Andrew Ng

wiki
, , , ,
1

Chercheur et éducateur en IA américano-britannique ; co-fondateur de Google Brain et de Coursera, chief scientist de Baidu, et figure la plus influente dans l’enseignement de masse de l’IA, ayant formé plus de huit millions d’étudiants dans le monde.

Informations générales / Profil

Domaine Détails
Nom complet Andrew Yan-Tak Ng (吳恩達)
Né le 18 avril 1976, Londres, Angleterre
Nationalité Américano-britannique
Fonctions actuelles Fondateur et PDG de DeepLearning.AI ; Managing General Partner, AI Fund ; Fondateur, Landing AI ; Professeur adjoint, Université Stanford ; Membre du conseil d’administration, Amazon
Domaines de recherche Apprentissage automatique, apprentissage profond, apprentissage par renforcement, vision par ordinateur, traitement du langage naturel, robotique
Directeur de thèse Michael I. Jordan
Thèse de doctorat Shaping and Policy Search in Reinforcement Learning (UC Berkeley, 2002)
Site web personnel andrewng.org
X / Twitter @AndrewYNg
GitHub github.com/andrewyng
Google Scholar scholar.google.com/citations?user=mG4imMEAAAAJ
Coursera coursera.org/instructor/andrewng
Newsletter The Batch, via deeplearning.ai

Aperçu

Andrew Ng est un informaticien américano-britannique dont la carrière couvre la recherche fondamentale en IA, le déploiement industriel à grande échelle et ce qui est sans doute l’effort d’éducation en IA le plus conséquent de l’histoire. En tant que professeur à Stanford, il a dirigé le Stanford AI Lab et a fait du cours CS229 le cours le plus suivi de l’université ; en tant que chercheur, il a co-écrit l’article sur l’allocation de Dirichlet latente, a dirigé le projet Stanford Autonomous Helicopter et a joué un rôle central dans l’établissement des bases techniques du Robot Operating System (ROS). En 2011, il a co-fondé Google Brain avec Jeff Dean, et l’expérience du « neurone chat » du projet — un réseau de neurones qui a appris à reconnaître des chats à partir de vidéos YouTube non supervisées — est devenue une démonstration marquante de l’apprentissage profond à grande échelle. En tant que chief scientist de Baidu de 2014 à 2017, il a bâti l’une des divisions de recherche et de produits en IA les plus avancées de Chine. Depuis, il a fondé ou co-fondé Coursera (plus de 148 millions d’apprenants en 2024), DeepLearning.AI (plus de huit millions d’étudiants), Landing AI et l’AI Fund, un studio de startups qui a déployé des capitaux dans des dizaines d’entreprises d’IA. Il fait partie des voix les plus franches qui soutiennent que les récits sur le risque existentiel de l’IA sont exagérés et que l’accès à l’éducation à l’IA et à la technologie open-source est l’obligation la plus pressante du domaine.

Jeunesse et études

Enfance : Londres, Hong Kong, Singapour

Ng est né le 18 avril 1976 à Londres. Son père, Ronald Paul Ng, était hématologue et chargé de cours à l’University College de Londres (UCL Medical School) ; sa mère, Tisa Ho, était administratrice des arts au London Film Festival. Ses deux parents étaient des immigrants de Hong Kong. La famille est retournée à Hong Kong lorsque Ng était jeune, puis a déménagé à Singapour en 1984. Il a fréquenté la Raffles Institution, l’une des meilleures écoles secondaires académiques de Singapour, avant de partir à l’université aux États-Unis.

Carnegie Mellon University — BSc (1993–1997)

Ng a obtenu une licence à Carnegie Mellon University avec une triple spécialisation en informatique, statistiques et économie, diplômé en 1997. Entre 1996 et 1998, il a mené des recherches aux Bell Labs d’AT&T sur l’apprentissage par renforcement, la sélection de modèles et la sélection de caractéristiques — un premier engagement soutenu avec les problèmes qui allaient définir son travail de doctorat.

