中國 AI 應用元年來了！
經歷 60 多年的發展，人工智能技術從實驗室逐步走向產業落地的階段，並在企業、行業、人力等掀起深刻變革 。隨着政策加持、技術快速發展，衆巨頭互聯網企業紛紛喊出“All in AI”，人工智能熱潮蔓延。
商業化落地是AI技術發展的重要評判依據。去年以來，產業智能化發展風生水起，交通、工業、教育、醫療等成爲AI落地的重點方向，這也讓那些早先入局AI的企業和開發者們分到了更大的市場蛋糕。
如今在AI開發工具的使用上，諸多公司正在千方百計降低開發者的上手門檻；新技術也在不斷涌現，聯邦學習，AutoML等正成爲新一輪AI技術應用的重點對象；在系統架構層面，來自國內的新的開源架構近期層出不窮，AI中臺化正成爲各大公司的重點戰略。
當然，AI的應用場景也不止於上述熱門領域，還有很多你意想不到的行業蘊藏着巨大的機會。2020年，AI落地大考在繼續，隨之帶來的人才需求，也在不斷增長，同樣率先把握住機會的程序員就有更大機會佔據先機。
那麼開發者該如何聚焦AI技術，探索可沉澱於時代潮流的落地應用？彌補AI開發者與企業應用間的鴻溝？更好地利用人工智能技術助力變革企業信息化？對此，CSDN 聯合職場社交平臺脈脈重磅打造高端對話欄目「大咖來了」第一期《共話人工智能技術新生態》，直麪人工智能技術、人才、行業等難題，邀請CSDN 創始人&董事長、極客幫創投創始合夥人蔣濤，京東集團技術副總裁，IEEE Fellow，京東人工智能研究院常務副院長，深度學習及語音和語言實驗室主任何曉冬，來也科技 CTO 胡一川，由谷歌女性開發者大使袁滾滾任主持人，帶來一場關於 AI 應用的頭腦風暴。
以下，我們梳理了這期節目中主要的精彩對話，從中你可以瞭解到：
- 從CSDN 3000萬註冊用戶統計分析的《中國 AI 應用開發者報告》，反映真實 AI 行業現狀
- 疫情期間， AI 有哪些好的落地應用？
- 京東和來也科技如何在疫情場景下讓 AI 應用發揮價值？
- 如何推動更多企業信息化，讓 AI 更好地賦能產業？
- 人工智能在未來三到十年將如何發展？
- 對於希望進入 AI 領域的企業和開發者，有哪些經驗和建議值得借鑑？
文章內容僅代表嘉賓獨立觀點。
《中國AI應用開發者報告》重磅發佈
近日，CSDN和脈脈共同發佈《中國AI應用開發者報告》，這份報告涵蓋近年來人工智能領域的產業變化、技術演進、發展趨勢以及AI人才培養等內容。
Q：下面請蔣濤老師爲我們分析下這份報告裏傳遞了哪些關鍵信息，對於行業和開發者來說，存在哪些意義？
蔣濤：在本次報告中，我們分析出在 CSDN 超過 3000 萬的註冊開發者中，689 萬開發者有閱讀、撰寫與研究 AI 技術行爲，其中，精準聚焦 AI 學習及應用的開發者人數達到了 154 萬。
從報告中我們看到，從2016年開始，AI應用開發者數量激增，主要是受到AlphaGo的影響。在2016-2018年，AI 發展進入高熱期，包括人臉識別在內的大量技術的應用落地。
與此同時，我們也看到一些問題：很多企業只能實現基礎的數字化應用，其中14%的企業無信息化。
這份報告的數據來源包含兩部分：一部分是 AI 應用開發者，涵蓋地區、年齡分佈等；另一部分是他們所在的企業，這一部分數據來自於抽樣調查。在這154萬開發者中，北京佔27萬，廣東佔21萬，上海、浙江緊隨其後。另外，我們和脈脈一起圍繞企業對人才的需求進行了調查，涵蓋企業對人才的要求、需求變化。整體而言，報告的核心關注點是 AI 應用在未來落地狀況。
掃描二維碼，一鍵獲得《中國AI應用開發者報告》
抗疫前線，AI應用落地大考
Q：在疫情中，企業如何通過 AI 技術和應用發揮價值？京東和來也科技有哪些具體的應用？
