Andrew Ng é um cientista da computação e empreendedor amplamente reconhecido por ter ajudado a levar a educação em aprendizado de máquina a um público massivo. Professor adjunto da Universidade Stanford, ele fundou o projeto Google Brain em 2011, aplicando computação distribuída em larga escala ao aprendizado profundo e ajudando a demonstrar, em um experimento amplamente divulgado em 2012, que uma rede neural treinada em quadros de vídeo não rotulados do YouTube podia aprender a reconhecer gatos sem que lhe fosse dito o que era um gato - uma ilustração pública inicial da aprendizagem de representação em escala por aprendizado não supervisionado e autossupervisionado.
Coursera e educação em ML para o mercado de massa
Em 2011, Ng ministrou um curso online de aprendizado de máquina em Stanford que atraiu mais de 100.000 inscritos, uma experiência que o levou a cofundar a Coursera em 2012 com a também professora de Stanford Daphne Koller. A Coursera tornou-se uma das maiores plataformas de cursos online abertos massivos, e o próprio curso de Machine Learning de Ng na plataforma, seguido posteriormente por uma Especialização em Deep Learning produzida por meio de sua empresa deeplearning.ai, está entre os cursos técnicos mais inscritos já disponibilizados online, sendo creditado por treinar uma grande parcela de uma geração de engenheiros de aprendizado de máquina atuantes fora dos programas tradicionais de ciência da computação.
Baidu e empreendimentos posteriores
De 2014 a 2017, Ng atuou como cientista-chefe na Baidu, onde construiu e liderou o Grupo de IA da empresa, trabalhando em reconhecimento de fala, visão computacional e outros sistemas de IA aplicados para o mercado chinês, além de popularizar a frase "IA é a nova eletricidade" para descrever o papel esperado da IA como uma tecnologia de propósito geral comparável à eletrificação. Após deixar a Baidu, ele fundou a deeplearning.ai (educação), a Landing AI (aplicações industriais de visão computacional) e o AI Fund, um estúdio de venture capital que apoia startups de IA, e continuou a defender a adoção prática e focada em aplicações do aprendizado de máquina em indústrias tradicionais, em vez de um foco restrito apenas em pesquisa de fronteira.
Influência e posições públicas
Ng tem sido uma voz visível ao argumentar que os danos práticos de curto prazo e os ganhos de produtividade da IA merecem mais atenção do que as preocupações de risco existencial de longo horizonte, o que o coloca, por vezes, em desacordo com pesquisadores como Yoshua Bengio sobre a urgência da regulamentação de segurança da IA, embora concorde amplamente quanto ao potencial econômico transformador do aprendizado profundo e, posteriormente, dos modelos de linguagem de grande escala. Ele também testemunhou a legisladores que uma regulamentação excessivamente ampla da IA corre o risco de desacelerar a inovação benéfica mais do que prevenir danos, uma postura que o tornou uma referência frequente nos debates políticos sobre o quão estritamente governar a tecnologia.