴恩达在演讲中提出了智能体AI的概念，认为这种技术将彻底改变应用的构建方式。他介绍了智能体AI的四大设计模式：反思、工具调用、规划和多智能体协作，这些模式让构建更加复杂和强大的系统成为可能。
※ 非结构化数据的重要性日益增加。吴恩达强调，文本、图像、视频和音频等非结构化数据的处理能力变得至关重要。他提到，这些数据类型正变得比以往任何时候都更加关键，为企业带来了巨大的机会。
※ AI堆栈的应用层是关键。吴恩达解释了AI堆栈的概念，从半导体、云计算、开发工具到基础模型和模型的训练过程，最终是应用层。他强调，通过应用层产生更多价值和收入，才能支持底层技术的持续发展。
※ 加速的生成式工作流。吴恩达预测，通过硬件和软件优化，智能体AI的运行将变得更加高效。他提到，生成式AI通过大型语言模型，将过去需要6个月完成的项目缩短至10天。
※ 为工具优化的大模型。吴恩达指出，新的大模型不仅可以回答问题，还可以执行具体操作。这种模型的出现将为AI应用的构建和迭代带来革命性的变化。
※ 图像处理技术的发展将带来新的应用机会。吴恩达认为，图像处理技术的进步将为企业带来新的价值。他举例说，自动检测足球比赛中的进球片段、生成视频的元数据等任务以前几乎是不可能实现的，但现在视觉AI的能力正在改变这一现状
※ 开源技术在推动技术进步中的巨大潜力。吴恩达强调开源技术的重要性，并认为它是全球人工智能技术供应链的重要组成部分。他开源了新的Python包aisuite，允许开发者通过一个接口调用OpenAI、Anthropic、Google等大模型。
※ AI教育的重要性。吴恩达认为AI人才缺口巨大，教育和网络课程是解决这一问题的关键。他通过Coursera等在线教育平台普及AI知识，培养了大量AI人才。
※ 技术与商业化的结合。吴恩达认为AI的商业化进程将加速，未来几年内将有更多有价值的AI项目落地。他提到，AI技术将从硬件转向数据为中心，未来十年将更多依赖优质数据。
※ AI将从单纯的消费者体验转向支持复杂任务的智能体。吴恩达预测，未来AI将能够自动化执行计划、反思及优化输出，并在多智能体环境中高效协作。
※ AI计算速度和成本将进一步提升。吴恩达在演讲中提出，AI的计算速度和成本效益将进一步提升，这将推动AI技术的普及和应用。
※ 数据传输成本将低于数据加工成本。吴恩达指出，随着技术的进步，数据传输的成本将低于数据加工的成本，这将影响AI应用的构建和部署。
※ AI将加速创意验证的速度。吴恩达认为，AI技术将加速从创意到验证的过程，使得快速实验和开发新原型成为可能。
※ 图像分析、理解和处理技术将带来新应用。吴恩达强调，图像分析、理解和处理技术的进步将为AI领域带来新的应用机会。