何曉冬：目前京東人工智能研究院覆蓋計算機視覺、語音與聲學、語義、對話、機器學習和知識圖譜六大項技術。在推動這些技術發展的同時，我們更關心技術如何落地、如何在京東的各場景下幫助解決核心的業務和應用場景，提升我們的服務水平來更好地服務用戶。
我們認爲最核心的三個點是人才、場景和NeuHub人工智能平臺。我們希望能打造起技術和場景相結合發展：例如，將人工智能技術和金融場景結合，使技術產生真正的價值。再將沉澱出來的新技術，通過開放的NeuHub人工智能平臺，賦能或提供給第三方開發者，最後形成一個良好的開發生態，實現自我循環，持續推進技術和場景的結合和前進。
在疫情期間，我認爲幫助最大的 AI 應用是協同辦公工具。我用過包括京東內部研發的協同辦公工具，這些工具基本帶有一些 AI 應用，例如判斷誰在說話。在未來，我希望協同辦公能更加智能化，例如直接將在線會議的語音轉換成會議記錄、自動摘要形成會議紀要、自動提取 to-do list 併發送給相關人員。
京東在疫情中也做了很多工作，在物流上，我們通過京東物流將大批物資從廣東運到了武漢，鍾南山院士給京東物流寫信：“感謝京東心繫醫療援助一線，以最快的速度將急需醫療物資送達武漢。”
在 AI 上，我們也有很多值得分享的案例，例如京東無人車在武漢街頭運送物資。下面介紹兩個應用場景：
1、京東承建應急物資供應鏈管理平臺，該智能平臺通過商品的知識圖譜技術、對用戶真實意圖的理解優化和計算來能迅速把口罩、呼吸機等醫療物資的提供方和需求方相匹配。
2、京東通過人機交互系統，來提供很多疫情的信息，完成居民信息的收集、整理、上報。
在抗疫戰線裏，除了武漢，偏遠地區也急需抗疫信息和物資。京東除了通過 AI 技術匹配急缺物資外，通過京東通用智能對話平臺來搭建疫情排查系統，幫助農場主快速瞭解農場員工和家屬的情況，不用派人一個個去做調研排查，對減少交叉感染的概率起到很大作用。通過這次疫情，我們看到，很多偏遠的、沒有數字化普及的地方，存在大量的機會和需求。疫情不僅對 AI技術的考察，也是技術傳播應用的機會。
胡一川：疫情期間有兩個AI應用給我留下深刻印象：
一是人臉識別。由於疫情大家需要戴口罩，手機的人臉識別功能因此受到影響，給人們操作帶來不便。我們看到，這類的 AI 技術已深入到人們生活的方方面面。
二是對話機器人。公司辦公樓經常會有一些訪客，人工給訪客們辦出入證較麻煩，來也科技的小夥伴研發出一個對話機器人，只要訪客跟它說“幫我辦一個出入證”，並告知姓名、日期等基本信息，機器人可自動繪製出入證圖片併發給訪客，提升人們生活和工作的便利性。
除此之外，來也科技爲抗疫做出自己的貢獻：
在社區防疫上，我們利用 RPA、語音外呼機器人，幫助社區自動化排查返京人員的身體情況，並將信息及時彙總和同步到系統。通過這些AI應用，爲社區節省大量人力物力，社區只需要安排一兩位工作人員監督機器人，然後由人自動化地完成工作。
在線教育上，大家的溝通需求和頻次大量增加，我們提供響應的對話機器人，自動應答用戶的問題，來提升應答效率。
三浪疊加時代，AI賦能企業信息化
Q：目前企業信息化的程度如何？科技公司有哪些 AI 產品來助力企業信息化？
蔣濤：阿里巴巴的曾鳴教授曾經提過，中國現在處在一個特殊的“三浪疊加”時期，即 1.0、2.0、3.0企業同時存在。1.0指傳統手工作坊式的企業，2.0指工業化時代的企業，3.0指互聯網時代的企業。實際上還有3.5的企業，即移動互聯網時代的企業。
由於過去中國市場的空缺，每一“浪”的企業都有可以發揮的餘地。但這次疫情對所有企業而言，均是一次強制升級，沒有數字化的企業可能會發現自己的客戶沒了。
因此，這次疫情促使所有企業進行數字化升級，這爲未來 AI 應用落地奠定了基礎。AI 應用還需數據支持，只有交易、流程數字化，才能爲 AI 應用落地提供保障。今年可能是 AI 應用開始的元年，大家圍繞 AI 應用有很多可以展開的話題。
