Coursera(一流大学免费在线课程平台)如今是在线教育全球性的品牌，超过700万的注册用户和12种语言的课程教学，有着科学/工程背景的人都倾向于规模化地去解决一个问题。所以当年成立Coursera的使命是为了更好的规模化地提供在线教育体验，还是要通过科技改变线下教育的现状呢？
Coursera成立的初衷并不是为了改变线下教育的现状，而是为了解决高等教育的延续性问题。从2007年开始，我和我的团队成员都在尝试不同的在线教育体验，譬如早期的Open Classroom，我们一直想要做的就是可以让所有人都获得免费的高等教育资源，但是并不是要取代线下教育。线下教育可以有很好的及时交互，线上教育更多的是点播式的，线下教育对学生的深度理解和启发是线上教育无法取代的，而线上教育的灵活性也是线下教育无法取代的，所以二者更多的是一种互补关系而非竞争关系，我们的团队也从来没有考虑过要改变甚至取代线下教育体验。
但是我们注意到了Rick作为耶鲁大学任期最长的校长加盟Coursera，人们不可避免地会联想到，这是不是Coursera要向传统高等教育市场进军的一个信号？毕竟如今美国社会最需要颠覆的，一个是医疗市场，另一个就是教育市场。如今美国高等教育平均学费（私立大学）约4.5万美元/年，基本和美国中产家庭年收入相当，在高昂的学费压力下，颠覆传统高等教育难道不是Coursera未来的方向么？
颠覆传统高等教育并不是我们的目的。首先，大学本科的教育我个人觉得非常重要，而且是在线教育无法取代的，至少现在的技术还没有达到那个程度。假设你被加州理工大学录取，同时加州理工大学提供本科在线教育，你在纠结选择哪一个，我会毫无疑问地建议你去传统的线下大学教育而不是线上的；其次，我们的定位不是18到21岁的目标人群，我们要做的是解决高等教育延续性的问题。
Coursera的平均用户年龄是35岁，并且75%的用户已经拥有学士学位。我们认为高等基础教育是无法取代的，在有了线下高等教育基础后，对于那些需要继续学习或者扩展知识面的专业人士，Coursera线上的课程才是更好的选择。所以我们更多定位是在高等再教育或者研究生课程，因此在Coursera线上的课程一般专业性的要求都相对要高。我们这样做的目的是，对于所有像你和我这样的职业从业者，我们需要继续学习保持竞争力，但是却没有整块的时间或者条件去大学课堂进行再教育，这个时候Coursera就是一个很好的选择。
有了Rick的加入，Andrew你会继续为Coursera发展添砖加瓦么？
那是当然的。首先我成立了Coursera，出于一个很简单的想法，而且我在Coursera线上教课，并且是Coursera线上800多位教授中的一员，我比任何人都希望未来Coursera能做得更好，未来我也会不遗余力地为Coursera的发展作贡献的。
你对硅谷最近几年炙手可热的大数据浪潮有什么看法么？“大数据”是在2011年之后开始有了指数增长的关注度，我甚至觉得这个标签已经是被过度滥用了，因为大数据太泛且太不明确。你对“大数据”现象怎么看？你觉得真正的大数据产品应该是如何定义呢？
“Big Data”在Google的搜索热度趋势
“大数据”是在两种趋势的发展下催生出的产物。第一个趋势：随着我们进入数字化社会，越来越多的行为是在数字世界中进行的，随之而来是大量数据的产生，特别是由人们行为产生的机器数据；第二个趋势：数据存储以及计算的成本降低让我们有能力去存储和处理这些数据。百度在北京的大数据实验室做的就是如何能在同一时间计算/处理更多的数据量，并且使用这些数据去作更好的预测，我认为所有可以有效利用这种海量数据进行预测和功能优化的产品，都是大数据产品。
在大数据的应用层面上你认为未来可能的突破点会有哪些呢？
我们现在在百度的策略，是先把基础建设以及算法层面的技术难点攻破，然后再去考虑有什么可以产品化的应用。产品不是难点，技术瓶颈一旦突破产品化是分分钟的事情。有许多商业化的应用，譬如电子商务里的图像识别，都是因为技术层面的精准度达不到要求而无法很好地进行应用。虽然我们在探索一些可能可以产品化的应用，但是现在没有任何可以对外公布的产品。譬如图像识别、语音识别、深度学习和人工智能，这些都是基础层面的技术需要我们进一步去加强和改进，只有基础层面的技术成熟了之后，我们才能进行应用层面的选择和开发。譬如当年我在Google Brain，我们团队也是利用我们的深度学习技术大大改善了Google Now语音识别的表现，其他应用还有譬如Google Keep，这些都是产品化的例子。
很好奇你当年是如何选择了人工智能这个研究方向，因为很有可能这个领域在你有生之年都没有重大突破，也许在50年后这个领域连你设想的1%都没有达到，那么是什么动力驱动你在人工智能领域不断前行呢？
其实我的想法很简单，就是如果能让计算机聪明些，那么人类社会的潜力是无穷大的。人工智能其实早已在我们日常生活中有了广泛的应用，不是只有科幻电影里的那些才叫人工智能，譬如最简单的数码相机的笑脸捕捉，那个就是人工智能；电子商务里的推荐引擎，那个也是人工智能；还有电子邮件如果没有spamfilter（垃圾邮件过滤器），估计电子邮件完全就成了垃圾信箱，这也是人工智能的功劳，这些都是让计算机变得更聪明，从而改变人类生活的例子。还有许多应用的现阶段瓶颈就是人工智能，譬如农业上的自动化收割，我要摘樱桃怎么分辨好的和不好的？这个就是计算机视觉可以解决的问题。但是现在人工智能还有很长的路要走，才能达到实现这些应用的高度。我早年花了很大的精力在解决人工智能硬件层面的架构问题上，现在是时候进一步提高技术的可用性了。
硅谷有很多选择，为什么你最终选择百度呢？
硅谷确实有很多在这个领域做得很好的企业，但是百度的优势不仅仅在于它的资源、技术侧重点，更多是在于它强大的执行力。百度作为一个如此大的企业，对于科技的强大执行力是让我非常吃惊的，我在百度的好朋友余凯（余凯为百度深度学习研究院常务副院长）决定要在百度建GPU（图形处理器）集群，执行速度快得出乎我的意料，这种执行力在许多大企业来说非常难得。百度一个最大的优势就在于它对于想法的快速迭代和产品化，我知道中国国内对百度、腾讯和阿里巴巴的评价，许多人觉得百度近几年甚少创新，但是很多技术创新并不是用户可见的，特别是对于人工智能或者深度学习这种后端技术。某个算法精准度提高了1%，用户不会有切身的体验，百度的强项绝对是在于后端技术，这个是着眼未来10年甚至20年的布局，并非短期内的效益。
科技这个东西很有意思，往往最好的技术都是不可见的。如果有人说这几年百度什么都没有做，那我看到的完全不是这样。另外你要知道核心技术是非常难、门槛非常高的一项资产，而且非常难被模仿、复制或者超越，这些都是百度在技术端的优势所在。我觉得我加入百度能最好地为人工智能事业作贡献，百度有强大的执行力、技术支撑以及人工智能研究所需的大量数据和资本，综合这些因素百度是我最好的选择。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
