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？
Peter Norvig：我参与在线教育就是因为这个原因 。 2010 年 Sebastian Thrun 和我为斯坦福大学的学生教了人工智能入门课程 ， 当 2011 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？
Peter Norvig：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？
Peter Norvig：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？
Peter Norvig：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？
Peter Norvig：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关注 。 斯坦福大学教授 ， HAI 联合负责人李飞飞也第一时间欢迎了 Peter Norvig 的到来 。