在 AI 開放相關(guān)的名詞術(shù)語當中,TensorFlow 也許是大眾知名度最高的一個,甚至成為了空氣水源一般,在大多數(shù)人數(shù)字生活中無法或缺又視而不見的必需存在。從中國的視頻平臺、二手交易社區(qū)、英語線上教學,直到東南亞的病蟲害防治,太平洋的魚類保護,甚至是南美雨林的實時監(jiān)測。
近期,TensorFlow 最新產(chǎn)品總監(jiān),Kemal El Moujahid 到訪中國,同極客公園在內(nèi)的技術(shù)媒體一起分享了 TensorFlow 的應用成果、未來方向,以及 Google 在 AI 領(lǐng)域的標準原則。
這是 Google 首次在中國正式公布 TensorFlow 2.0 版本。在 TensorFlow 2.0 版本的中國發(fā)布中,進一步明確了這枚 Google 開源機器學習平臺將在未來集中強化的三個支柱屬性,分別是:易于使用,易于掌握;功能強大,確保用戶能以非常快的速度訓練非常大的模型;擴展性強,可部署在從小型設備到大型服務器的各類設備上。其中對易用性和強化移動端部署能力,是其中被 Moujahid 反復強調(diào)的重中之重。
Moujahid 表示,TensorFlow 2.0 移動端部署能力將成為和 5G技術(shù)普及相輔相成的重要技術(shù)特征。
在新版 TensorFlow 平臺技術(shù)特性和Google AI 應用原則的交叉點上,Moujahid 講述了一個例子:在印度,空氣污染問題非常嚴重,在冬季,其空氣質(zhì)量指數(shù)可達到正常值的 4 倍。測量空氣質(zhì)量是解決空氣污染問題的第一步,但部署傳感器的費用相當昂貴。德里的一群學生想出了一種創(chuàng)新的方法,利用 TensorFlow 實現(xiàn)一個成本低廉的解決方案。他們開發(fā)的 AirCognizer 應用程序,利用手機相機拍攝的照片進行實時空氣質(zhì)量評估,只需拍下一張?zhí)炜盏恼掌?,便可得知空氣質(zhì)量指數(shù)。
有趣的是,就在幾乎同時,我們的注意力就被一款數(shù)據(jù)隱私條款含混不清的刷臉應用所占據(jù),幾乎同時發(fā)生的,還有被用于教室內(nèi)學生面部和動作監(jiān)控的一則人工智能應用展示。
(TensorFlow 全球產(chǎn)品總監(jiān) Kemal El Moujahid | Google)
以下為 TensorFlow 全球產(chǎn)品總監(jiān) Kemal El Moujahid 的訪談紀要,經(jīng)極客公園編輯整理:
Q:目前 TensorFlow 最大的改進的空間在哪里?最近投入最多的改進方向有哪些?
Moujahid:今天早上,我在演講當中談到了 TensorFlow 2.0 這個項目,其中重要的有兩點。
一是讓 TensorFlow 這樣一個平臺更加易用,能夠讓更多人觸手可及。我們希望在以后 2.0 的平臺中,可以為那些沒有接觸過機器學習、并不是這方面的專家的開發(fā)者提供一個最好的機器學習工具,讓他們?nèi)ソ鉀Q他們自己生活當中、所處行業(yè)當中的實際問題。今天早上我們舉的這個例子,就是在新德里,兩個小朋友用 TensorFlow 做了一個空氣質(zhì)量監(jiān)控 App——這就是一個最好的例子。
我們要加大投入的第二個點,是在移動端側(cè)持續(xù)發(fā)力。因為我們認為移動端是機器學習未來非常重要的一個方向。我們可以看到,隨著越來越多的小型移動端設備普及,在 55 億臺移動設備、2500 個微傳感器這樣的基礎上,機器學習的應用場景需求是非常廣泛的,所以未來 TensorFlow 2.0 也將會繼續(xù)關(guān)注這一領(lǐng)域,希望能夠把機器學習帶到更多的端側(cè)。
Q:目前 TensorFlow 的下載量,最新的數(shù)據(jù)是多少?哪幾個行業(yè)應用的比例是比較高的?哪些行業(yè)會有更大的突破或者進展?
