Jeremy曾是 Kaggle 的总裁，Enlitic、FastMail.FM 和 Optimal Decisions Group 的创始人，并且是 Singularity University 的教员。有关 Jeremy 的简介，请参阅 fast.ai 的关于页面。
大约六个月前，我辞去了 Enlitic 的首席执行官一职，这家公司是我为了将医疗诊断和治疗计划引入数据驱动的世界而创立的。我创立 Enlitic 是因为世界上有40亿人无法获得现代医疗诊断服务，而要培训足够的医生来填补这一空白需要 大约300年 的时间——但通过深度学习，我们可以将医生的效率提高10倍，从而在5到10年内将现代医学带给这些人。这只有借助深度学习和神经网络的力量才可能实现，这项技术我已使用了20多年，但在过去几年才达到可以帮助解决许多先前未解决问题的程度。几年前我刚开始创办 Enlitic 时，在 我的 TED.com 演讲 中讨论了这其中的意义。事实上，我当时做出的许多预测都已经成为了现实。深度学习现在正被嵌入到各种产品中，例如苹果的 Siri、Google 照片和自动驾驶汽车。
（有些人甚至声称 深度学习被“过度吹捧” 了。这种说法就像90年代初有人声称互联网被过度吹捧一样荒谬。深度学习显然将会比互联网更加广泛应用、影响深远且具有变革性。）
尽管取得了这些成功，我在 Enlitic 的两年期间发现，深度学习在能够帮助大多数人之前，还有很长的路要走。具有讽刺意味的是，创建深度学习模型是一个高度人工化的过程。训练模型需要很长时间，即使对于顶尖的从业者来说，这也是一个撞大运的事情，直到最后才知道是否有效。目前还没有成熟的工具来确保模型成功训练，或确保初始设置对于数据是恰当的。
因此，Rachel Thomas 博士（数学博士，曾担任量化分析师、优步数据科学家、全栈开发人员和教育工作者）和我决定创建 fast.ai，这是一个致力于做一切必要工作以使深度学习发挥其巨大潜力的研究实验室。我们认为这需要让领域专家自己能够利用这项技术，而不是将其留给一小部分独占的数学家。只有领域专家才能：充分理解和认识其领域中最重要的问题；获得解决这些问题所需的数据；以及理解实施数据驱动解决方案的机遇和限制。
请看这张由 Google Brain 负责人 Jeff Dean 分享的图表
在2012年初，除 Google Brain 研究外，Google 的其他部门尚未使用深度学习。自那时以来，其应用呈指数级增长，到2015年底已应用于约1,200个不同的项目。现在想象一下，当深度学习超越湾区科技精英传播开来，并且我们在世界各地的每个组织中看到这种指数级增长时，它会产生多大的影响。这种影响在资源最受限的“三分之二世界”将是最大的。例如：整个非洲大陆只有14名儿科放射科医生（其中一半在南非一个国家）；许多非洲国家甚至一个都没有！如果医疗技术可以判读X光片呢？数千万儿童将首次获得医学影像诊断服务。而这项技术在自动化识别结核病方面的价值可能更高，结核病在西方很少受到研究关注，但却是全球 传染病致死的主要原因，每天导致近4,000人死亡。在印度、印度尼西亚和中国，有超过30亿人口，其中大多数居住在医疗影像诊断服务同样匮乏的地区。
在管理咨询工作的八年里，我与来自数十个领域和行业的数百位领域专家合作过。我看到他们在使用自己熟悉的工具来解决问题时表现出了极高的创造力。现在我们几乎每天都会收到求助请求，来自那些希望使用深度学习解决各种问题的人们，从帮助治疗精神疾病，到提高发展中国家的农业产量，识别和治疗植物病害，以及开发适应性教育材料。帮助这些人的最佳方式是为他们提供工具和知识，让他们利用自己的专业知识和经验来解决自己的问题。
我们认为，实现深度学习普及化目标所需的步骤如下
- 解决具备深度学习专业知识的数据科学家短缺问题
- 创建高度自动化的深度学习模型训练工具
- 构建软件，以深入了解深度学习模型的训练过程和结果
- 开发一系列“示范性”应用，尤其是在深度学习目前应用不充分的领域。
所以我们从头开始！在 下一篇文章 中，我们将讨论我们如何努力应对第一步——解决具备深度学习专业知识的数据科学家短缺问题。
如果你迫不及待，可以查看旧金山大学（USF）数据研究所官方关于我们 即将于周一晚上开课的深度学习课程 的介绍，并发送你的简历至 [email protected] 进行申请。