二、开源人工智能技术大势所趋

Represent the General Trend of Open Artificial Intelligence Technology

@崔之元(清华大学公共管理学院教授）：

谷歌今天将其人工智能引擎开源了。不久谷歌刚刚发布的Google Photo让人们惊叹。它可以自动收集识别你的相片，并提供惊人的搜索能力。比如你输入“墓碑”，google能挖出你几年前你一次扫墓的照片，即使你当时并没有给这张照片作出任何标记。这只是Google的人工智能服务的冰山一角。在此之前，Google图片搜索、Google翻译等应用的智能程度已经享有盛誉。而今天，Google将其人工智能帝国的核心——深度学习神经网络，开源了。

谷歌选择了开源其深度学习引擎，同全世界的开发者免费分享其人工智能背后的一条条源代码。这个项目被命名为TensorFlow，任何人都可以在这里访问：http: //tensorflow.org/。当然，谷歌也并非完全毫无保留。目前开源的是其引擎中较为顶层的算法。同时谷歌也没有开源其硬件基础设施系统。Google为什么要这么做？官方的解释是，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深度学习项目的主要推动者杰夫.迪恩（Jeff Dean）所说：“我们希望的是，整个研究、开发者社区将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。”

@杨剑勇(传感物联网创始人）：

机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。谷歌将最新的机器学习软件开源，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员。实际上Facebook也开源人工智能技术，开源人工智能技术会成为未来趋势吗？

@ilucky(国家开放大学副教授）：

开放、共享。

@焘江(北京大学移动政务实验室(mGov Lab China）博士）：

创新2.0时代，开源还是大势所趋

@杨静lillian(新智元创始人、中国经济网经营顾问、知名科技评论专家）：

的确。TensorFlow是Google第二代深度学习系统。TensorFlow是一种编写机器学习算法的界面，也可以编译执行机器学习算法的代码。使用TensorFlow编写的运算可以几乎不用更改，就能被运行在多种异质系统上，从移动设备（例如手机和平板）到拥有几百台的机器和几千个GPU之类运算设备的大规模分布式系统。TensorFlow降低了深度学习的使用门槛，让从业人员能够更简单和方便地开发新产品。作为Google发布的“平台级产品”，很多人认为它将改变人工智能产业。

深度学习在计算机科学有非常大的影响，令它能够被运用在最前沿的研究中，又能开发出实用性高到让人惊喜的产品、无数人每天都在使用。2011年谷歌发布了深度学习基础架构DistBelief，它让Google能够通过数据中心存储的成千上万的数据来进行前所未有的大规模训练，建立起Google史上最大的神经网络模型，虽然DistBelief非常成功，但它有很大的限制。它仅仅以神经网络为目的、十分局限，而且很难进行配置，另外它牢牢绑定在Google的内部基础设施上，几乎不可能将代码与外界共享。

TensorFlow是开源的第二代机器学习系统，设计上尤其针对克服DistBelief的短板。TensorFlow更通用、灵活、易携带、易使用，而且完全开源。同时也在DistBelief的基础上改善了运行速度、可扩缩性和与产品的衔接。实际上，在很多指标上，TensorFlow要比DistBelief要快一倍。TensorFlow自带大量的深度学习支持，但并不只是为了深度学习而生，也有一些更通用的支持：任何你可以表达成流程图的计算，你都可以使用TensorFlow来完成运算。所以任何基于梯度的机器学习算法都能受益于TensorFlow的自动微分和最优程序组。不仅如此，你也很容易就能通过Python的前端，在TensorFlow编写你的新灵感。