何曉冬：如今京東不僅在做 AI ，如今京東不僅在做 AI ，去年京東將 AI 和雲及IoT三個品牌統一爲京東智聯雲，並由京東雲與AI總裁周伯文博士提出 “ABCDE”戰略，即AI（人工智能）、Big Data（大數據）、Cloud（雲計算）、Devices（IoT）和Exploration（前沿探索）。以雲計算爲底層基礎架構，以大數據平臺爲基礎平臺，再結合 AI、IoT等技術來提升研發能效，通過信息安全基礎，依託起在零售、物流、數字科技等場景的 AI 落地。另外，技術將從 2C 向 2B 擴展、從線上向線下擴展、聯合實物和虛擬的處理，實現多場景覆蓋。
例如，京東零售業務每天有上千萬的活躍用戶，在 6.18 等活動後會有大量用戶找客服諮詢，在這場景應用智能對話系統是必需的。目前我們實現每天用 AI 技術來接待數百萬用戶的需求。
在問詢環節，我們加入一定的情感智能技術，可感受用戶情緒，從而針對性地提供更好的服務。由於零售是個很長的鏈條，AI 技術可在售前、售中、售後、物流等各個環節提升效率、增強用戶體驗。
在京東對話系統中，對四川話等主要地方方言做到較好的識別。假如 AI 系統發現用戶的焦急情緒，可通過語言進行了安撫。
除了售後應用之外，導購也是有意思的應用場景，例如售前如何吸引客戶，讓客戶願意購買東西？這需要應用 AI 的感知、語音識別、認知等能力。在這過程中，我們結合工單、商品系統和商品庫等共同提升服務效果。
目前，京東對外提供的 AI 能力主要包括兩個層次：
一是基礎的層次，將基礎的語音合成、語音識別、情感分析等 AI 能力作爲 API 提供在開放平臺，第三方可以通過調用 API 來使用。
二是京東提供整體的對話能力、呼叫中心等解決方案。例如智能服務平臺“京小智”，向京東平臺商家提供智能諮詢與導購服務，如今它做爲一個SaaS化的服務，讓京東幾十萬商家可結合自己商品庫的知識庫，來做自己的商品銷售支持，智能服務客戶。
胡一川：來也科技專注在 RPA + AI 機器人領域，其核心產品主要是 RPA 和對話機器人。
在 RPA上，來也科技研發的機器人流程自動化平臺UiBot，作爲低代碼的流程自動化編程工具，幫助廣大開發者和業務人員開發屬於自己的流程自動化機器人。目前UiBot應用於金融、電信、製造、零售等行業領域，並在財務、法務、供應鏈等業務場景有廣泛的應用。通過 RPA 機器人，員工可以從基礎流程化工作中釋放出來，完成更有價值的工作。如此一來，企業的數字化系統能進一步被打通，爲 AI 應用的落地提供了基礎和保障。
同時我們在打造RPA+AI開發平臺和解決方案。在來也科技研發實施的RPA流程中，包括 文字識別（OCR）、自然語言處理（NLP）、對話機器人（Chatbot）、計算機視覺（CV）等多種AI能力，用於處理企業中大量的非結構化數據。
給大家介紹來也科技的智能對話機器人平臺——“吾來”，它的定位是低代碼工具。提供對話機器人編程工具，能讓開發者搭建起適合營銷、客服、企業內部等業務的機器人。
目前，來也科技爲各行各業提供RPA 流程自動化機器人和對話機器人的解決方案。我給大家分享幾個應用案例：
在零售行業中，我們有一位有大型連鎖藥店的企業客戶，它在全國有幾千家門店，每個門店每天需要進行對賬，在門店覈對後，賬本需要上傳到區域和總部進行覈算工作。由於門店較多，這個工作會耗時很久。因此，來也科技提供 RPA 機器人，可在幾分鐘之內下載銀行流水，並完成對賬。
在和國家電力系統合作中，我們發現電力系統工作人員的日常工作之一是巡檢，他們需進入不同系統，去查看現場傳感器傳輸回的數據。由於系統較多，涉及的操作極其複雜，巡檢是一件耗時耗力的工作。我們提供 RPA 機器人來自動巡檢，輸出結果，這樣的話工作人員只需查看和確認巡檢結果，極大地釋放了人力成本。
無人駕駛、智能人機交互、RPA發展前景廣闊
