एंड्रयू एनजी एक कंप्यूटर वैज्ञानिक और उद्यमी हैं, जिन्हें व्यापक रूप से मशीन-लर्निंग शिक्षा को जन-समूह तक पहुँचाने का श्रेय दिया जाता है। स्टैनफोर्ड विश्वविद्यालय में सहायक प्रोफेसर के रूप में, उन्होंने 2011 में गूगल ब्रेन परियोजना की स्थापना की, जिसमें बड़े पैमाने पर वितरित कंप्यूटिंग को डीप-लर्निंग पर लागू किया गया, और 2012 के एक व्यापक रूप से रिपोर्ट किए गए प्रयोग में यह प्रदर्शित करने में मदद की कि बिना लेबल वाले यूट्यूब वीडियो फ्रेम पर प्रशिक्षित एक तंत्रिका नेटवर्क बिल्लियों को पहचानना सीख सकता है, बिना यह बताए कि बिल्ली क्या है - यह बड़े पैमाने पर अनुपरिवीक्षित और स्व-पर्यवेक्षित प्रतिनिधित्व सीखने का एक प्रारंभिक सार्वजनिक उदाहरण था।
कोर्सेरा और जन-बाजार एमएल शिक्षा
2011 में, एनजी ने स्टैनफोर्ड में एक मशीन-लर्निंग पाठ्यक्रम ऑनलाइन पढ़ाया, जिसमें 100,000 से अधिक नामांकन हुए, और इस अनुभव ने उन्हें 2012 में साथी स्टैनफोर्ड प्रोफेसर डाफ्ने कोलर के साथ कोर्सेरा की सह-स्थापना करने के लिए प्रेरित किया। कोर्सेरा सबसे बड़े मैसिव ओपन ऑनलाइन कोर्स प्लेटफार्मों में से एक बन गया, और प्लेटफार्म पर एनजी का अपना मशीन लर्निंग पाठ्यक्रम, जिसके बाद उनकी कंपनी deeplearning.ai द्वारा निर्मित एक डीप लर्निंग स्पेशलाइजेशन आया, अब तक ऑनलाइन सबसे अधिक नामांकित तकनीकी पाठ्यक्रमों में से एक है, जिसे पारंपरिक कंप्यूटर विज्ञान कार्यक्रमों के बाहर अभ्यासरत मशीन लर्निंग इंजीनियरों की एक पीढ़ी के बड़े हिस्से को प्रशिक्षित करने का श्रेय दिया जाता है।
बैदू और बाद के उद्यम
2014 से 2017 तक, एनजी ने बैदू में मुख्य वैज्ञानिक के रूप में कार्य किया, जहाँ उन्होंने कंपनी के एआई समूह का निर्माण और नेतृत्व किया, भाषण-पहचान, कंप्यूटर-विज़न, और चीनी बाजार के लिए अन्य अनुप्रयुक्त एआई प्रणालियों पर काम किया, और एआई की अपेक्षित भूमिका को विद्युतीकरण के तुलनीय एक सामान्य-उद्देश्यीय प्रौद्योगिकी के रूप में वर्णित करने के लिए "एआई नई बिजली है" वाक्यांश को लोकप्रिय बनाया। बैदू छोड़ने के बाद, उन्होंने deeplearning.ai (शिक्षा), लैंडिंग एआई (औद्योगिक कंप्यूटर विज़न अनुप्रयोग), और एआई फंड की स्थापना की, जो एआई स्टार्टअप्स का समर्थन करने वाला एक उद्यम स्टूडियो है, और उन्होंने पारंपरिक उद्योगों में मशीन-लर्निंग के व्यावहारिक, अनुप्रयोग-केंद्रित अपनाने की वकालत जारी रखी है, न कि केवल सीमांत अनुसंधान पर संकीर्ण ध्यान केंद्रित करने की।
प्रभाव और सार्वजनिक स्थितियाँ
एनजी एक दृश्यमान आवाज़ रहे हैं, जो तर्क देते हैं कि एआई से अल्पकालिक, व्यावहारिक नुकसान और उत्पादकता लाभ दीर्घकालिक अस्तित्वगत जोखिम चिंताओं से अधिक ध्यान देने योग्य हैं, जिससे वे कभी-कभी एआई-सुरक्षा विनियमन की तात्कालिकता पर Yoshua Bengio जैसे शोधकर्ताओं से असहमत होते हैं, जबकि डीप-लर्निंग और बाद में बड़े भाषा मॉडल की परिवर्तनकारी आर्थिक क्षमता पर व्यापक रूप से सहमत होते हैं। उन्होंने विधायकों के समक्ष यह भी गवाही दी है कि अत्यधिक व्यापक एआई विनियमन लाभकारी नवाचार को धीमा करने का जोखिम उठाता है, जितना कि यह नुकसान को रोकता है, एक ऐसा रुख जिसने उन्हें प्रौद्योगिकी को कितनी कसकर नियंत्रित किया जाए, इस पर नीति बहस में एक लगातार संदर्भ बिंदु बना दिया है।