Andrew Ng为何离职谷歌加盟百度

山景城，加利福利亚——尽管中国科技公司百度尚未就其广受欢迎的搜索引擎和其他网络业务提供英文服务，但是总有一天，它会展翅翱翔，成为消费者的宠儿。

百度的强势之处不在于其备受青少年青睐的市场营销，也不在于其以企业为中心的销售团队，而在于它的数据中心。百度的服务器运行着复杂的算法，处理海量数据，而在这些数据的背后是百度越来越智能的应用。这些应用不仅包括搜索引擎，还有音乐，新闻，图片，视频和语音识别方面的工具。

尽管没有谷歌和微软那样高的曝光度，近年来百度在深度学习（deep learning）方面确实做了不少工作。深度学习是近年来人工智能（AI）领域最有潜力的方向之一。深度学习的关键在于训练庞大的人工神经网络。

两个月前， Andrew Ng离职谷歌，加盟百度，Ng在谷歌领导了所谓的Google Brain项目。在Ng之前， Hugo Barra也从谷歌跳槽了另一家中国的科技公司——小米。值得一提的是，Hugo也是当今世界上屈指可数的深度学习领域巨匠之一。

Ng过去在斯坦福教授机器学习，智能机器人方面的课程，也是MOOC初创企业Coursera的联合创始人。

Ng的例子很能说明为什么一个像他这样的人会离开谷歌转而加入一个拥有较低公众形象的公司。在未来几年中，应该时刻注意百度。

“我认为实践人工智能的最好场所就在百度”，Ng在接受VentureBeat的一次采访时说到。

百度的搜索引擎仅仅部署在这个世界上的少数几个国家中，包括中国，巴西，埃及和泰国。并且，在巴西的服务 上周才开通。根据 comScore的数据，从世界范围来看，百度虽然打败了雅虎和微软必应，但是离谷歌还有相当大的差距。

百度的联合创始人兼CEO李彦宏是斯坦福的常客，他曾说想让世界上超过半数的国家使用百度，那时美国应该也能使用到其提供的服务吧。

从美国的研发中心离职之后，Ng现在作为百度的首席科学家领导着百度的研发大军。不难想象，当百度提供英语服务的时候，其产品将会相当智能，甚至可能蚕食苹果等科技巨头的市场（想想Siri有多糟糕）。

一个遍地英才的公司

尽管Ng是如此的久负盛名，但这不是一个英雄拯救地球的故事。实际上，百度有着深厚的深度学习历史。

几年前，百度雇用了Kai Yu，一个在人工智能领域驾轻就熟的工程师。自从加盟百度，Yu一直兢兢业业。

“我认为Kai将深度学习应用到百度不可胜计的产品之上”，Ng说。Yu发明了一个系统，这个系统能为不同类型的应用提供深度学习的基础架构。

“这样，Kai就不用亲自参加到每个应用的开发中去”，Ng说。

在某种程度上来说，Ng是加入了一个在深度学习领域有深厚根基的公司，而不是从头来过。

考虑到Ng推动人工智能向前发展的勃勃雄心，在选择就职企业时，也只有少数几个公司能够入得他的法眼。人工智能是一个资本密集型的领域，需要大量的数据，大量的计算资源。百度能够提供他这些东西，Ng说。

百度也非常灵活。在硅谷的科技巨头中， 以月活跃用户来评估业务的开展情况。而中国的互联网公司更喜欢以天为单位，Ng如是说。

“这是一个节奏问题。你今天在做什么？”在中国，产品周期短，迭代非常迅速。

再者，百度的基础架构已经搭建完毕。

“老实说，Kai只是一个决策者，并且在做出决策前并不需要参加许多委员会会议”，Ng说。“我真正欣赏百度的地方在于这个公司相信个人的决策能力。”

那听起来像是Ng对新雇主的尊重，实际上却暗示了百度相对于谷歌的优势之处。

“他订购了1000个GPU，并且在一天内拿到了这批货”，Adam Gibson，深度学习初创企业 Skymind的联合创始人告诉VentureBeat。“在谷歌，这会花费他几周的时间”。