Q：未來三到十年，您看好哪些人工智能技術發展？
蔣濤：我認爲未來變化最大的主要在兩個方面：
一是無人駕駛。如今在城市裏，我們建設起各高速公路，汽車普及應用後，經濟社會迎來巨大變革。如果無人駕駛真的出現後，城市結構和人們的交通習慣將會發生變化。但是這個變化在短期仍難以發生，我們拭目以待它到來的那一天。我相信這變化帶來的產值是巨大的，生產各種品牌汽車的廠家不再有太大的差別，而是變成類似聯通一樣的運營商。
二是AI的應用場景。如今的人機接口還有待發展，儘管語音是較好的交互接口，但像 Siri 這類的語音助手目前的理解力仍有限。不僅如此，很多機器人在較窄的領域裏可理解人的語言，但當進入一個寬泛的領域，它們對語言的理解仍存在一定的困難。所以，這是需要長期發展的技術。
在短期來看，AI 垂直化的應用會得到很多發展，包括上文中何院長提到的智能客服機器人和一川總提到的流程自動化機器人。例如在酒店場景中，客戶在房間裏預訂食物，硬件機器人可派送，這有效地節省人工成本。在未來3-5年內，將有越來越多類似的AI垂直化應用，在特定場景下有效地落地應用。
何曉冬：基於我過去十幾年在研究人機對話與交互技術，我希望在這領域能有持續的技術突破。正如蔣總所言，人機對話是 AI 從技術理論到應用具有很高價值的領域。
在未來三到五年內，智能人機交互突破語言到視覺、手勢、甚至到情緒的智能。多模態的智能人機交互應該會有較大的應用，逐漸會在一些垂直產品做突破。
在未來五到十年內，如果人機交互有所突破，將會帶來下一代計算機產業升級，就像我們從鍵盤到鼠標，再到觸摸屏這些操作習慣的改變，每次都帶來萬億級別的產業升級。
目前智能音箱只是個嘗試，如果未來實現萬物互聯，並且是有智慧的互聯，那麼未來的應用場景可能會完全不一樣。
最近京東在多模態人機交互上做了很多嘗試，這要感謝在過去五到十年深度學習技術的發展。以往大家是基於一個獨立的模態來做，如語音識別就只做語音，機器翻譯就只做文本部分，圖像和人臉識別的只做視覺。基於近幾年來的技術突破，如今可實現跨模態的人機交互。例如服務機器人不但可以運東西，還能聽懂你的話。
當你和它說：“請到樓的另一頭把牛奶拿過來。”它通過攝像頭開始到處看，並識別走廊盡頭、廚房、冰箱等，最終找出牛奶並運送給你。這就是升級的多模態人機交互。
疫情期間，京東研發出人臉識別篩查系統、智能溫感篩查系統、無人送貨車等，以及剛纔說的智能客服，均是這領域技術的探索結果，未來我們將持續推進研究腳步。
胡一川：來也科技主要提供基於 RPA 和 AI 技術的軟件機器人，因此我主要從這方向進行判斷。
如今，來也科技是在幫助企業提供數字化的勞動力。所以我認爲，未來的企業不僅要僱傭真人員工，還需僱傭數字化員工。
在未來三到五年，RPA 將從純粹的流程自動化演進到認知的自動化，即從如今只會簡單重複、基於規則的操作，未來發展爲可做認知、判斷、決策等操作。
如今企業員工每天需要處理大量的非結構化數據，如在釘釘和微信接受消息、收到郵件、合同、文檔等。目前的 RPA 機器人是無法單獨理解這些數據的，在未來三到五年，這些都會被快速應用到 RPA + AI 的場景中去。
在未來五到十年，一個大的趨勢是企業裏數字化的勞動力或機器人會越來越多。目前我們看到，擁有上萬名員工的企業已部署上幾十甚至上百個機器人，我相信未來這個數字還會不斷提升。可能會出現機器人員工的數量可能會超過真人員工的數量。
到了那個時候，我們要解決機器人之間的協同問題，這些機器人可能是不同類型的，有 RPA 機器人、對話機器人，或是其他形態的機器人。此外，人們如何管理機器人也亟待解決的。隨之而來的是社會經濟將發生極大改變，會有更多數字化勞動力爲社會創造財富。
AI 浪潮下，大中小企業何去何從？
Q：對想抓住 AI 大潮的企業有哪些建議？
