您现在的位置是:网站首页> 内容页

除了那款微信小程序,谷歌TensorFlow也不知不觉陪伴着我们

  • 澳门庄闲官网
  • 2019-10-18
  • 96人已阅读
简介Google的首款微信小程序「猜画小歌」这几天刷遍了屏,寥寥数笔中,人们享受着AI带来的童心和乐趣,而这个游戏背后蕴含着的无疑是GoogleAI的力量。其实,除了猜画小歌,Googl

Google的首款微信小程序「猜画小歌」这几天刷遍了屏,寥寥数笔中,人们享受着AI带来的童心和乐趣,而这个游戏背后蕴含着的无疑是Google AI的力量。其实,除了猜画小歌,Google的另一项产品——TensorFlow,正在扮演在代码层面随处可见的角色。

作为Google 2015年正式对外开放的免费开源深度学习平台,Google将自家Google Brain在人工智能领域的许多关键研究都对开发者开放。不知不觉中,从自拍虚化功能到能听懂你说话的智能音箱,从图像识别到机器翻译,从网易、小米到京东,TensorFlow上的底层框架和Google AI的研究成果,正在帮助一大批产品实现从「功能」到「智能」的跃迁。

TensorFlow对于Google同样意义重大。在开源之初, Google CEO Sundar Pichai曾直言:「我们内部已经看到这个工具能够提供非常强的能力,并且希望把机器学习的能力开放给更多的企业和个人开发者。」即将满3岁的TensorFlow的确也正在扮演着这样的角色。最新数据显示,在目前全球180多个国家,各种用户已经下载了超过1300万次的TensorFlow开发包,而在2018年初,这个数字还只是1000万。

不断拓展AI应用场景的新可能,是TensorFlow要聚焦的下一个主题。在极客公园Rebuild 2018科技商业峰会上,来自Google TensorFlow的中国区负责人梁信屏,就这一主题分享了两年多来TensorFlow在各个领域的应用情况。从他的演讲里,我们能够看到这款藏在各种AI应用背后的机器学习开源工具,除了使应用和服务更合心意,帮助他人实现创新想法等商业想法,还在着力解决从农业到医疗这些人类遇到的重大挑战。

以下为Google TensorFlow中国区负责人梁信屏在极客公园Rebuild 2018科技商业峰会上的演讲,(内容经极客公园编辑整理,略有删减):

大家好,我是TensorFlow的中国区产品负责人,今天非常荣幸可以跟大家分享一下Google在AI领域做了一些什么,以及TensorFlow怎样拓展新的应用场景。我是在美国长大的,所以我的中文不是特别流利,为了更好的表达,我剩下的时间将用英文来介绍。

Google在AI方面研究已久,在很多领域都有涉及,最希望的是将AI的福祉带给每一个人。我们将AI放到了很多产品和服务中,使我们的产品和服务能被更多人接受,帮助到更多人。我们和很多公司进行合作、创新,和研究人员合合作共同解决当前人类面临的一些挑战,比如医疗和节能减排的问题,我们认为在开放的环境当中进行合作,可以帮助社会解决这些问题。

接下来的几分钟我会跟大家的简单介绍一下TensorFlow在各个领域所做的工作,但是在这儿之前我想简单的先说一下什么是AI。

AI 是教机器掌握学习能力,Google AI 则是要「授人以渔」

AI,刚才我们来自于加州理工学院的教授已经对此有所介绍。我再简单的补充一点,对于AI,我们认为它的主要目的是让我们的机器更加的智能。最近我们在人工智能方面做出了很多的突破,大部分都是在机器学习方面取得的进步。

那么,什么是机器学习?

机器学习就是说我们通过教给机器如何学习,可以让机器变得更加的智能。我们不会像传统的方式直接给机器进行编程。换句话说,就是授人以鱼不如授人以渔。

如何让机器变得更加的智能?我们可以使用神经网络,神经网络可以使用各种各样复杂的数学函数,并且它可以在各个的数学函数之间进行转化。现在我们有了更好的计算能力,更多的数据,在算法当中取得了更多的突破,这使得我们可以建设更大的神经网络。

通过建设更大的神经网络,我们就可以进行深度学习,做到以前无法做到的事情,现在的机器可以看到,可以听见,并且可以了解人类的语言,这是在过去我们无法想象的。

Google也将AI应用到产品和服务的核心技术当中去,比如说Google助手、Google手机,让这些产品能够更加的智慧。

给大家举一些例子,比如说Google翻译,十年前我们就开始测试Google翻译了。最近通过深层学习,神经网络,可以一次性翻译很多的句子,不是像以前一个短语一个短语的翻译,我们现在的翻译看起来是更加的自然,也更加的聪明了。

我们现在所展示的就是英译中的翻译。这周我们还发布了微信小程序,叫做「猜画小歌」,大家也可以去体验一下。AI现在可以理解,也可以辨识东西了。当你画出草图的时候,AI就可以来猜你画的内容是什么。