Moujahid:TensorFlow 在全球的下載量已經(jīng)超過了 4000 萬次,全球社區(qū)有超過 2000 人對 TensorFlow 的開發(fā)做出貢獻。當然還有一些其他技術(shù)層面上的數(shù)字現(xiàn)在沒有公布,但是從全球角度來看的話,無論是從下載量,還是從我們整個社區(qū)發(fā)展的良性循環(huán)角度來看的話,我們都取得了非常好的進展。
談到不同行業(yè)應用比例的問題,其實很難劃分哪一個行業(yè)現(xiàn)在的應用量會比較大,但我可以和大家分享幾個讓我自己印象深刻、覺得特別興奮的應用例子。
一個就是在醫(yī)療行業(yè),其實我們都知道傳統(tǒng)醫(yī)療行業(yè),首先是要先對醫(yī)生做很大資源投入去培養(yǎng)他們,我們才能保證醫(yī)生的診斷水平。但是,隨著機器學習技術(shù)的普及,可以通過訓練模型,然后把這個訓練好的模型放到我們的移動端設備當中,這可以讓整個診斷的過程更加高效準確。舉個例子,斯坦福大學現(xiàn)在做的一個項目,把機器學習模型放到手機端,然后去檢測皮膚癌。
第二種是在環(huán)保領(lǐng)域,還是跟我今天早上談的印度這個空氣質(zhì)量指數(shù)監(jiān)測這個例子有關(guān)系的,通過傳感器和更多的手機便攜式攝像頭,可以把機器學習這一應用拓展得更加廣泛。比如現(xiàn)在在亞馬遜叢林中,你可以拿著攝像頭對著一棵樹進行拍攝,進而識別這棵樹是否屬于非法砍伐,還是屬于合理的樹木砍伐,這也是一個很好的例子。
Q:有沒有什么印象深刻的例子是在中國的?
Moujahid:談到我們在中國的 TensorFlow 應用,有兩個例子可以和大家分享。
第一個就是愛奇藝。愛奇藝在視頻編輯和分段領(lǐng)域大量地使用 TensorFlow 機器學習技術(shù)。在移動端,他們也是利用機器學習,推出了很多很酷炫的功能。
第二個例子就是今天談到的流利說這個英語學習的 App。通過機器學習,完全改變了整個英語學習的方式和方法。因為它是通過建議模型來給用戶提供他所需要的信息,假如說您可能對某些詞或句法已經(jīng)掌握,那就沒有必要在學習當中把你懂的東西再展現(xiàn)給你。我認為這也是在改變我們整個教育行業(yè)的生態(tài)。
Q:我們看到有很多中國的公司,不管是大的科技公司還是創(chuàng)業(yè)公司,他們也都在推出自己的機器學習框架,想問一下您對這些中國公司推出的框架是怎么看的?
Moujahid:其實從這個層面來看,我非常樂見整個行業(yè)的發(fā)展,因為我們現(xiàn)在談的機器學習,或者 AI 的應用和普及,可能還處在一個比較早期的階段。即使處在這樣一個接受和普及的早期階段,我們也不要去忘了我們最終的目標,還是希望能夠在全球范圍內(nèi)去推廣機器學習和 AI,所以我們現(xiàn)在能做的就是提供我們能做到的最好的應用、最好的技術(shù)和最好的平臺,讓整個應用場景的可能性和速度,以及普及的速度越來越快。從全球范圍來看,整個行業(yè)的發(fā)展有利于我們應用的發(fā)展。
Q:關(guān)于 TensorFlow Federated 的近況,尤其是開源之后的使用狀況,有沒有一些現(xiàn)在可以看到的趨勢?大概有多大比例的用戶,更傾向于選擇在本地做學習和計算等?
Moujahid:關(guān)于 TensorFlow Federated 系統(tǒng)開源之后,它具體的應用數(shù)據(jù)和變化,我今天還沒有。但是我可以和大家分享的是,其實我已經(jīng)看到了,大家對這個系統(tǒng)的興趣度非常高,因為這個技術(shù)的核心優(yōu)勢在于,很多個人化開發(fā)中,隱私數(shù)據(jù)沒有必要再去上傳到服務器和云端,所以完全可以在本地的設備就可以做一個分析和存儲。另外,我們剛才也談到了,移動端這一塊的應用將會是 TensorFlow 未來很關(guān)鍵的發(fā)展方向,所以這也是為什么說我們現(xiàn)在也看到 TensorFlow Federated 有很大的潛力。
Q:像 5G 這樣的最新技術(shù)發(fā)展,會對 TensorFlow 的進化產(chǎn)生什么影響?
Moujahid:對,像 5G 這樣的新技術(shù),的確對機器學習、包括 TensorFlow 的發(fā)展,會產(chǎn)生很大的影響。但是我認為 5G 無法解決所有的互聯(lián)和使用方面的問題。像 TensorFlow 一些低延遲方面的優(yōu)勢,是對這類新技術(shù)很好的補充。因為,我們其實想傳達的一個最重要的信息點就在于希望我們能夠借助 5G 的環(huán)境,在所有傳感器互聯(lián)的情況下,讓每一個人,哪怕他不是機器學習專家,也能夠發(fā)揮自己的創(chuàng)造性,能夠利用這樣的平臺,利用這樣的互聯(lián)設備生態(tài),來做更多的事情。
-
機器學習
+關(guān)注
關(guān)注
66文章
8308瀏覽量
131897 -
5G技術(shù)
+關(guān)注
關(guān)注
8文章
526瀏覽量
18323 -
tensorflow
+關(guān)注
關(guān)注
13文章
328瀏覽量
60413
發(fā)布評論請先 登錄
相關(guān)推薦
評論