蔣濤：AI 時代是偏向大企業發展：一是 AI 人才非常昂貴，小企業養不起，傳統企業不一定能用好，因此對於大公司，特別是有技術實力的大公司是非常有利的時代。
二是 AI 技術需要大量的數據，除了人才以外，還有數據和場景。互聯網的數據基本掌握在大公司手上，這會形成馬太效應，掌握得越多，效能越好。例如何院長提到的智能客服，它的客服量越大，技能水平就越高，這對公司是有益的。
與此同時，我們看到在產業互聯網上存在機遇，線下企業、傳統企業是有很大潛力。如今投資界裏最強的高瓴資本在投資各行業的頭部公司，例如格林電器、百麗等，它通過幫助這些企業進行數字化改造來獲得紅利。這些企業在第一浪工業化革命時代領先，但在數字化時代沒有領先，所以它們還是有很大的潛力和機會來將自己的業務數字化。
對於開發類企業的機會，則是全面往行業裏發力。這一點並不太容易，在移動時代，還沒有出現安卓和 iOS 前，儘管我們說3G時代來臨，但3G門戶上市後並沒有抓到最大的機會。在 AI 時代，我們需要一個類似京東、百度、騰訊、阿里等的 AI 平臺，釋放 AI 能力，這樣應用開發商基於這些 AI 能力再去做應用。
所以企業必須在具體的場景裏扎得非常深，才能做到巨頭沒有做的事情。這些領域有很多空間可以做，但行業演變得非常快。從互聯網的發展我們發現，第一波會出來一些大公司，但每一波都存在機會，因爲技術演變會不斷帶來新的場景和應用形態，如今是應用開發商的機會。
當下，AI 時代的大幕纔剛剛開始，雖然 AI 從 16年有所爆發，但如今才真正進入應用和落地的時代。
胡一川：如今人工智能的算法和模型已逐漸平民化，無論是大企業還是小企業都能夠獲得AI的能力。
對於今天的中小企業而言， AI 落地需在自己的業務場景中找到 AI 可以發揮價值的點，所以企業需要 AI 開發者或具備AI 產品經理思維的員工。
在過去，這種人是不存在的，因爲傳統的產品經理負責做用戶交互設計界面的設計等工作，如今 AI 產品經理需要一定的數據驅動的思維，當需要用 AI 解決一個業務問題時，他需要判斷，目前 AI 能不能解決這問題？如果可以，需要從哪裏獲得數據？獲得的數據是否有標註？如果沒有標註，如何高效地標註它？訓練的 AI 模型上線後，能否形成所謂的數據閉環？在不斷變化的環境中，如何持續地獲取線上數據來優化增強模型？
在中小企業中，要讓 AI 落地，算法不是最關鍵的，這一系列工作纔是最關鍵的。如今大公司、開發者、開源社區已把這些算法、模型和基礎框架都做得非常好，小公司更多應思考自己的業務如何和 AI 結合。
未來 AI 的落地應是自上而下和自下而上相結合。在過去，尤其在大企業裏，AI 落地是自上而下的，往往領導層說要推動智能化，下面纔開始動起來，但可能無法得到真正來自一線的需求，所以有時候是爲了智能化而智能化。
如果能將自上而下和自下而上結合起來，就能取得更好的效果，也就是一線的業務人員和業務部門想辦法通過 AI 來解決業務問題，在取得較好的效果後，往公司推廣。
我們使用 RPA + AI 產品來服務企業時發現，有的企業是一個部門的業務人員使用 RPA 機器人解決完工作的痛點後，逐漸推廣到整個部門，甚至是整個公司。這種方式風險相對較小，且更多地發動員工的集體智慧，因此這也是未來企業 AI 落地的發展趨勢。
何曉冬：中小企業在 AI 落地上有優勢也有劣勢。正如兩位提到，如果從基礎的算法開發和創新來說，中小企業不一定願意投入更多。它們的優勢更多在於，對於某個業務場景理解特別好，對相關算法的理解也到位，所以能瞭解在當前最新的技術中，哪些已經成熟，可以用來解決這個問題；哪些還不成熟，需要加一些人工輔助和其他方式來完成。
通過企業對場景的深度理解， AI 能力變成一個工具庫，例如京東提供的各類 API。雖然京東提供很多技術“武器”，但京東並不是真正的使用者，中小企業需知道如何真正使用它們，將“武器”和資源整合起來解決問題、創造價值，這是很多小企業大有可爲的地方。
