AI 如何赋能每一家企业
吴恩达把 AI 的普及类比为识字的普及：今天 AI 掌握在大科技公司这些「高级祭司」手中，可价值巨大的「长尾」需求——比萨店、T 恤厂、街边小店——却无人服务。他提出以「提供数据」取代「编写代码」的新型开发平台，让会计、店长、质检员都能亲手打造属于自己的 AI，从而让 AI 创造的财富惠及全社会。适合学习 AI 商业化与创业表达。
播放器加载中…
每当我想到 AI 的兴起，就会联想到识字率的普及。
几百年前，社会上很多人认为，也许并不是每个人都需要会读会写。
那时候，很多人在种田或放羊，对书面交流的需求也许没那么大。人们觉得只要高级祭司、女祭司和僧侣能读懂圣典就够了，其余的人只要去神庙或教堂
这些圣所，坐下来听祭司们念给我们听就行。幸运的是，后来人们意识到：如果许许多多的人都会读会写，我们就能建立一个丰富得多的社会。
今天，AI 就掌握在这些「高级祭司」手中——他们是技艺高超的 AI 工程师，其中许多人就职于大科技公司。
而大多数人能用到的，只是这些工程师替他们打造好的 AI。我认为，如果能让每个人都参与书写未来，我们就能建立一个丰富得多的社会。
可为什么 AI 大多集中在大科技公司手里？因为很多 AI 项目造起来都很烧钱。
它们可能需要几十位高水平工程师，打造一套 AI 系统的成本可能高达数百万甚至数千万美元。
而大科技公司，尤其是那些拥有数亿甚至数十亿用户的公司，比任何人都更擅长让这些投资获得回报。因为对它们来说，一套「一刀切」的 AI 系统——比如用来改进网页搜索，
或者为网购推荐更合适的商品——可以应用到极其庞大的用户群上，从而带来海量的收入。
但这套 AI 的成功配方，一旦走出科技和互联网行业、来到其他领域，就行不通了。因为在大多数地方，几乎没有哪个项目能覆盖一亿人，或产生同等量级的经济效益。
我举个例子。很多周末，我都会从家开几分钟车，到附近一家比萨店，向店主买一块夏威夷比萨。
他的比萨很好吃，但店里总是摆着一堆卖不掉、放凉了的比萨，而每个周末又总有某种口味缺货。
不过，当我看着他经营这家店时，我却很兴奋，因为在卖比萨的同时，他其实在源源不断地产生数据。
只要他能用上 AI，这些数据就能为他所用。AI 系统只要拿到合适的数据，就很擅长发现规律。也许某套 AI 就能发现：地中海口味的比萨在周五晚上特别畅销，
于是它可以建议他在周五下午多做一些。这时你也许会对我说：「嘿，安德鲁，这只是一家小比萨店，
有什么大不了的？」我要说的是：对这位比萨店老板而言，任何能帮他每年多挣几千美元的东西，对他来说都是天大的事。
我知道，外界大肆宣传说 AI 需要海量数据集，而数据越多确实越有帮助。
但与这种炒作相反，很多时候即便只有不多的数据，AI 照样能运转得很好——比如一家比萨店所产生的那点数据。
所以真正的问题，不在于比萨店的数据不够多，而在于这家小店根本服务不了足够多的顾客，来分摊聘请一支 AI 团队的成本。
我知道，美国大约有五十万家独立餐馆。加起来看，这些餐馆确实服务着数千万顾客。
但每家餐馆都各不相同：菜单不同、顾客不同、记录销售的方式也不同，没有哪套「一刀切」的 AI 能对它们通用。
如果我们能让小企业、尤其是本地小店都用上 AI，那会是怎样一番景象？
我们来看看，在一家生产和销售 T 恤的公司里，这会是什么样子。我很希望这家公司的会计能用 AI 来做需求预测。
比如，通过观察社交媒体上正在流行什么，来判断该把哪些有趣的梗印在 T 恤上，从而带动销量。
又比如商品陈列，为什么前台店长不能拍下店面的照片，交给 AI，让 AI 建议把商品摆在哪里更有利于提升销量呢？
再说供应链。AI 能不能建议采购员：现在这块布料每码 20 美元，到底该不该买，还是再找找，因为别处也许能买到更便宜的？
还有质量控制。质检员应该能用 AI 自动扫描做 T 恤用的布料照片，检查布上有没有破洞或色差。
如今，大科技公司经常用 AI 来解决这类问题，而且成效显著。
但一家普通的 T 恤公司，或者一个普通的汽修工、零售商、学校、本地农场，如今在这些应用上用到的 AI，恰恰是零。
