Qui és Andrew Ng
Andrew Ng és un investigador en aprenentatge automàtic, docent i emprenedor. És professor adjunt d’informàtica a Stanford i ha combinat feina universitària, direcció d’equips industrials i creació d’empreses educatives. [1]
Va néixer al Regne Unit en una família procedent de Hong Kong i va créixer a Hong Kong i Singapur. Aquesta trajectòria internacional va precedir la formació universitària als Estats Units i una carrera que ha connectat centres de recerca, empreses tecnològiques i ensenyament a distància. [8]
Formació a Carnegie Mellon, MIT i Berkeley
El 1997 va obtenir dos graus a Carnegie Mellon, en matemàtiques i informàtica i en estadística, a més d’una especialització en economia. Va completar un màster en enginyeria elèctrica i informàtica al MIT el 1998. El currículum data el 2003 el doctorat en informàtica de Berkeley, amb la tesi Shaping and policy search in reinforcement learning. [9]
Robòtica i aprenentatge a partir de demostracions
Entre els seus projectes universitaris hi ha STAIR, orientat a integrar capacitats d’IA en un robot assistent; Make3D, dedicat a reconstruir escenes tridimensionals des d’una imatge; i sistemes de locomoció i control robòtic. Aquest programa relacionava percepció, aprenentatge i acció, en comptes d’estudiar només la classificació de dades ja recollides. [10]
Amb Pieter Abbeel va presentar el 2004 un mètode d’aprenentatge per reforç invers. Partia de demostracions d’un expert quan era difícil escriure una funció de recompensa. Sota les hipòtesis del model, buscava una política d’actuació pròxima a la de l’expert, sense exigir recuperar exactament les seves preferències internes. [11]
Amb Abbeel, Adam Coates i altres col·laboradors va desenvolupar helicòpters experimentals capaços de fer maniobres acrobàtiques sota control computacional. El projecte va combinar demostracions de pilots i aprenentatge del comportament del vehicle. Les publicacions de 2008 i 2010 van documentar mètodes i assajos, amb autoria compartida entre investigadors i participació de pilots especialitzats. [12]
Google Brain i aprenentatge visual a gran escala
Ng va ser responsable fundador de l’equip Google Brain. Aquella etapa va traslladar la recerca sobre xarxes neuronals a una infraestructura industrial, abans de la feina posterior com a vicepresident i científic en cap de Baidu. També va dirigir el laboratori d’IA de Stanford. [5]
En un treball de 2012, Quoc Le, Ng i els col·laboradors van entrenar una gran xarxa amb deu milions d’imatges sense etiquetes. El sistema va desenvolupar detectors sensibles a cares, gats i cossos humans. L’experiment va examinar quines representacions es podien aprendre mitjançant dades i càlcul distribuït, sense proporcionar una etiqueta per a cada concepte visual. [13]
Baidu i els sistemes de reconeixement de la parla
Baidu va anunciar la incorporació de Ng com a científic en cap el maig de 2014, coincidint amb l’obertura del laboratori a Silicon Valley. Va assumir la direcció de Baidu Research, amb equips a Califòrnia i Pequín. [14]
Va ser coautor de Deep Speech, presentat el 2014 amb Awni Hannun i altres investigadors. El sistema aprenia reconeixement de la parla mitjançant xarxes recurrents i entrenament en diverses GPU, reduint components dissenyats manualment. El treball va utilitzar variacions sintètiques de les dades per afrontar soroll i diferències entre enregistraments. [15]
Deep Speech 2, presentat el 2015 amb Dario Amodei i un equip ampli, va estendre aquest enfocament al reconeixement de l’anglès i el mandarí. Les comparacions es van fer sobre conjunts d’avaluació definits. [16]
El març de 2017 va anunciar la sortida de Baidu. En l’explicació pública va plantejar continuar desenvolupant aplicacions d’IA més enllà de les grans empreses tecnològiques. Aquesta decisió va precedir la creació de noves iniciatives educatives, empresarials i d’inversió. [17]
El curs obert de 2011
El 2011 va impartir un curs d’aprenentatge automàtic de Stanford a internet que va reunir més de 100.000 estudiants. El catàleg posterior inclou aprenentatge automàtic, aprenentatge profund i introduccions com AI for Everyone i Generative AI for Everyone. L’oferta diferencia formació tècnica de programes destinats a comprendre usos i conceptes generals. [3]
Coursera i el govern de la plataforma
La seva cofundadora a Coursera va ser Daphne Koller. [28]
Va cofundar Coursera el 2012 i va ser codirector executiu fins a l’abril de 2014. Des de 2014 presideix el consell. Aquesta responsabilitat de govern corporatiu és diferent de la gestió executiva quotidiana de la plataforma. [4]
DeepLearning.AI i noves competències
Va fundar DeepLearning.AI el 2017 per desenvolupar educació en intel·ligència artificial. L’organització combina programes formatius, exercicis pràctics i una comunitat d’aprenentatge. La seva activitat va ampliar l’oferta de cursos especialitzats i va connectar continguts publicats a Coursera amb altres recursos educatius propis. [2]
