Google宣布將其最新的機器學習技術(shù)TensorFlow以開放源碼專案釋出。Google 以 Apache 2.0 授權(quán)模式開放以 Python 或 C++ 為主要服務(wù)語言的 TensorFlow 專案，并將這個專案的程式碼與相關(guān)工具放在 Github 上。

TensorFlow 是 Google 繼 2011 年開發(fā)了 DistBelief 之后，透過使用資料流 (flow) 圖像，來進行數(shù)值演算的新一代開源機器學習工具。這個機器學習工具的基礎(chǔ)設(shè)計，主要透過圖學里的“節(jié)點”來表達數(shù)學運算，“邊” 來表示“節(jié)點”間的多維度資料陣列 (tensors, 張量)，因此命名做 TensorFlow。TensorFlow 主要由 Google 機器智慧研究室與 Google 大腦研究組 (Google Brain Team ) 的學者與工程師所開發(fā)，容許開發(fā)者自由配置運算環(huán)境來做深度神經(jīng)網(wǎng)絡(luò)研究，但也足以支持普通環(huán)境所需要的服務(wù)（例如透過影片進行圖像辨識）；你可以部署 TensorFlow 在使用一個或多個 CPU 或 GPU的桌機或伺服器上，也可以透過一個 API 部署在行動裝置里。

Gmail的垃圾郵件判讀、Google相簿臉部識別、Google翻譯，我們天天都在使用 Google的機器學習系統(tǒng)，現(xiàn)在Google將TensorFlow以開放源碼專案釋出了。相比IBM，微軟與百度等競爭對手的封閉路線，再次打出開源牌的Google是否又會成為機器學習領(lǐng)域的霸主呢？Goolge為什幺要推開源機器學習系統(tǒng)？

“如果將機器學習比喻成一架火箭，那大量的『數(shù)據(jù)』就是驅(qū)動它的能源，并且需要各種創(chuàng)意、多方思考設(shè)立出來的模型和運算能力來支持整個學習過程，而且電腦不比人腦，人腦只需要有限的例子和經(jīng)驗就能夠成功學習。電腦則是需要『非常多樣本和案例』來建立認知。”Google人工智能、計算神經(jīng)科學及可量化機器學習研究員指科拉多（Greg Corrado）強調(diào)。

（圖說：Google人工智能、計算神經(jīng)科學及可量化機器學習研究員指科拉多）

言下之意，只靠Google自己發(fā)展機器學習技術(shù)勢必會遇到一些難題，資料量不夠多元。“電腦的學習過程是相當緩慢，曠日費時，深度學習需要投入大量的人力與資源進行相關(guān)研究”科拉多說。在這樣的情況下，Google透過開放機器學習讓開源社群幫Goolge收集、整理各式各樣大量可用來訓練類神經(jīng)網(wǎng)絡(luò)的『資料』。

“沒資料，光有技術(shù)，機器學習就只是空談。就像火箭要有燃料，要不然只有推進器，火箭也飛不起來！”臺北大學資訊工程學系教授戴志華進一步解釋，一但開放機器學習系統(tǒng)，用的人越多，資料越多元，越多量多變，Google 機器學習系統(tǒng)更聰明，能提供的服務(wù)就越好，可以提供更多種服務(wù)，形成一個正向循環(huán)。

舉例來說， Google 想要讓機器學習認 a~z 26個小寫字母，但每個人的字跡不同，Google若自己要 準備各種不同筆跡字母太曠日費時，但若全世界有20%的人，一人給 Google 一份自己寫的a-z字母，有了這些大量，又多形變的資料，Google 機器認字母的能力也就越強。因此 Google 利用“開放”模式解決以上的難題。

也許你要問， Google 不是手握大量使用者數(shù)據(jù)了嗎？為什幺這些數(shù)據(jù)量還不夠呢？

“Google過去收集的資料都不適合用來做機器學習，因為那些資料并沒有被賦予足夠具體的意義。”戴志華指出。

舉例來說，Google手邊有很多“1”、“one”與“一”等資料，但機器并不懂得什幺意思。機器不知道“1 ”... 是 1 不是 2 、“one”是 1 不是 2 、“一”是 1 不是 2 “機器學習就跟教小孩很類似，你要他叫爸爸，你就得先告訴他誰是爸爸。”戴志華舉例。

因為類神經(jīng)網(wǎng)絡(luò)是模擬人的大腦，訓練類神經(jīng)網(wǎng)絡(luò)，就跟教育嬰幼兒一樣。資料要大量、多變化，資料的品質(zhì)也重要，就是要大量且要含括足夠的變化，所以需要整個社群提供資料并且賦予這些資料正確具體的意義。因此，透過開源 TensorFlow 這個工具， Google 得以號召整個開發(fā)社群透過利用該工具提供相關(guān)服務(wù)時，幫 Google 完成收集真實世界資料的任務(wù)。

那對開發(fā)者或研究員來說，Google的開源機器學習系統(tǒng)吸引點在哪里呢？

Google 雖然發(fā)展機器學習10年，但還有許多領(lǐng)域未探索。因此需要這個社群共享力量，加速機器學習進展。“利用機系學習系統(tǒng)獲利并非 Google 現(xiàn)行目標，現(xiàn)在最重要的是社群的建立，透過開源社群的快速分享，建立共同標準。這對機器學習的發(fā)展非常重要。”科拉多說。

相較競爭對手微軟、IBM 與百度，機器學習技術(shù)需要付費，Google 的免費對于開發(fā)者的吸引力巨大。

“讓全球聰明人，給 Google 很好的回饋與貢獻，甚至連競爭對手的團隊都會用它， Google 不走常人之路。” Alphabet 集團執(zhí)行董事長史密斯（Eric Schmidt）強調(diào)。

Google 目前透過兩方面應(yīng)用機器學習技術(shù)強化現(xiàn)有的產(chǎn)品服務(wù)（如：Google 搜尋里的排名建議）與提供更先進更新穎的產(chǎn)品服務(wù)。如語音文字與圖像辨識?？评嘀赋?ldquo;Google 的語音搜尋就是透過機器學習讓正確度不斷提升。”

“這對 Google 的 Mobile Only 政策具有重大的影響，在行動的世界，不需要手，我們使用語言溝通，電腦直接辨識圖像。”科拉多說。不過對于外界非常關(guān)切的 Google 自動駕駛車的機器學習成果，科拉多語帶保留，并不多談，是個敏感議題。

文章來源：機房監(jiān)控 http://qdlanhai.cn