Andrew Ng 深度访谈

主持人 Lex Fridman 开场介绍 Andrew Ng 的多重身份：Coursera 与 Google Brain 共同创办人，DeepLearning.AI、Landing AI 和 AI Fund 的创办者，曾任百度首席科学家，并作为斯坦福教授和在线教育推动者影响了数百万学习者。开场还包含节目订阅说明和赞助信息，其中提到 Cash App、比特币与加密货币仍处早期阶段，并可能重新定义货币的性质。随后主持人正式引入与 Andrew Ng 的对话。

访谈正式开始后，Andrew Ng 回忆自己在香港和新加坡成长时，五六岁开始学习 BASIC 编程，通过把书上的代码输入电脑来玩简单射击游戏，由此感受到编程的吸引力。青少年时期，他的父亲让他接触专家系统和神经网络相关书籍，使他意识到计算机可以表现出智能。高中实习时，他大量做复印和办公室助理工作，甚至觉得碎纸机是工作亮点，这让他开始思考用软件或机器人自动化重复劳动。Ng 认为，这种自动化主题贯穿了他后来对机器学习和教育的理解。

Ng 解释了自己为何从线下教学走向在线课程。他在斯坦福教授机器学习时，每年面对约 400 名学生，却发现自己重复录制相同内容、讲相同笑话，于是思考能否复用视频，把时间用于与学生建立更深入关系。这种对教育流程可自动化部分的思考，最终推动了早期 MOOC 的出现。谈到 Coursera 前身课程的制作时，他回忆很多视频是在晚上十点到凌晨三点之间录制的，当时已有十万人报名，但课程内容和代码仍在紧张制作中。

主持人追问深夜独自录制课程、却知道内容会触达成千上万乃至数百万人时的感受。Ng 表示那种体验令人谦卑，但他当时并未沉浸于影响力本身，而是专注于如何把概念讲清楚。他强调早期团队就确立了一个核心原则：优先做对学习者最有利的事，而不是借教学宣传自己的研究或追求论文引用。Ng 认为，这一原则成为早期 MOOC 和 Coursera 发展的基础，也解释了他为何愿意花大量时间讲解梯度下降等基础概念。

对话转向 AI 学习者规模的扩大。主持人指出，Ng 的课程让 AI 社群看到全球对机器学习的兴趣远超原先想象。Ng 回应说，这种成功并非突然出现，而是经历了多年迭代：先把斯坦福课堂视频放到 YouTube，再尝试多个网站版本，不断学习哪些功能有效。他举例说，团队曾设计多人同时登录同一台电脑共同学习的功能，并在旧金山一所高中试用，但几乎无人使用，因为在线学习者更希望按自己的节奏暂停和回放。这类失败帮助团队逐渐找到真正有效的 MOOC 形态。

Ng 进一步讨论未来开发者群体与 AI 的关系。他认为，不仅建模人员属于广义 AI 开发者，围绕机器学习模型的数据管道、基础设施和软件系统同样重要。他类比云计算：今天大多数软件工程师至少理解云的基本概念，未来几乎所有开发者也可能以某种方式成为 AI 开发者，或至少具备机器学习意识。主持人补充说，生物学家、化学家、物理学家和机械工程师等拥有大量数据的人，也会因为机器学习工具而学习编程。Ng 则用识字率作类比，认为更多人具备编程能力将增强人机沟通。

Ng 继续解释为什么机器学习和数据科学可能比传统软件工程更适合把许多非程序员带入开发者世界。他说，过去很难向普通职业者说明为什么必须学编程，但随着机器学习和数据科学兴起，越来越多人在日常工作中有了具体的数据使用场景。例如小店主可以分析销售和客户数据，招聘人员、会计、工厂工作人员也能直接把数据科学能力用于工作。因此，数据科学和机器学习为许多人提供了比传统软件工程更直接、更有实际价值的入口。

主持人提到 Ng 常在课程和演讲中使用白板和马克笔，而不是完全依赖幻灯片。Ng 解释说，对于数学概念，白板能让讲者逐步构建公式和复杂想法，帮助听众理解；缺点是书写较慢，但这种慢也迫使讲者回到最基本的元素。随后话题转向 Ng 的第一位博士生 Pieter Abbeel。Ng 表示自己很幸运能与 Pieter 合作，并认为自己长期职业成功的一部分建立在这些早期研究基础上。他回忆 Pieter 的博士论文是用强化学习让直升机飞行，包括倒飞、翻滚和回环，这项研究过程非常艰难，也留下了令人印象深刻的机器人视频。