第二年出席世界人工智能大会的吴恩达教授行程被排得满满当当。8月30日当天，除了早间的论坛演讲，他还抽空进行了四五场采访。
当第一财经记者当天下午见到吴恩达时，因为用嗓过度，他已经嘶哑的声音基本要用气息来支撑。而在采访的过程中，他也并没有因为喉咙不适而压缩回答的时间，并仔细地回答了从AI技术落地到数据收集等方面的问题。
作为国际上人工智能和机器学习领域知名学者，吴恩达在离开百度后，于2017年创办了为企业提供AI赋能解决方案的Landing AI。据他介绍，在此前的一周，他与一些制造业的管理层见面，了解这些领域AI的赋能情况。
谈及对今年大会的感受，吴恩达对第一财经记者表示，今年让他惊喜的是，一年前人们对于AI的热情，如今已更多地转化为成熟的理解，以及具体的应用。“大家对人工智能以及如何将AI赋能到不同行业的理解显著成熟了，这是非常高兴能看到的。”
随着人工智能驱动越来越多的技术发展，AI的可用性也变得更高。在吴恩达看来，他希望能看到更多行业接受人工智能。同时，他认为中国是一个更多公司能够让AI赋能的好地方。
以下是吴恩达先生部分采访实录。
第一财经：您怎么看待人工智能和产业之间的融合？
吴恩达：有些AI公司之所以非常伟大，不仅仅是因为他们做了1-2个成功的AI项目，而是整合全流程让AI随处可见。我也希望，AI能够为许多行业的公司赋能。
在过去的一周，我与来自制造业、农业等领域的人士进行了交流，很多CEO都对AI非常感兴趣。但同时，许多公司也面临着挑战，其中之一就是找到一个正确的应用方案。因此我花了很多时间去做的事情之一，就是帮助不同公司找到最有价值的应用方案，而不同行业之间与我们的合作方式也是不一样的。
第一财经：您怎么看待中国人工智能的发展？
吴恩达：我希望能看到更多行业的公司接受人工智能并让AI提供赋能。而中国是一个希望有更多公司获得AI赋能的好地方。其中的原因之一，是中国有许多公司，甚至是大公司，都拥有一个相对快速的决策文化。
第一财经：您怎么看待AI在数据获取方面面临的挑战？
吴恩达：数据对于机器学习来说非常重要，其中一个最令人兴奋的事情就是如何使机器学习，即使是面对小数据也能工作。
最近人工智能的大量增长是由谷歌和百度等消费互联网公司推动的，这些公司拥有数亿人的用户。 但是在其他行业，就可能不会拥有如此多的数据，比如像工业制造或是医疗健康领域。举例来说，在数百万疾病或病症中，X射线你可能只有10或100张照片，而不是数百万，其中阳性的图片可能数量更少。 因此，我认为人工智能落地过程中的另一挑战就是小数据的问题。
比如，即使一家农业公司只有少量农场数据而非千万级的农场数据，他们仍可以通过这些小数据来推演算法，这对于将AI应用于其他行业非常重要。
第一财经：有学者说目前深度学习快触及了上限，您怎么看？
吴恩达：事实上，深度学习技术到目前为止取得了一些进展。 我们可以使用现有技术很好地完成许多行业应用方案，但深度学习远没有触达它充分的潜力，所以我认为在我们达到（深度学习）上限之前还有很长的路要走。 但是，如果说的是狭隘的监督学习（深度学习的一种方法），我认为确实有一个上限。不过在许多行业中，监督学习仍然有许多应用尚未被开发，我们应该在多个研究领域进行投资。
