一個月前，Coursera搬進了位於硅谷山景城的新辦公室，這裏的牆上大大地塗鴉着「先進的教育學（Advance Pedagogy）」字樣。
除了融資達到了 8500 萬美元的規模，Coursera直指創收的 Signature Track 項目也處於健康的增長曲線中。Signature Track 讓用戶可以選擇一套課程，完成後通過支付費用獲得證書。在 2013 年 7 月末開始這個產品後，達到第一個 100 萬美金收益花了 9 個月，隨後的 3 個月，這個收入就得到了翻倍，又三個月之後，這個收入數字變成了 400 萬，增長呈加速度。
就在自己的公司處於良好上升態勢之時，創始人 Andrew Ng（吳恩達）則宣佈加入百度的深度學習研究院。最近幾天，他正在密集地爲百度面試人才，奔走於 Coursera 的新辦公樓和百度的新辦公樓之間。他說，能和他多年的好朋友、著名機器學習專家餘凱一起工作，他感到相當興奮。
在這個時間點上，從他對Coursera 過去的設計、未來的構想，到如何運用網站收集的數據，到他未來更主要的職責—— 百度首席科學家，PingWest與 Andrew Ng 進行了一次獨家訪談。
以下 PingWest =PW 、Andrew Ng = Ng。
PW：Coursera 最初的學習和教育模式是如何被設計出來的？
Ng：我做了很多事情，也經歷了很多迭代。2011 年的時候，我就開始思考 MOOC 運動，我在 2011 年建了 6 個網站，但只有 1 個最後呈現了病毒式增長，吸引了注意力。但其中的每一個都有後來的 Coursera 中的一些元素。
我和斯坦福的朋友花了很多時間嘗試哪些是可行的、哪些不行。讓我來告訴你一些沒成功的，其中的一個網站是我們和高中合作，兩個人在那兒學習，我輸入我的名字和郵箱，你也輸入你的，我們可以同步一起看教學視頻、一起做測試。這是個無比糟糕的點子，沒有人用這個網站。因爲人們更傾向於自個學習，例如你錯過了一些內容時，你想要停下來，而我想要繼續看視頻，這顯然是衝突的，人們都想要掌握視頻的控制權。
對我而言，MOOC 最重要的一點在於規模化。在Coursera 之前我就做了些關於衆包評分的研究，第一版 Coursera 的設計裏其實沒有同學互改作業這一功能，在那一版裏我教的機器學習，我朋友教的是數據庫分析課程，因爲我們當時沒想清楚到底怎麼做纔是最好的，一直到第二版的設計中才加入了它。
PW：你對 Coursera 的願景是什麼？未來的計劃又是什麼呢？尤其是邀請了耶魯的校長 Rick Levin 加入，Coursera 是否越來越像一所在線的大學？
Ng：今後，我的主要職責會是在百度，但我仍然會在 Coursera 全方位地幫助這個公司。我希望 Coursera 給每個人獲得良好教育的機會。我認爲教育給予你超級力量（Super powers）。Coursera 未來不會變成一所大學，我們的大學合作伙伴在提供學位上做的已經非常好了。我們更願意成爲一個平臺，他們可以把內容放在上面。
Coursera 不會提供學位，我們做別的事情。擁有一個學位在你的簡歷上非常有用，但有一個 Coursera 課程的證書也能一樣有用。這種證書是一種專長的象徵。我認爲，教育變得更加得模塊化，學位是一整塊長達 4 年的項目，但我認爲大多數成年人不需要一個 4 年全日制的教育，他們需要一門或者幾門課程。所以教育會打散成模塊，我們在一個絕佳的位置去滿足這種需求。
PW：在你看來，Coursera是否在和大學競爭？
Ng：我如果讓你想一下你最喜歡的老師，你和她愉快的對話交流，我們可以用計算機代替她嗎？答案顯然是否定的，甚至去做這種嘗試都是很愚蠢的。
你最愛的老師畢生花了很多時間一年又一年地教授同一門課程、批改試卷。我認爲機遇是在於，我們應該用技術來替代這些常規、重複的教學流程，這位你最愛的教授在未來就可以花更多的時間和學生交流對話，就像她和你之間產生的火花一樣。我不喜歡 MOOC 和教授們爭奪學生，MOOC 該做的是解放教職員工的時間，讓他們花費他們寶貴有限的時間來創造更多的價值。75% 我們的用戶，是已經有本科學位的。這種帶有證書形式的學習，是對大學教育的補充。你在大學學位上花了 4 年，那接下去 4 年呢？