Massachusetts Institute of Technology — MS (1997–1998)

Au MIT, il a obtenu une maîtrise en génie électrique et en informatique. Pendant cette période, il a construit le premier moteur de recherche web accessible au public et indexé automatiquement pour les articles de recherche en apprentissage automatique — un précurseur de CiteSeerX — démontrant un intérêt précoce pour l’infrastructure qui reviendrait tout au long de sa carrière.

UC Berkeley — PhD (1998–2002)

Ng a obtenu son doctorat à l’UC Berkeley sous la direction de Michael I. Jordan, l’une des figures fondatrices de l’apprentissage automatique probabiliste et des statistiques. Sa thèse, Shaping and Policy Search in Reinforcement Learning, a examiné les méthodes de type programme d’études pour améliorer la convergence des agents RL et les techniques de « reward shaping ». Pendant son doctorat, il a co-écrit avec David M. Blei et Michael I. Jordan l’article introduisant l’allocation de Dirichlet latente (LDA) — un modèle de sujet probabiliste qui est devenu l’un des articles les plus cités en apprentissage automatique et en traitement du langage naturel.

Carrière

Université Stanford — Professeur assistant et associé, Directeur du SAIL (2002–présent)

Ng a rejoint Stanford en tant que professeur assistant en 2002 et est devenu professeur associé en 2009. Il a été directeur du Stanford Artificial Intelligence Laboratory (SAIL). Son cours CS229 : Machine Learning est devenu le cours le plus suivi de Stanford, avec plus de 1 000 étudiants inscrits certaines années, et les notes de cours et les ensembles de problèmes publiés ouvertement sont devenus une référence principale pour les praticiens de l’apprentissage automatique autodidactes dans le monde entier. Son groupe de recherche à Stanford a produit plusieurs axes de travail influents :

Le projet Stanford Autonomous Helicopter (2004–2008) a développé certaines des démonstrations de vol acrobatique autonome les plus performantes au monde, en utilisant l’apprentissage par imitation pour enseigner aux hélicoptères des manœuvres en observant un pilote expert — un travail qui a influencé la formulation précoce de l’apprentissage par imitation en robotique.

Le projet STAIR (Stanford Artificial Intelligence Robot) a donné naissance au Robot Operating System (ROS), le middleware robotique open-source qui est devenu l’infrastructure dominante pour la recherche en robotique académique et commerciale dans le monde entier. Le projet a bénéficié du soutien de Scott Hassan, qui a ensuite fondé Willow Garage pour poursuivre ce travail.

En 2008, le groupe de Ng a été parmi les premiers à préconiser systématiquement l’utilisation des GPU pour l’entraînement en apprentissage profond — une position techniquement controversée à l’époque qui a anticipé ce qui est devenu le paradigme de calcul standard du domaine.

Il a également co-écrit des travaux fondateurs sur le codage parcimonieux, l’apprentissage auto-supervisé et l’apprentissage multitâche, et a été le directeur de thèse de plusieurs chercheurs qui sont devenus des figures majeures de l’IA : Ian Goodfellow (inventeur des GAN), Pieter Abbeel (robotique et RL, UC Berkeley), Quoc V. Le (Google Brain, recherche sur les LLM) et David Stavens (véhicules autonomes). Ng reste à Stanford en tant que professeur adjoint.

Google Brain — Co-fondateur (2011–2012)

En 2011, travaillant chez Google X avec Jeff Dean, Greg Corrado et Rajat Monga, Ng a co-fondé ce qui est devenu Google Brain. Le projet a construit un réseau de neurones entraîné sur 16 000 cœurs de CPU en utilisant l’apprentissage non supervisé sur dix millions d’images de vidéos YouTube ; sans aucune donnée étiquetée ni instruction sur le concept de chat, le réseau a développé un neurone qui s’est fortement activé pour les visages de chats — un résultat largement couvert par la presse comme un signal de la puissance de l’apprentissage profond. La technologie de reconnaissance vocale du projet a ensuite été intégrée à Android, et Google Brain est devenu l’un des laboratoires de recherche en IA les plus productifs au monde. Ng a quitté en 2012 pour se concentrer sur Stanford et Coursera.

