机器之心报道
编辑：泽南
PeterNorvig：AI在线课程10万报名只有1.6万人上完，这才是需要解决的问题。
10月11日，斯坦福大学宣布谷歌研究总监（DirectorofResearch）PeterNorvig加入斯坦福以人为本人工智能研究院HAI，任杰出教育研究员。
PeterNorvig将于今年秋天正式加入斯坦福任教，并将大部分精力投入教育。斯坦福表示，他的任务将是开发工具和内容来解释人工智能的关键概念。
PeterNorvig是享誉世界的计算机科学家和人工智能专家，他是AAAI和ACM会员，著有经典书籍《人工智能：一种现代方法》（ArtificialIntelligence:AModernApproach）。在加入谷歌之前，他曾经是NASA计算科学部门的主要负责人，并在南加州大学以及伯克利大学任教。
PeterNorvig曾在布朗大学获得应用数学学士学位，在加州大学伯克利分校获得计算机科学博士学位。他获得了伯克利「卓越校友和工程创新奖」，从NASA获得了「非凡成就勋章」。他曾任南加州大学的教授，其他著作包括《人工智能程序设计范型：通用Lisp语言的案例研究》、《Verbmobil：一个面对面对话的翻译系统》、《UNIX的智能帮助系统》等。
在谷歌期间，Norvig为推动人工智能技术进步作出了很多贡献：他曾负责监督这家科技巨头的搜索算法，并建立了专注于机器翻译、语音识别、计算机视觉的团队。在NASA期间，他的团队构建了首套宇宙飞船自动驾驶系统，其后来发展成为如今火星车的操作系统。
Norvig在人工智能教育界声望很高，他与加州大学伯克利分校教授StuartRussell合著的《人工智能·一种现代方法》已被全球约所大学用作入门教科书。Norvig还通过在线教育平台Udacity教授了数十万学生，他的《DesignofComputerPrograms》是Udacity最早的经典课程之一（且免费）。
在这一消息正式公布之前，Norvig接受斯坦福采访，回答了人们的一些问题：
我们在《斯坦福AI指数》中注意到了大学人才流失的问题——技术学者正在离开学校走向工业界，是什么让你选择了反方向？
PeterNorvig：我的整个职业生涯一直在学界、业界和政府机构中来回切换，在谷歌工作20年，其中被迫在家办公18个月后，我感觉现在是尝试新事物并专注于教育的好时机。
在你看来，以人为本的AI是什么？
PeterNorvig：将AI视为一个优化过程的一种思路是——在不确定的世界中找到将导致最大预期效果的行动方式。过去我们关心的问题是哪种算法最适合进行这种优化，现在我们有了一套很棒的算法和工具，更紧迫的问题是以人为中心的：你到底想要优化什么？你为谁的利益服务？你对每个人都公平吗？有人被排除在外吗？你收集的数据是包容性的，还是有偏见的？
斯坦福HAI的一大目标是建立多元化、公平和包容性教育体系。什么样的教育可以有效提高人工智能技术领域的普适性？
PeterNorvig：我认为这里存在三个需要解决的问题。
首先是建立能让人才进入该领域的通道。这需要努力给未触达的人口一种归属感和受欢迎的感觉。我很幸运能从当初的导师那里受益，他们不仅为我塑造了在技术领域工作的样子，而且让我觉得「这很有趣——我想花时间和很酷的人在一起，他们看来接受了我」。我有这些机会，是因为我在一个重视教育的家庭长大，而且住在大学城。
对于那些没有这样环境的人，我们需要计划和政策让他们留在学校，培养他们的老师成为更好的导师，对STEM领域有更多的了解，并让学生感到有一条光明的道路。
第二个挑战是在招聘过程中公平地选择人才。我们看到很多公司正在拓宽思路，不再仅接触排名靠前的几所学校的候选人。
第三是留住人才，不能只是装装样子：如果公司中的某些人不受欢迎、不欣赏人才，人才就会流失。公司应该努力培养员工，让他们意识到彼此带来的价值。
并不是所有人都能进入斯坦福、伯克利和MIT学习，如何让AI教育通向更多人？
PeterNorvig：我参与在线教育就是因为这个原因。年SebastianThrun和我为斯坦福大学的学生教了人工智能入门课程，当年我们被要求再上一届时，我们认为应该照顾到那些无法参加斯坦福大学课程的全球观众。
从某种意义上说，在线课程很有效，因为有10万名学生报名参加，1.6万人完成了课程。但显然，这种方法仍然仅限于高度自我激励的小部分学习者群体。我们下一个挑战是触达那些缺乏自信的人，他们认为自己没有能力学习新事物并成功，认为科技世界是为他人服务的。要做到这一点，不仅需要在课程中拥有出色的内容，我们还需要通过点对点和导师对学习者的关系来培养社区意识。
今天我们能看到很多从幼儿园到高中的编程课，这是正确有效的教育方式吗？
PeterNorvig：编写代码是一项有用的能力。我在初中时还没有学习编程，但被要求学习打字。学习打字并不会改变你观察世界的方式，学习编程也不会让你尝试改变语法。在这里最重要的部分是在编程时，从小的死记硬背变成了大量项目推进。你需要学习如何选择项目，学习模拟世界的某些方面，做出假设并测试它们，犯错并纠正它们而不会气馁，学会在团队中工作，创造一些有用的东西，别人会使用它们，这会让你感到自豪。
如果通过编程能够达到这些，那就太好了，如果能够使用无代码或低代码技术来完成也很棒。如果你能让孩子们通过在自然界探索，然后做实验来实现，同样也是对的。
如今的AI教育工作者缺少哪些特质？
PeterNorvig：在人工智能教育中，教师用给定的数据集和预定义的目标分配一个简单的、明确定义的问题。然后学生将他们的工作视为构建最大化目标函数的机器学习模型。但在现实世界的项目中，专业人员需要定义目标并自行收集或生成数据。你不会因为找到了一个精巧的，数学上复杂的模型而获得收益，只有用户的问题被解决了你才能获得收益。
你曾在顶尖科技公司领导团队，从工业界的角度看待问题为教育工作带来了哪些新的观点？
PeterNorvig：我现在对科技公司如何管理和解决大规模问题有了一套思路。我记得自己曾和一位与学界人士合著过一本书的工业界的人聊过，我问：「写这本书最难的地方是什么？」他回答说：「当合著者写道『大公司肯定会这样做』但这个看法是错的时，我必须在不透露商业信息的情况下提醒他『不，再想想』。对于很多这样的问题，我不再需要猜测了。」
你对斯坦福大学的AI领域学生有什么建议？
PeterNorvig：你们现在处在一个很好的位置，获得的知识和经验可以改变世界，请确保你们的所为让世界变得更好。
由于Norvig的名望，他转会的消息受到了众人