如果一個 18 歲的孩子被北大錄取了，有人爭論到底是去上北大還是在家學習免費的北大課程的話，我肯定會說，去北大唸書去。你可以獲得更多更美好的經歷和體驗。
PW：你曾經說過，在線教育是均衡器，讓每個人都能享受到教育。但你又提到，Coursera 的用戶 75% 都有了本科學位。已經受到良好教育的人通過 Coursera 學習更多的知識，而那些更需要知識來改變命運的人，比如高中輟學生，卻並不是 Coursera 的使用者，這樣在線教育如何發揮「均衡器」的功能呢？
Ng：當我們說 75% 的人有大學學歷的時候，沒有說的那部分是，另外 25% 的人並沒有大學學位。我們覺得我們可以爲這些人提供服務，真是太棒了！就算 Coursera 只服務了 100 萬沒有大學學歷的人羣，都在一定程度增加了社會公平。Coursera 服務了 565 萬大學及以上畢業生，這不影響我們也服務了那 195 萬沒有大學學位的人這個事實。
Coursera 使用者中，三分之一來自於發展中的經濟體。
我們即爲來自發達國家的人羣服務，也服務到了發展中經濟體的這些人羣。我在科技中看到的是，科技總是「涓滴」的，比如汽車、網絡，一定是有財富的人先使用上這些的。但科技總是縮小差距的，當智能手機剛出現的時候，有錢人先有使用機會，幾年之後的現在，有那麼多人都有智能手機了。
但我們在做一些事情加速這個過程，比如開發 Android 應用，我們發現，在貧困地區的人通常會花費很多時間在交通出行上，因此我們的行動端允許下載影片，讓他們在出行路上看。
PW：Coursera 在一些地區設立「學習中心（Learning hub）」，讓沒有網絡、甚至是沒有計算機的人羣可以聚集在一起學習的項目，進行得如何了？
Ng：我們對這個項目取得的成績滿意。比如說在肯尼亞這個，是在孤兒院裏。我們也和各地的美國政府部門，比如領事館合作。他們會開放空間，來爲當地沒有網絡的服務的人們提供 Coursera 的課程內容（總共和 30 個國家的領館合作，每個領館的教室數量在 10 – 70 個不等）。
這個項目最大的挑戰在於，每個學習中心的人數還相對有限。在 Coursera，我們思考很多和規模化有關的問題。現在我們有 770 萬學習者，50 萬在中國，每天都有 12000 新用戶加入。我們試着讓自己的每個努力都可以規模化，這樣每個舉動都可以影響到更多更廣的人羣。
PW：你們在中國找到了很好的夥伴，他們貼近年輕人、用戶是有受教育的羣體。Coursera 在進入中國市場前做了一些什麼準備？
Ng：當時我們要開始全球化的擴展，我們用很多方式做了分析，哪些有着龐大用戶量的國家是否有很好的因特網接入？是否用戶的英語足夠流利？是否有足夠穩定的寬帶服務？我們從不同緯度做了調查，不管是哪一方面的調查，中國都在很顯眼的位置。審視我們在中國的用戶呈現出來的規律，我們發現網絡是最大的問題，這是我們和網易合作的開始，把我們的一些影片放在中國。我們的工程師團隊特地去中國驗證我們網站的運行速度，影片速度仍然相當得緩慢。
我們很幸運，果殼有一個討論小區，那上面已經有很多關於 MOOC 和我們的課程的討論。事實上，我們不記得到底是誰主導了這個合作，好像是我們的一個員工認識他們的員工，然後開始對話的。但我們確實發現他們和我們的價值觀一致，都相當地重視知識。
PW：怎樣看待中國這個市場？對於 Coursera 而言，有什麼獨特之處呢？
Ng：我們在探索中國用戶規律上仍處於非常初級的階段。比如，中國用戶在使用社交媒體上和美國人使用社交媒體非常不同。我覺得我們還沒怎麼弄清楚呢。關於課程認證，我們發現越來越多的美國僱主把 MOOC 認證當回事了，如果你有一個在線課程的認證，僱主會因此給你一個工作的。在中國，這點仍然在推進之中，我們也仍然在研究如何向中國傳達這個信息。
最大的不同是語言，中文課程在中國和臺灣更受歡迎。不過，有趣的是，也有一些美國人在上中文的課程。有件事是不斷地重複的：這個世界正在變得更加得接近。另外一箇中國和任何別的地方都不同的是，在中國，很大一部分 Coursera 用戶來自於大學。在其他地方，大學生的比例比較低，在中國這個數字接近 50%。
PW：Coursera 收集的數據如何被用於理解人們的學習曲線？怎樣有效地促進有效的教育呢？
Ng：課程被電子化了，因此所有在 Coursera 上的活動都是電子化的。