Coursera — Co-fondateur (2012–2014)

En octobre 2011, Ng et des collègues de Stanford ont lancé le cours d’apprentissage automatique CS229a en ligne via une plateforme personnalisée ; plus de 100 000 étudiants se sont inscrits à la première édition. En 2012, Ng et Daphne Koller ont co-fondé Coursera sur la base de cette expérience, Ng étant co-PDG. Coursera est devenue l’une des principales plateformes de MOOC dans le monde ; en 2024, elle comptait plus de 148 millions d’apprenants inscrits. Les propres cours de Ng — Machine Learning, Neural Networks and Deep Learning et AI for Everyone — se sont régulièrement classés parmi ses offres les plus populaires. Il s’est retiré des opérations quotidiennes de Coursera en 2014 lorsqu’il a rejoint Baidu.

Baidu — Chief Scientist (2014–2017)

En mai 2014, Ng a rejoint Baidu en tant que chief scientist, s’installant dans la Silicon Valley pour diriger la division de recherche en IA de Baidu — la première embauche américaine majeure de cette envergure par une entreprise technologique chinoise. Il a mis en place plusieurs équipes de recherche, notamment sur la reconnaissance faciale, la reconnaissance vocale et l’IA médicale (le chatbot Melody). Il a développé DuerOS, la plateforme d’IA conversationnelle de Baidu, et a aidé à positionner Baidu comme la principale entreprise chinoise dans le discours sur l’IA à une époque où le domaine était redéfini. Il a démissionné en mars 2017, invoquant le désir de poursuivre un impact sociétal plus large au-delà des contraintes stratégiques d’une seule entreprise.

DeepLearning.AI — Fondateur (2017–présent)

En août 2017, Ng a lancé DeepLearning.AI, une spécialisation dispensée via Coursera comprenant cinq cours couvrant les réseaux de neurones, le réglage des hyperparamètres, la structuration des projets ML, les réseaux convolutionnels et les modèles séquentiels. La Deep Learning Specialisation est devenue l’un des cours en ligne les plus suivis dans toute discipline technique, dépassant les huit millions d’étudiants. Les programmes ultérieurs de DeepLearning.AI ont couvert le MLOps, le NLP, TensorFlow et l’IA pour le bien social. Ng publie également The Batch, une newsletter hebdomadaire couvrant la recherche et l’industrie de l’IA, et a distribué Machine Learning Yearning et le AI Transformation Playbook comme guides gratuits pour les praticiens.

Landing AI — Fondateur (2017–présent)

Landing AI, fondée en 2017, se concentre sur l’aide aux entreprises industrielles pour adopter l’IA — en particulier la vision par ordinateur et le MLOps pour l’inspection de la qualité et la détection d’anomalies dans la fabrication. La société a levé un tour de table de série A de 57 millions de dollars mené par McRock Capital en novembre 2021. Sa plateforme LandingLens permet aux ingénieurs non-ML de créer et de déployer des applications de vision IA, reflétant l’argument de longue date de Ng selon lequel l’adoption de l’IA nécessite des outils accessibles aux experts du domaine plutôt qu’aux chercheurs en apprentissage automatique.

AI Fund — Fondateur et Managing General Partner (2018–présent)

En janvier 2018, Ng a lancé l’AI Fund, initialement avec 175 millions de dollars, en tant que studio de capital-risque et fonds axé sur l’IA qui construit des startups à partir de zéro plutôt que d’investir dans des entreprises existantes. Le Fonds a créé des entreprises dans les domaines de la santé, de l’éducation, de la logistique et des services financiers. En octobre 2024, il a réalisé son premier investissement en Inde, en soutenant la plateforme d’IA pour la santé Jivi. Ng a décrit le modèle de l’AI Fund comme une tentative délibérée de déployer les capacités de recherche en IA dans des secteurs verticaux où il y a peu de praticiens du ML.

