Andrew Ng es un científico de la computación y emprendedor ampliamente reconocido por ayudar a llevar la educación en aprendizaje automático a una audiencia masiva. Profesor adjunto de la Universidad de Stanford, fundó el proyecto Google Brain en 2011, aplicando computación distribuida a gran escala al aprendizaje profundo y ayudando a demostrar, en un experimento de 2012 ampliamente reportado, que una red neuronal entrenada con fotogramas de video sin etiquetar de YouTube podía aprender a reconocer gatos sin que se le dijera qué era un gato, una ilustración pública temprana del aprendizaje de representaciones no supervisado y autosupervisado a escala.
Coursera y la educación masiva en ML
En 2011, Ng impartió un curso en línea de aprendizaje automático en Stanford que atrajo a más de 100,000 inscritos, una experiencia que lo llevó a cofundar Coursera en 2012 junto con la también profesora de Stanford Daphne Koller. Coursera se convirtió en una de las plataformas de cursos en línea masivos y abiertos más grandes, y su propio curso de Machine Learning en la plataforma, seguido más tarde por una Especialización en Deep Learning producida a través de su empresa deeplearning.ai, se encuentra entre los cursos técnicos más matriculados jamás ofrecidos en línea, acreditado con la formación de una gran parte de una generación de ingenieros de aprendizaje automático en ejercicio fuera de los programas tradicionales de ciencias de la computación.
Baidu y empresas posteriores
De 2014 a 2017, Ng se desempeñó como científico jefe en Baidu, donde construyó y dirigió el Grupo de IA de la empresa, trabajando en reconocimiento de voz, visión por computadora y otros sistemas de IA aplicada para el mercado chino, y popularizando la frase "la IA es la nueva electricidad" para describir el papel esperado de la IA como una tecnología de propósito general comparable a la electrificación. Tras dejar Baidu, fundó deeplearning.ai (educación), Landing AI (aplicaciones industriales de visión por computadora) y el AI Fund, un estudio de empresas que respalda startups de IA, y ha seguido abogando por una adopción práctica y centrada en aplicaciones del aprendizaje automático en industrias tradicionales, en lugar de un enfoque limitado solo a la investigación de frontera.
Influencia y posiciones públicas
Ng ha sido una voz visible que argumenta que los daños prácticos a corto plazo y las ganancias de productividad de la IA merecen más atención que las preocupaciones a largo plazo sobre el riesgo existencial, lo que lo ha enfrentado en ocasiones con investigadores como Yoshua Bengio sobre la urgencia de la regulación de seguridad de la IA, mientras coincide en general sobre el potencial económico transformador del aprendizaje profundo y, más tarde, de los grandes modelos de lenguaje. También ha testificado ante legisladores que una regulación excesivamente amplia de la IA corre el riesgo de frenar la innovación beneficiosa más de lo que previene daños, una postura que lo ha convertido en un punto de referencia frecuente en los debates de políticas sobre cuán estrictamente gobernar la tecnología.