谷歌开源 TensorFlow 系统，背后都有什么门道？

发布于 2016-07-21 00:57:12 | 202 次阅读 | 评论: 0 | 来源: 网友投递

TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief快了2倍。

据国外媒体报道，作为谷歌旗下最重要的人工智能系统，TensorFlow功能强大。其中包含的一些工具可以自动识别声音和图像，而另一些工具则可以根据上下文关系理解词语含义。同时，这也是一个开源系统，允许任何人下载源码。通过将所有工具开源，TensorFlow能够让开发人员打造出高度智能化的产品。

深度学习算法

人工智能并不是什么新奇的概念。在1956年的一次大会上，信息论之父克劳德·艾尔伍德·香农（Claude Elwood Shannon）就提出了关于机器人工智能的相关概念，并预计将于20年之内解决这一问题。

显然这一切并未发生。事实证明，人类的思维太过复杂，根本无法用简单的逻辑语句进行编码。许多计算机科学家都试图使计算机具有专业思维能力，但在信息理解上总会有巨大偏差。简单的说，基于逻辑规则的机器系统并不具备人类智力。

相比之下，类似于TensorFlow之类的人工智能系统本身具有学习能力。因此谷歌也在开源TensorFlow不断改进自身算法的方式，允许人工智能知识有限的开发人员也能够开发出有用的应用程序。

事实上，TensorFlow并不完美，但其可以帮助用户进行信息筛选，节省大量时间。其中包含的反馈机制也可以让系统本身不断从错误中学习改进。谷歌虽然尚未打造无所不能的人工智能系统，但却加强了人类和机器的有效协作。

开源TensorFlow

做出开放源码决定的是谷歌首席科学家杰夫·迪恩（Jeff Dean），他认为常规步骤下的创新工作进展过于缓慢。常常是一个谷歌开发人员写出代码，甚至要等上几个月才会在一次会议上进行讨论，此外另一个开发人员会再花上几个月的时间重复这一过程。

迪恩认为，开源TensorFlow能够显著加速这一进程。通过开源，谷歌开发人员能够实时与科学界进行协作。谷歌之外的人才也能够参与TensorFlow源代码的编写。而机器学习技术的共享能够广泛吸引更多的技术人才完善TensorFlow系统。

TensorFlow项目负责人Rajat Monga指出，“通过将TensorFlow开源，我们能够与大学以及诸多初创企业的开发人员进行合作，接触新的理念，推进技术发展。开源使得代码开发的速度更快，TensorFlow也更加功能多样，灵活方便。”

打造价值生态系统

从传统观念看，谷歌开源机器学习工具似乎很奇怪。我们无法想象可口可乐会向社会公布其配方。而包括苹果在内的许多高科技公司也对新产品守口如瓶。即便是谷歌，也有很多处于保密状态，比如其搜索算法。

然而世界正在不断变化。曾经通向成功的可靠途径是优化独有的价值链。通过磨砺企业内部流程以及拓展自身规模，不断提高自身在客户以及供应商之中的优势地位，从而创造更高的效率。这就是企业打造自身竞争优势的主要方式。

如今，最成功的产品逐步转变为价值生态系统。虽然谷歌聘用的都是杰出人才，但其改进技术的唯一方式就是与更大规模的整个科学界进行合作。通过开源，可以借助社会广大技术人员使用谷歌的技术开发产品。

这就是为什么很多高科技公司会开源其关键技术。除了谷歌开源其TensorFlow之外，Facebook也宣布开源其人工智能工具库，特斯拉也开源其电动汽车专利，而近期IBM也开源其量子计算平台。

今天，我们生活在互联经济时代。降低成本以及资产优化不再是绝对的竞争优势，而打造价值生态系统才是真正意义上的竞争优势。相应的能力优势不再是金字塔的顶端，而是在网络中心。