Conseil d’administration d’Amazon (2024–présent)

En avril 2024, Amazon a annoncé la nomination de Ng à son conseil d’administration, ajoutant une perspective de recherche en IA à la supervision de l’entreprise à un moment d’investissement important dans l’IA à travers AWS et les produits grand public d’Amazon.

Contributions clés

  • Allocation de Dirichlet latente (LDA) (JMLR, 2003, avec Blei et Jordan) — A co-écrit l’un des deux articles qui ont indépendamment introduit le LDA, un modèle probabiliste génératif de sujets qui reste l’un des travaux les plus cités en apprentissage automatique et en analyse de texte.
  • Stanford Autonomous Helicopter — A développé des algorithmes d’apprentissage par imitation permettant aux hélicoptères d’effectuer des manœuvres acrobatiques en imitant des pilotes experts ; parmi les démonstrations de vol autonome les plus performantes de son époque.
  • Robot Operating System (ROS) — A dirigé le projet STAIR dont l’infrastructure technique a directement conduit au ROS, aujourd’hui le middleware open-source dominant pour la recherche en robotique et le développement commercial dans le monde entier.
  • Promotion des GPU pour l’apprentissage profond (2008) — Parmi les premiers universitaires à pousser systématiquement pour l’entraînement sur GPU, une position plus tard validée comme le fondement informatique universel du domaine.
  • Co-fondation de Google Brain et expérience du « neurone chat » (2011–2012) — A co-fondé Google Brain et dirigé le projet d’apprentissage non supervisé à grande échelle démontrant que les réseaux de neurones pouvaient apprendre des concepts visuels de haut niveau à partir de vidéos non étiquetées ; un moment signal largement cité pour le potentiel industriel de l’apprentissage profond.
  • CS229 : Machine Learning — A conçu et enseigné le cours le plus suivi de Stanford ; les notes, diapositives et ensembles de problèmes publiés ont servi de référence principale pour l’auto-apprentissage des praticiens du ML dans le monde entier pendant plus de deux décennies.
  • Coursera (co-fondé en 2012, avec Daphne Koller) — A co-créé la plateforme de MOOC qui sert aujourd’hui plus de 148 millions d’apprenants et propose des certifications de plus de 300 universités et entreprises.
  • Deep Learning Specialisation / DeepLearning.AI — A conçu un programme qui a inscrit plus de huit millions d’étudiants, ce qui en fait le programme d’éducation à l’apprentissage profond le plus largement accessible au monde.
  • AI for Everyone — Un cours de culture générale non technique sur l’IA destiné aux dirigeants d’entreprise et au grand public, reflétant la conviction de Ng que la transformation par l’IA est autant un problème organisationnel que technique.
  • « L’IA est la nouvelle électricité » — Un cadre conceptuel que Ng a popularisé à partir d’environ 2016, arguant que le rôle infrastructurel de l’IA dans l’économie est parallèle à la transformation de chaque industrie par l’électricité il y a un siècle ; largement adopté dans les discussions d’entreprise et politiques.
  • Promotion de l’IA open-source — Une voix publique constante contre les propositions réglementaires qui pèseraient sur le développement de modèles open-source, s’opposant au SB 1047 de Californie en 2024 et articulant le point de vue selon lequel les exigences de licence pour les modèles de base concentreraient la capacité d’IA chez les grands acteurs établis.
  • Machine Learning Yearning et AI Transformation Playbook — Guides gratuits pour les praticiens distribués directement, chacun traduit en plusieurs langues et utilisé comme matériel d’intégration dans les équipes d’IA du monde entier.

