关于
关于 fast.ai
深度学习正在改变世界。我们通过以下方式,让深度学习更容易使用,并让更多来自不同背景的人参与进来:
关于我们的口号
世界需要每个人都参与到 AI 中来,无论你的背景多么“不搭”。
“酷”往往意味着排他,而这与我们追求的目标恰恰相反。我们希望让深度学习尽可能普及——包括普及给那些使用 C# 这样“不酷”的语言、Windows 这样“不酷”的操作系统(它被世界上绝大多数人使用)、“不酷”的数据集(比 Google 的任何数据集都要小得多,而且涉及你可能认为冷门的领域),以及拥有“不酷”背景的人(也许你没有上过斯坦福)。
fast.ai 新闻报道
- 经济学人: 新计划教大众构建人工智能
- 麻省理工科技评论: 这家初创公司正在让人工智能劳动力超越“技术宅”而多样化
- 纽约时报: 终于,一台能够续写你句子的机器
- The Verge: 一项人工智能速度测试表明,聪明的编码者仍然可以击败谷歌和英特尔等科技巨头
- 麻省理工科技评论: 一小群学生人工智能编码者击败了谷歌的机器学习代码
- 福布斯: 人工智能教育正在改变发展中世界
- ZDNet: fast.ai 的软件可以极大地普及人工智能
关于团队
Jeremy Howard
Jeremy Howard 是一位数据科学家、研究员、开发者、教育家和企业家。他创建了 ULMFiT,这个人工智能系统是当今所有主要语言模型(包括 ChatGPT 和 Google Gemini)的核心。Jeremy 是 Answer.AI 的创始首席执行官,这是一个新型的人工智能研发实验室,致力于基于基础研究突破创造实用的终端用户产品。他还是 fast.ai 的联合创始人,这是一个致力于使深度学习更易获得的研究所,同时是昆士兰大学的荣誉教授和斯坦福大学的数字研究员。此前,Jeremy 曾任旧金山大学的杰出研究科学家,并在那里创立了 Wicklow 医疗研究人工智能倡议(Wicklow Artificial Intelligence in Medical Research Initiative)。
Jeremy 是全球 Masks4All 运动的联合创始人之一,包括领导了关于口罩的最大规模证据审查,该审查发表在《美国国家科学院院刊》上,并成为 preprints.org 网站上有史以来阅读量最高的论文。他在《华盛顿邮报》上撰写了首篇推动英语世界公众佩戴口罩的文章,并也在《卫报》、《大西洋月刊》、《The Conversation》和《悉尼先驱晨报》等刊物发表文章,他还出现在大多数主要的美国国家电视台节目中,包括《早安美国》和《夜线》。
他合著了《面向编程者的深度学习:基于 Fastai 和 PyTorch》一书,该书在亚马逊上获得了 5 星评价。谷歌研究总监 Peter Norvig 评价说:“对于编程者而言,这是掌握深度学习的最佳资源之一。”这本书基于 Jeremy 的免费在线课程,该课程是世界上运行时间最长的人工智能和深度学习课程。他还创建了 fastai 软件库,这是世界上最流行的深度学习框架之一。
Jeremy 是 Enlitic 的创始首席执行官,这是第一家将深度学习应用于医疗领域的公司,并连续两年被麻省理工科技评论评选为全球 50 家最聪明公司之一。他曾是数据科学平台 Kaggle 的总裁兼首席科学家,在那里他连续两年位居国际机器学习竞赛参赛者排行榜榜首。他还是两家成功的澳大利亚初创公司(FastMail 和 Optimal Decisions Group——被 Lexis-Nexis 收购)的创始首席执行官。在此之前,他在管理咨询领域工作了 8 年,分别在 麦肯锡公司和 科尔尼公司任职。Jeremy 投资、指导并为许多初创公司提供过建议,并为许多开源项目做出了贡献。他在 TED.com 上的演讲“计算机可以学习带来的奇妙和可怕的影响”观看次数超过 250 万。
Rachel Thomas
摄影:Gabriela Hasbun
Rachel Thomas 博士是昆士兰科技大学的实践教授,也是 fast.ai 的联合创始人之一,fast.ai 曾被 《经济学人》、《麻省理工科技评论》和 《福布斯》等媒体报道。她曾是 旧金山大学应用数据伦理中心 的创始主任,并被《福布斯》评选为 人工智能领域的 20 位杰出女性 之一。Thomas 博士在杜克大学获得数学博士学位,并曾在 Uber 担任早期工程师。
她的文章阅读量超过一百万;已被翻译成中文、西班牙文、韩文和葡萄牙文;并在 Hacker News 头版出现过 9 次。她的一些最受欢迎的文章包括:
- 医疗领域的机器学习问题
- 指标的问题对于人工智能来说是一个大问题
- 如果你认为科技行业的女性问题仅仅是人才输送问题,那你就没搞懂状况
- 女性离开科技行业的真正原因以及如何解决
- Google AutoML:穿透炒作看本质
- 表格数据的深度学习入门
Rachel 的演讲包括:
- AI、医疗和偏见:仅仅多样化数据集是不够的(斯坦福医疗与影像人工智能研讨会)
- 详细探讨算法偏见(PyBay 特色演讲)
- NLP 新时代(SciPy 主题演讲)
- 人工智能的门槛比你想象的低(麻省理工科技评论大会)