Al curs Agentic AI aborda sistemes que planifiquen tasques, utilitzen eines i revisen els resultats a través de diverses etapes. Aquest enfocament desplaça l’atenció des d’una resposta aïllada cap al disseny d’un procés. La reflexió del model és una tècnica que s’ha d’avaluar, no una garantia automàtica de correcció. [18]
Llibres, decisions de projecte i qualitat de les dades
Machine Learning Yearning organitza decisions pràctiques del desenvolupament d’aprenentatge automàtic: prioritzar experiments, diagnosticar errors i reconèixer diferències entre dades d’entrenament i prova. El llibre també tracta quan utilitzar transferència, aprenentatge multitasca o sistemes d’extrem a extrem. Se centra a orientar la feina d’un equip davant d’alternatives tècniques concretes. [19]
A l’AI Transformation Playbook de 2018 va proposar començar amb pilots, desenvolupar capacitat interna, formar els equips, definir una estratègia i comunicar els canvis. La guia dirigeix aquestes recomanacions a l’organització empresarial i presenta l’adopció com un procés sostingut, no com la simple compra d’una eina. [20]
El 2021 va defensar un enfocament centrat en les dades. Va proposar proves en què el codi es mantingués fix i els participants milloressin el conjunt de dades, invertint el plantejament habitual de comparar models sobre dades invariables. La proposta explicita una altra via de recerca: millorar la informació utilitzada per aprendre. [21]
LandingAI i extracció documental
Va fundar LandingAI el 2017. L’empresa identifica actualment Ng com a responsable de la direcció tècnica d’Agentic Document Extraction, una plataforma d’API que transforma documents empresarials en dades estructurades. Aquesta línia afegeix processament documental a una trajectòria empresarial inicialment associada a solucions de visió artificial. [22]
L’agost de 2024 va deixar el càrrec de conseller delegat de LandingAI i va passar a president executiu. També forma part del consell d’Amazon des de l’abril de 2024. [4]
AI Fund i AI Aspire
AI Fund funciona com un estudi de creació d’empreses: treballa amb emprenedors en idees, prototips, desenvolupament i finançament inicial. El maig de 2025 va anunciar el tancament d’un segon fons d’aproximadament 190 milions de dòlars. Ng signa la comunicació com a soci director. [23]
El juliol de 2025 Bain va anunciar una aliança amb Ng i la seva firma AI Aspire. L’acord unia assessorament estratègic i coneixements tècnics per ajudar empreses a desenvolupar la transformació amb IA. [24]
LearnVector i aprenentatge personalitzat
El 2026 va fundar LearnVector i va assumir-ne la direcció executiva. L’empresa treballa en experiències educatives individuals amb suport d’IA. La presentació pública situa les primeres mostres de producte a començaments de 2027, de manera que aquesta etapa correspon al desenvolupament anunciat i no a un catàleg de productes ja disponible. [25]
Coursera va invertir 100 milions de dòlars el juliol de 2026 pel 33,33 % de LearnVector. La documentació financera identifica una operació vinculada per les funcions de Ng en totes dues companyies i detalla l’aprovació d’un comitè independent. A l’octubre van signar un marc per a futures col·laboracions comercials. [26]
Reconeixement científic
El 2009 va rebre el premi Computers and Thought d’IJCAI juntament amb Carlos Guestrin. El guardó reconeix investigadors joves destacats en intel·ligència artificial. En la seva trajectòria, aquest reconeixement científic precedeix l’expansió dels cursos massius i bona part de les iniciatives empresarials. [27]
Visió artificial i distanciament a la feina
El 2020, Landing AI va presentar una eina per observar el distanciament entre persones a la feina. Andrew Ng n’era aleshores el CEO, segons la declaració publicada per DeepLearning.AI. [7]
La demostració de Landing AI analitzava vídeo en temps real per detectar si es mantenia la separació prevista. L’empresa la va plantejar com a suport als protocols de distanciament dels clients durant la pandèmia. [6]
D’una detecció a una mesura preventiva
El cas permet examinar una aplicació concreta de la IA a l’organització de l’espai de treball. Una avaluació útil podria comparar les deteccions amb observacions sobre el terreny, identificar zones de pas que generen avisos repetits i comprovar si modificar la distribució redueix aquestes situacions. També hauria de valorar els errors quan unes persones n’oculten d’altres o canvia la posició de la càmera.
L’indicador observat és la separació estimada entre persones. Per valorar una mesura de prevenció caldria estudiar també com s’utilitza l’avís, quina decisió provoca i quin efecte té sobre l’exposició. La demostració documenta una funció tecnològica; els resultats sanitaris requeririen una avaluació diferent.