中小企業的人才不僅要理解業務，還需瞭解最新的 AI 技術進展，根據不同技術和場景的理解，使用相應的技術。
對於京東、Google等大企業而言，需大力發展社區和各類社區合作，以此促進生態發展，例如通過課程公開 AI 能力，培訓開發者等。
我認爲 AI 生態建設的過程是件雙贏的事：對於小公司，通過了解這些技術來解決場景問題；對於大公司，通過建設平臺建立更好的生態，某種程度上這對大公司發展的護城河和大公司的長遠發展是有好處的。
AI工程師：關注前沿模型發展，着眼落地
Q：對希望從事AI技術的開發者有哪些建議？
何曉冬：對於 AI 開發者，需要注意 AI 領域的兩個特點，即兩個快。
一是 AI 技術本身發展非常快，短短十年，從深度學習崛起，再到2016年AlphaGo的崛起，神經網絡已增加好多層。二是從 AI 理論的發展到落地應用也非常迅速，往往在最新的學術會議上推出的人臉識別模型，可能在三個月後就出現在廠家的應用。最前沿的企業往往離最前沿的理論很近，或者說轉化很快。因此，有志於 AI 領域的工程師需兩條腿走路：一是追蹤最前沿模型的進展，二是着眼於實戰和落地情況。
對於人機交互或者說人機對話方向，我們已到十字路口，看到多模態以及加入知識和情感驅動的人機交互的發展。這是我關注的研究方向。
當下我的閱讀渠道是通過學術會議和期刊來獲取前沿知識。另外，我也關注一些比較硬核的開發者社區，如 CSDN、京東智領雲，大家在社區會分享一些實際的例子。
胡一川：如今要把一個 AI 模型和算法在業務裏成功落地，須考慮工程化。因此既懂得算法，又懂系統、擁有工程能力的開發者更具有競爭力。另外，具備 AI 產品經理思維能幫助企業探索 AI 如何落地，落地後能帶來什麼價值，助力形成正向反饋。
正如何老師提到的，開發者的社區生態我也非常值得關注，目前我們做的任何開發工作都離不開社區，好的產品和服務也離不開社區。作爲開發者，要關注社區最新的進展，並進入社區，主動和社區用戶交流，吸收前沿知識。
我認爲未來開發者的羣體會不斷擴大。以往開發者是會Java、Python、Go以及其他硬核的編程語言。但未來的趨勢是低代碼或零代碼，可能越來越多非計算機科班出身，不一定懂操作系統和C語言的開發者也能利用低代碼工具進行開發，這個趨勢值得關注。
蔣濤：未來AI 人才金字塔由四類人員組成：一是學術研究人員，二是將理論研究工程化落地的工程師，三是AI應用開發者，四是無代碼編程者。要想AI應用蓬勃發展，需大力發展第三類開發者。
我自己也屬於第四類，原來我是商業人士，或者說產品經理，但這類人需要具備 AI 的思維或是算法的思維，瞭解在有數據、場景和流程的情況下怎麼更好地利用技術，這是未來三到五年內可能會有較大的發展空間。
在未來幾年，技術很難有特別突破性的進展，因此這是應用落地最大的機會。GPS 定位最早應用在手機時，大家不知道它還有什麼應用，如今可應用在滴滴打車裏。滴滴的幾位創始人是產品加運營出身，這就是一個好的例子。在 AI 時代，更多的是需要張一鳴這樣的人來用推薦算法改造信息產業。
在這個時代主要有兩條線的競爭，一是平臺級的公司，例如何老師的公司，它把自己的技術做成平臺，作爲行業領先性的應用。
第二條線是像滴滴那樣的，它結合實際業務的應用來落地。在這條線上的應用需要對產業和業務理解很深。CSDN上的一些課程幫助大家先找到適合自己的應用，再看哪些技術能用，我們希望大家可以自己學會用武器來造東西。因此我最關注的是，我們找到能講應用落地的老師和課程來合作，給大家講知識譜圖等技術如何落地。
我們更多應該學習的不是Python編程，而是Python編程思維，相信這樣能給公司帶來很大改變。我們需要這方面的課程，希望更多人加入我們，共同促進 AI 應用落地，讓非 IT 人士具備 AI 思維。