Google开源TensorFlow背后：会成为人工智能领域的Android 吗？

[核心提示] Google 希望在人工智能领域复制 Android 的成功。

微信扫一扫，分享文章

发表微博，邀请好友参加讨论。您可以 @好友昵称 通知他们

今日，Google 新CEO Sundar Pichai 通过 Google 的官方博客宣布了 Google 的机器学习系统 TensorFlow 免费开源的消息。

随后，在 Google 的年度亚太区媒体会议上，Google 机器学习的高级研究科学家 Greg Corrado 和前 CEO Eric Schimidt 阐述了 Google 对这一核心系统进行开源的原因和未来规划。

据Eric Schimidt 介绍，机器学习目前已成为 Google 搜索中排名第三重要的功能。

而除了搜索，Google 在 Gmail、Google Translate、Youtube 、Gmail 和广告等一系列产品和业务中对机器学习的技术采取了不同程度的应用。

毫无疑问，机器学习技术已成为 Google 强大变现引擎的润滑油以及未来商业价值的重要决定因素。

如今，选择向所有人开放机器学习源代码的 Google 还能延续在 Android 上的成功吗？

你需要的仅仅是一个公式

机器学习的实现远没有大众想象的那般复杂。

作为人工智能技术的核心，机器学习是一门十分复杂的多领域交叉学科，但 Greg Corrado 却给出了一个简单的答案：你只需要一个公式就够了。

就像上图所描述的那样，机器学习实际上只包括了三个主要构成部分：

1.首先，你需要通过建模来确定一个公式，这个公式就是「机器」。

2.其次，确定「w」和「b」这两个变量「参数」。

3.通过系统或软件的设定不断重复测试并调整「参数」直到达到一个稳定的值。

在公式的确定中，整个学习的过程是渐进的，一旦这种重复的运算达到了一个稳定的取值，机器学习的错误概率就会大大减少。

简单来说，就是用一个公式来描述输入、输出和参数，从而提高机器对特定事物的认知。

在具体的实践中，Gmail 已经能够辨别 99.9% 的垃圾邮件，并能将语音识别为文字；Google Photo 的图片识别错误率也从 23% 降到了 13%，用户不需要再照片上标注「大海」的名字即可自动归类；而在 Google 的现金流业务广告系统中，机器学习的应用也将大大提高广告投放的投资回报率。

这一切看似复杂的过程都源自于一个简单公式的重复测试，正如 Greg Corrado 所言，「我们不会给机器一个规则，而是让它不断地去自己去学习和纠正。」

机器取代人类？Google 还未做好准备

人类通过几个简单的例子就能进行学习，但机器却需要大量的测试。即便依靠一个简单的公式就能实现准确的预测，但整个参数和过程的确立却要经历无数的重复试验。

「机器学习并不是魔术，它只是个工具而已。」

Google 前 CEO Eric Schimidt 在 APAC（Google 年度亚洲媒体会议） 上表示，关于机器学习的研究早就存在，但由于计算机速度的限制一直无法实现。

如今虽然在某些方面对机器学习的技术进行了应用，但它不应该成为一种固定的替代模式，而是一种有效的协助工具。

早在2007-2008 年，Google 的语音团队便已经开始了对机器学习的研究，一开始的成果被应用于广告系统。

「但这个技术在计算机视觉技术出现了突破，于是我们开始打标签。两三年前，我们开始大规模地投资机器学习。」

虽然Google 的研究已经走在了技术前列且取得了不错的效果，但 Eric Schimidt 却认为，机器并不能代替人类进行思考，它们也不具备人类的伦理道德。

「我不认为让计算机模仿大脑可以做人工智能，因为人类大脑的神经元太多且太复杂，我们只能让机器去学习。」

Schimidt 表示，人类的大脑会自己过滤一些信息，这样的概念可以应用到机器学习上，但他并不认为人工智能和人的大脑一样，它只是借助了人脑的一些功能概念。

至少在现在和可以预见的将来，机器学习仍将只是为人类服务的工具，在《少数派报告》中出现的「超能机器人」也仅仅只会存在电影和小说中。

TensorFlow 会成为人工智能领域的 Android 吗？

免费和开源对于 Google 而言算不上什么新鲜事，此前对 Android 系统的开源更是成为了其商业帝国的重要基石。但对于「机器学习」和「人工智能」前瞻性技术源代码的开源还是让人颇感意外。

为此，Google 的官方解释是，将自己的技术免费开放，希望可以加速人工智能领域的发展。所有人都可以帮助 Google 改进其技术，并将成果反馈回来。正如 Google 深度学习项目的负责人之一 Jeff Dean 所言：

「我们希望的是，整个研究领域和开发者将 TensorFlow 作为一种很好的手段来实现各种各样的机器学习算法，同时也为其在各种场景下的应用带来改进。」

而Eric Schimidt 对此的解释是，TensorFlow 的开源将会组成一个矩阵，而 Google 提高的则是一个机器学习和人工智能的单机模版。如果整个行业变得更聪明，行业的从业者将给 Google 提高更多的回馈，也会有更多聪明的人参与进来。

「我们认为 TensorFlow 能在 Google 之外发挥更大的作用。我们希望通过将其开源可以让整个机器学习的社群更快地交流。反过来，这也可以加速整个机器学习领域的发展，让每个人都能从中受益。」

Schimidt 表示，虽然竞争对手也会使用 RensorFlow 的源代码，但 Google 却为此感到自豪。

当然，谷歌也并非完全没有保留。目前开源的是其引擎中较为顶层的算法，也就是 Schimidt 所言的「单机模版」，而在硬件基础设施系统的源代码 Google 还没有完全开放。

未来，机器学习还面临着在移动设备上实现的瓶颈。由于大量的计算需要在云端完成，因此所有的结果的实现需要一个庞大网络的支撑，而目前的移动设备和网络还不足以达到这一要求。

「你的手机现在只是接受了数千台计算机为你计算处理的数据，未来我们会把网络做小，让机器学习的结果更具适用性。」Schimidt 毫不回避这一困境所在。

因此，TensorFlow 的开源变得理所当然，能否超越 Android 称为又一个全新的生态也变得没那么重要。比起建立一套固定的规则，「机器学习」和「人工智能」更需要的是一套技术标准。

　　　　　　　　　　　　　 查看评论 回复