你的每個動作都是可被追蹤的到 —— 我們記錄每次點擊、作業、每個任務是否被正確批改修訂，我們知道你是不是在觀看影片的中途暫停，我們不僅知道你在討論組裏寫了些什麼，也知道你獲得的反饋。正因爲有大量的學生，每個學生產生的數據，讓我們收集到的學習數據數量達到了史無前例的程度。就在過去的一年裏，Coursera 收集的教育數據，超過了過去 5000 年所有的教育數據總和。有了那麼多數據，我們就此和大學院校的研究院合作，來理解人類學習這件事。
比如說，如何去發現課程作業中是有錯誤的？你有一個包含 100 道題目的測試，如果這些試題中有些本身題目有錯，你如何發現它？你可能想，學生可能會答錯，確實。但僅僅是很多學生答錯了，這不代表一個測試本身含錯，也許只是問題很難。
在 Coursera 的數據裏，因爲學生做了很多的測試，我們可以知道哪些學生厲害，哪些有點弱，所以僅僅是因爲問題比較難的話，厲害的學生答對的概率會更高。對於檢測本身含錯的測試題，我們的標準是，強的學生並沒有比起弱的學生表現得更好。這是更可靠來識別本身含錯試題的信號。這是因爲上千的學生做了測試，我們可以從數據的角度來測試。
PW：Coursera 的數據得出的結論是否對改進傳統課堂體驗會有幫助？
Ng：這有點像「翻轉課堂」的理念。如果你在史丹佛教 100 個學生，你沒有足夠的數據來得出結論。在線課程，你一下教 50000 個學生，數據就可以用來幫助提升教學內容，來更好地教史丹佛那 100 個學生。用我舉例子，有成千上百個學生讓我可以很容易發現一些常見的謬誤。
有很多合作大學事實上從在線課程本身發展出創新來。比如喬治亞理工物理學的 Micheal Schatz 教授，他想找出方案來改進實驗室課程。他讓學生丟東西然後用手機影片記錄物體軌跡，學生可以逐個畫面地做分析來預測籃球落地位置，以此來學習牛頓運動定律。每個學生的體驗都得到了提升。
（注：翻轉課堂（FlipCla***oom）指調整課堂內外的時間，將學習的決定權從教師轉移給學生。學生主動基於項目進行學習，共同研究解決本地化或全球化的挑戰以及其他現實世界面臨的問題，從而獲得更深層次的理解。）
PW：是否大型開放式網絡課程（MOOC）由於參與人數衆多，也可以幫助一些教授完成他們的研究？
Ng：這不是在線公開課的主要用途，但是一兩個課程確實用到了這個概念。
在線公開課最珍貴的時形成了一個相互分享訊息的小區。比如，有老師在教食品標籤的課時，讓每個學生都跑到超市裏去拍食品標籤然後放到討論論壇上，這個東西全世界都不一樣，很有趣。你想想除了這裏，還有哪裏你能看到全世界各地的食品標籤呢？對學生而言，他們看到了全世界各種不同的食品標籤，因爲參與了課程，每個學生的體驗都得到了提升。如果你只是在舊金山或者北京教課，你沒有辦法獲得如何豐富的有趣體驗。
PW：Coursera 和你的本業，機器人、機器學習以及人工智能有什麼聯繫嗎？
Ng：有那麼一點，但是不多。MOOC 收集了那麼多數據，我們一直使用人工智能和機器學習來分析這些數據，我剛剛說的這些故事都是使用機器學習的工具實現的，這是前所謂的教育數據，不過我不太可能把這些數據用在深度學習領域。
Coursera 有的數據非常獨特，我們有那麼多教育數據，在此之前沒有人收集過這些，我們發現即使是很簡單的分析都能發現相當有意思的結果。
PW：加入百度之後，你對構建這個實驗室有什麼規劃？
Ng：人工智能是非常資本化和集約化的，我們想造下一代的深度學習系統，需要許多相當昂貴的計算器、要具有性能良好的計算力，僱傭一大批人工智能領域的專家和計算機系統的專家。
教育和人工智能都是非常讓人興奮的問題，但是有很多人都願意留在人工智能領域。很幸運，硅谷有很多人願意在人工智能領域工作，餘凱和張潼彼此是好朋友已經很多年了，他們在百度做的很多工作都非常讓人振奮，餘凱做的很多深度學習的研究工作，比我見過的很多東西都要先進許多許多。我和他也是好多年的朋友，將要和他一起工作讓我非常興奮。
對於中國公司拷貝美國公司的傳統固見已經過時了，你看許多中國的創新對中國是獨特的，美國的創新對美國是獨特的。我們有兩個不同的生態系統。美國的公司，平均而言，有着更成熟的技術，但我看到了很多在中國的創新，比如說餘凱的深度學習項目。我相信，以後我們不再會說「中國製造」，而會說「中國創造」。