每一家 T 恤厂商都和其他厂商有足够大的差别，以至于没有哪套「一刀切」的 AI 能对所有人都适用。
事实上，一旦走出互联网和科技行业、进入其他领域，就连制药公司、汽车厂商、医院这样的大企业，也同样为此发愁。
这就是 AI 的「长尾」难题。如果你把当前和潜在的所有 AI 项目，按价值从高到低排列并画成图，就会得到这样一条曲线。
也许最有价值的那套 AI，是决定在网上给人们展示哪些广告的系统；第二有价值的，是网页搜索引擎；第三有价值的，是网购的商品推荐系统。
但当你顺着曲线往右走，就会遇到诸如 T 恤陈列、T 恤需求预测、比萨店需求预测这样的项目。
而其中每一个都是需要量身定制的独特项目。哪怕同是需求预测，靠社交媒体流行梗的 T 恤需求预测，和靠自家销售数据的比萨店需求预测，也是两个截然不同的项目。
所以今天，在这条分布曲线的尾部，躺着数以百万计无人问津的项目，可它们加在一起的总价值却极其庞大。
那么，我们怎样才能让小企业和个人打造出对他们真正有用的 AI 系统呢？过去几十年里，如果你想搭建一套 AI 系统，你得这么做。
你得写下一页又一页的代码。虽然我很希望人人都能学会编程——事实上，线上和线下教育正让比以往更多的人学会写代码——但遗憾的是，并不是每个人都有时间去做这件事。
但如今出现了一种搭建 AI 系统的新途径，能让更多人参与进来。就像纸笔——这种远胜于石板和凿子的技术——曾对识字的普及起到关键作用一样，如今也涌现出新的 AI 开发平台，
它们把重点从「让你写大量代码」，转移到「让你专注于提供数据」。
事实证明，这对很多人来说要容易得多。如今，已经有多家公司在开发这类平台。
我用我团队正在开发的一个平台，来说明其中几个概念。就以一位质检员想让 AI 帮忙检测布料瑕疵为例。
质检员可以拍下布料的照片，上传到这样的平台，再通过画方框的方式，向 AI 演示布料上的破洞是什么样子。
他们同样可以通过画方框，向 AI 演示布料上的色差是什么样子。
于是，这些照片连同质检员画出的绿色和粉色方框，就成了他亲手创造的数据，用来向 AI 说明如何找出破洞和色差。
在 AI 学习完这些数据后，我们可能发现，它看过的破洞照片已经够多了，但色差的照片还不够。
这就好比一名新手质检员已经能可靠地认出破洞，但对色差的判断力还需要进一步打磨。
于是质检员可以回过头去，多拍一些色差的照片给 AI 看，帮助它加深这方面的理解。
通过调整你喂给 AI 的数据，你就能让它变得更聪明。所以，一位质检员用上这样一个易上手的平台，只需几小时到几天，再配上一套合适的相机设备，
就能打造出一套定制的 AI 系统，检测全厂用于制作 T 恤的所有布料上的瑕疵、破洞和色差。
你可能又会说：「嘿，安德鲁，这只是一家工厂，有什么大不了的？」
我要对你说：对那位因此工作变轻松的质检员来说，这就是天大的事。同样地，这类技术还能赋能一位面包师用 AI 检查自己做的蛋糕质量，让一位有机农户检查蔬菜的品质，
或者让一位家具师傅检查所用木材的质量。这类平台恐怕还要再过几年，才会易用到让每一位比萨店老板都能上手。
但许多这样的平台正在成熟，其中一些对如今懂点技术的人来说，只要稍加培训，就已经相当好用了。
这意味着，我们不必再依赖那些「高级祭司」替所有人编写 AI 系统，而是可以开始赋能每一位会计、每一位店长、每一位采购员、每一位质检员，让他们打造属于自己的 AI 系统。
我希望那位比萨店老板，以及许许多多像他一样的小企业主，也能用上这项技术。因为 AI 正在创造巨大的财富，而且还会继续创造巨大的财富。
而唯有让人人都能用上 AI，我们才能确保这份财富广泛地惠及整个社会。
几百年前，我想几乎没有人料到识字的普及会带来多大的影响。
而今天，我想也几乎没有人料到，让人人都能用上 AI 会带来多大的影响。
长期以来，搭建 AI 系统对大多数人而言遥不可及，但事情不必如此。在即将到来的 AI 时代，我们将赋能每个人，让他们亲手为自己打造 AI 系统，我相信那会是一个无比激动人心的未来。
非常感谢。（掌声）