这已经不是百度第一次购买这种类型的硬件。百度是世界上第一个建立GPU集群以用于深度学习的公司——其他几个公司，像 Netflix，发现GPU对深度学习大有裨益——百度同时保留了基于 ARM芯片的的服务器集群。

现在硅谷的研究者们还在不断扩大GPU集群的规模以创建更加庞大的人工神经网络。

百度的努力在其产品上已经开始发挥作用。“我们加大在高科技领域的投入，这已经在用户体验和客户ROI上取得了短期回报，并且从长远来看，转型变革蓄势待发”，李彦宏在2014年第二季度的会议上 发言说。

下一步：提高精度

Ng将会在百度做什么？答案是他的工作将不会局限在公司的某一个服务上。百度的神经网络系统可以在幕后为众多应用提供服务，包括处理文本的应用，图片应用，视频应用等。当然百度的核心业务，搜索引擎和广告也会从中受益。

“实际上，上面提到的这些都是百度运用深度学习的领域”，Ng说。

Ng工作的重中之重可以概括成一个词：精度。

从一个企业的角度来看，精度意义重大。谷歌有图片分析方面的智囊，微软有语音识别方面的智囊，深度学习初创企业 Nervana的联合创始人，Naveen Rao说。Rao说精度将会是Ng和与其同事工作的焦点。

另一个深度学习初创企业，Clarifai，的联合创始人，Matthew Zeiler给出了更加肯定的答案。“我认为我们将会看到百度在精度方面的巨大提高”，曾今和Hinton与 LeCun在Google Brain共事两个月的Zeiler说。

有一件事是可以肯定的：精度在Ng的考虑之内。

“有时候系统在精度方面的改进将会导致交互方式的改变”，Ng说。举个例子，更加准确的语音识别可以使用户的使用频率大大提高。如果计算机能够像人类一样能够精确理解我们说的每一句话，那么很自然地我们就会想与之交流，而不是在语音识别的特殊场合才会想到它。

“今天的语音识别不能在嘈杂的环境中工作”，Ng说。如果百度的神经网络变得更加准确，那可以成为现实。

Ng拿起他的智能手机，打开百度翻译app，告诉它需要乘坐出租车。一个雌性的女音马山从手机中传出，配合汉字将具体的信息显示在屏幕上。这并不是一个困难的测试，毕竟这里只是北京一条并不喧闹的街道，而只是一间安静的会议室。

“革命尚未成功，同志仍需努力”，Ng说。

深度学习的未来英雄

与此同时，公司和学校的研究者们在深度学习领域已经勤勤恳恳工作数十载。

在Ng的帮助之下，谷歌把深度学习运用到 YouTube上的海量图片上，运用到 数据中心能源使用上，并且在这些领域建立了卓著功勋。尽管微软的Li Deng已经从事神经网络相关研究超过20载，但是微软在深度学习方面的研究才刚刚起步。

在学术界，深度学习遍布北美和欧洲。过去几年中的关键人物包括蒙特利尔大学的Yoshua Bengio，多伦多大学的Geoff Hinton（谷歌通过去年的 DNNrearchacquisition将其招入麾下），纽约大学的Yann LeCun（Facebook在去年的晚些时候将其从 海外聘请过来），再就是Ng。

Ng的强项与之同时代的大师不一样。Bengio在训练神经网络方面功勋卓著，LeCun发展了 卷积神经网络，Hinton普及了 restricted Boltzmann machines，Ng选择其中最好的，然后实现并且取得进步。

“Ng不偏不倚，只对能起作用的东西感兴趣”，Gibson说，“他非常务实。”

Ng不是一个人在战斗。创建更大更精确的神经网络，Ng需要与拥有相同想法的工程师通力合作。

“在他的身边将聚集一大批的人才”，深度学习初创企业 Ersatz Labs的联合创始人兼CEO，Dave Sullivan告诉VentureBeat。“这个人不会只是坐在那里每天编写成吨的代码。”

说实话，在建立自己的团队方面，Ng不会有任何问题。

Ng说，进百度比我想象中的要容易一点。

“许多工程师都想在AI领域工作。我的工作就是给我的团队提供做AI的最好环境，他们将是深度学习领域的未来英雄。”