Prix et distinctions

  • Bourse de recherche Alfred P. Sloan (2007)
  • MIT Technology Review TR35 Innovateurs de moins de 35 ans (2008)
  • Prix IJCAI Computers and Thought (2009) — Le prix d’IA le plus élevé pour les chercheurs de moins de 35 ans.
  • Time 100 personnes les plus influentes (2013, conjointement avec Daphne Koller pour Coursera)
  • Fortune 40 sous 40 (2013)
  • CNN 10 : Penseurs (2013)
  • Fast Company Most Creative People in Business (2014)
  • Jeunes leaders mondiaux du Forum économique mondial (2015)
  • Time 100 personnes les plus influentes en IA (2023)
  • Membre d’honneur, Royal Statistical Society (2024)

Relations clés

  • Michael I. Jordan — Directeur de thèse à l’UC Berkeley ; l’une des figures déterminantes de l’apprentissage automatique statistique ; l’article LDA co-écrit avec Jordan reste le travail académique le plus cité de Ng.
  • Jeff Dean — Co-fondateur de Google Brain ; a dirigé l’infrastructure technique du projet « neurone chat » et la montée en puissance ultérieure de la recherche en apprentissage profond de Google.
  • Daphne Koller — Collègue de Stanford et co-fondatrice de Coursera ; les deux ont construit la plateforme de MOOC ensemble et ont été nommés conjointement parmi les 100 personnes les plus influentes du Time en 2013.
  • Ian Goodfellow — Étudiant en doctorat à Stanford qui a ensuite inventé les GAN ; dans une interview à Mila, Goodfellow a décrit le projet de robotique de Ng à Stanford et ses cours comme le catalyseur de son engagement dans la recherche en IA.
  • Pieter Abbeel — Étudiant en doctorat devenu un chercheur de premier plan en robotique et en apprentissage par renforcement à l’UC Berkeley et co-fondateur de Covariant.
  • Quoc V. Le — Étudiant en doctorat qui est allé chez Google Brain et a dirigé le développement des modèles seq2seq, de word2vec et des contributions aux grands modèles de langage.
  • Geoffrey Hinton — Prédécesseur intellectuel dont les groupes de lecture de Toronto ont influencé de nombreux étudiants diplômés de Ng ; la promotion par Ng de l’apprentissage profond pendant les années de pointe de Baidu s’est déroulée parallèlement à la propre transition de Hinton de Toronto à Google.
  • Direction de Baidu (Robin Li) — Sous Robin Li, Ng a eu les ressources et le mandat pour construire l’un des premiers grands programmes de recherche industrielle en IA de Chine, un niveau de soutien organisationnel inhabituel pour un scientifique étranger.

Style personnel

Ng est un éducateur exceptionnellement explicite : là où de nombreux chercheurs préfèrent communiquer par des articles, il a constamment choisi des structures pédagogiques — cours, spécialisations, newsletters, guides gratuits — comme format de production principal, traitant chacun comme un produit à itérer plutôt qu’un livrable unique. Sa position publique sur le risque de l’IA est systématique et cohérente : il est parmi les critiques les plus éminents des cadres de risque existentiel, arguant que les préoccupations concernant les « robots tueurs » détournent l’attention des défis concrets du marché du travail que l’IA crée à court terme, et que les propositions réglementaires ciblant les modèles d’IA open-source nuiraient aux chercheurs et aux petites entreprises les plus susceptibles de produire des applications bénéfiques. Il a décrit l’IA comme « la nouvelle électricité » et l’accès à l’éducation à l’IA comme une question d’équité fondamentale, et ses choix de carrière — de la distribution gratuite de cours à la publication de guides gratuits en passant par une newsletter touchant des centaines de milliers de personnes — reflètent un engagement sincère en faveur de l’élargissement de l’accès plutôt qu’une simple stratégie de marque.

Références