如果说我们仅仅只想要让AI带给我们的用户方便的话,增强Google的产品就够了。但是我们同时也希望可以帮助其他人来解决他们的问题,所以我们做了很多工具,让各个行业的人都可以去使用到Google AI的技术。

TensorFlow是什么?更快速、更普适的开源平台

让大家都能使用到Google AI技术的重要举措之一,就是2015年11月正式开放机器学习开源框架TensorFlow。从一开始,我们就希望TensorFlow是一个快速、灵活,可以直接用于实际大规模使用的平台。

我们在训练AI处理数据的时候,数据量是非常庞大的,但我们希望可以通过计算机硬件的适配来进行快速的处理。我们需要这个产品很灵活,因为现在机器学习领域所处理的问题都是新问题。所以,TensorFlow的目的是要给到一个灵活、快速的方式,来建立新的模式、新的算法。通过各国的研究,我们也希望可以从研究直接跨到产品领域的技术转移。

在过去的几年的过程当中,已经有很多的用户在使用TensorFlow。事实上,TensorFlow已经是全球最受欢迎的深度学习平台之一。目前,TensorFlow在全球的下载量有1300万,其中100万是中国用户下载的。

当我们提到开放资源的平台的时候,最主要的一点就是社区,TensorFlow也不例外。从数据来看,我们社区是非常活跃的。TensorFlow在Github上有超过1400位贡献者,而且其中绝大多数是非Google的研究人员,还有很多的用户在这个平台上踊跃回答大家的问题,基于这样活跃的社区,我们才得以如此发展。

为了使TensorFlow更好的运行起来,我们希望通过定制化芯片支持机器学习。Google专门开发了适用于机器学习的芯片,TPU。去年在乌镇,AlphaGo就使用了第二代的TPU,所展示的效果大家也看到了,比很多大师棋手还要下得好。我们现在已经开发到了第三代TPU,整个处理过程是非常迅速的。同时我们也希望能够更简单的创建模块,而不是说只有AI专家才可以创建模块。

在过去的几年过程当中,行业当中的专家都希望能够帮助机器识别图片,每一年他们都希望能够提升这些机器的精确度,同时也要做出一定的妥协。但通过AutoML这种学习方式,可以展示机器自己也可以学会学习。在同样的计算成本下甚至比该领域的专家还要准确。在参与了相应的比赛之后,机器所展示出来的精确度得到了很大的提高。

更轻量的TensorFlow要更好的赋能企业,解决社会问题

我们非常的相信AI并不仅仅说可以在服务器端进行使用,在云端进行使用,AI也可以在我们的实体端进行应用,就好像可以给AI做了一个身体。

目前,在TensorFlow这个产品上,我们希望可以将AI做成一个轻量型的,可移动的形式。现在的硬件发展非常快,所以实现AI的轻量化非常重要。最新版开源TensorFlow Lite所占内存不到400K,它在mobilenet和inception V3当中的速度比在TensorFlow上运行要快3倍,而且整个的使用过程是非常的简便的,希望可以支持更多的不同的操作。

事实上,我们非常高兴看到中国的很多公司在使用TensorFlow。这些公司都在利用TensorFlow搭建自己的AI、机器学习平台。比如说京东、腾讯、出门问问等公司。他们使用TensorFlow解决了各种不同的问题,比如说视觉还有自然语言处理等等,当然这也造福了TensorFlow社区。

我这里还想提一下,各类型的创新型公司都能够用TensorFlow Lite将他们的公司发展的更好。比如说Kika公司,他们做了一个嵌入式的智能手机输入法,通过TensorFlow Lite,kika内存的占用减少近50%。响应速度提升一倍,语音理解准确度也得到了升级。

新浪汽车是另一个例子,他们使用TensorFlow创建了一个系统,让用户仅仅通过拍照的形式,就可以识别很多车的品牌。利用TensorFlow,他们的模型体积缩小到四分之一,运算效率提升了4倍,识别准确率提升了85%。

这些都是非常简单的例子,就是通过开源的AI平台,驱动各个行业AI创新,TensorFlow也非常的希望可以更多的帮助这些行业。

今天我们非常振奋的看到人们开始用AI来解决现实社会当中的一些难题,我们发现基于TensorFlow可以实现更多。在环境保护方面,以AI的方式监测亚马逊热带雨林的非法砍伐,在医疗方面,医生可以通过AI的方式,来更快的诊断癌症病原体,以及农业方面,帮助农民检测虫害。

以上就是我演讲的全部内容,谢谢大家!我们真的非常高兴能够看到AI在改变人们的生活,Google一直希望AI能够触手可及。通过TensorFlow,我们希望有更多的公司能够做相关的工作,我也非常希望能够听到大家的声音,你们可以通过TensorFlow公众号告诉我们,通过TensorFlow你想做什么事情。

文章评论

Top