TensorFlow 的两个使命：更多人用，更容易用
2019 年 5 月 31 日在 PingWest 品玩举办的 2019 科技创新者大会（Tech Innovators Conference）上，品玩创始人及 CEO 骆轶航和 Google TensorFlow 亚太区产品负责人Mike Liang 就创新、机器学习应用、以及 TensorFlow 发展等话题进行了一次对话。
从商业到科研，TensorFlow 的广泛应用场景
2015 年发布至今，TensorFlow 已经被应用到很多商业场景中。
Mike 介绍道：“在国外，Airbnb 用 TensorFlow 做图片分类。房东上传家里的图片，系统自动把图片分类成客厅、厨房和卧室，让租客在搜索时可以更简单。可口可乐也用 TensorFlow 来解决抽奖码扫码输入的问题，而在以前，消费者都得一个数字一个数字地输入。”
在国内，英语流利说用 TensorFlow 训练 AI 老师，京东则基于 TensorFlow 做大规模推荐，而闲鱼则在上传照片自动打标签这个场景中借助了 TensorFlow 的能力。
“除了商业案例，TensorFlow 也被应用在非常前沿的科学研究上。”Mike 分享道，“美国的国家能源研究与科学计算中心和橡树岭国家实验室基于 TensorFlow 的深度神经网络解决大规模计算问题，研究极端天气以及它们对地球的影响。”
TensorFlow 甚至被应用在一些我们意想不到的领域。比如安徽中医药大学中医药大学一位老师，在用 TensorFlow 来识别中医切片中医药材的切片。
TensorFlow 2.0 更加聚焦可用性
产业对深度学习框架的要求不断变化，TensorFlow 也在成长。2019 年 3 月，TensorFlow 正式发布了 2.0 Alpha版本，大大改进了可用性。
TensorFlow 1.x 虽然是最受欢迎的深度学习框架，但一直有着非常陡峭的学习曲线，对入门者不太友好。
“3 年前 Google 把 TensorFlow 开源，主要针对机器学习研究者，以及我们公司里面大规模的生产环境。它不一定是最适合（广泛）使用的。”Mike 说，“今年发布了 2.0 Alpha版本，主要目的就是简化。因为我们知道，机器学习使用场景很宽泛，其中也包含很多Google尚未涉足的领域。”
简化后的 TensorFlow 2.0，在没有牺牲性能的情况下，API 变得更加友好，大量重复的功能被清除，使用方式更加清晰，报错信息更加简洁易懂，可操作性大大增强。
正如 Google 首席决策职能工程师所描述的：整个工具生态系统就像进行了一次春季大扫除，从数据处理流水线到简单模型输出，再到 TensorBoard 与 Keras 的整合。
“除了简化，我们也想让机器学习为更多开发者所使用。”Mike 表示，“全球 Web 开发者最多，他们用的语言是 JavaScript。”
事实上，Google 已经于 2018 年 3 月发布了面向 JavaScript 开发者的全新机器学习框架 TensorFlow.js，让 Web 开发者可以在浏览器中训练神经网络或在推理模式下运行预先训练的模型。
Mike 还提到，机器学习的能力对 IoT 产业也非常重要，Google 也针对 IoT 的边缘计算能力发布了简化移动设备和嵌入式设备的部署工具——TensorFlow Lite。
2019 年 3 月，Google 又发布了智能硬件平台 Coral，包括开发板、加速卡和相机模块。Coral 基于 Edge TPU 芯片，该芯片可用于推理，专为在边缘运行 TensorFlow Lite 框架而设计。
“TensorFlow 最开始只是一个内部使用的框架，希望逐步发展成为一个更好的端对端的机器学习生态系统，让不懂机器学习相关数学算法的人，也可以用机器学习去解决问题。”对于 TensorFlow 将来的愿景，Mike 概括道。
在具体的做法上，Mike 也指出来三点。第一，要抓住实际需求，把业务问题转变为机器学习（可以解决）的问题；第二，跨境、跨行业合作，跟有实际行业经验的公司一起解决问题；第三，开发机器学习算法时要负责、有原则性，要考虑“它对社会是有贡献的吗、对人类是负责的吗、是否会遇到用户隐私方面的问题”。
总的来说，TensorFlow 的发展方向一方面是降低使用门槛，让更多人可以参与进机器学习这波人工智能浪潮中。另一方面，与产业进行更加紧密的结合，解决实际问题，正如 Mike 所言：
要让人工智能不只在大数据里面，不只在工程师的笔记本上。
TensorFlow团队正在和PingWest品玩 共同发起“TensorFlow应用征集” 活动，意图帮助和支持正在或已经使用机器学习技术的企业和个人，也通过这些分享为更多跨领域与行业的个体，企业和研究人员带来新的想象，推动机器学习应用的落地和边界。为促进分享，TensorFlow 和 Pingwest品玩 团队会提供技术分享和媒体支持给到优秀的企业或个人，点击 阅读原文查看详情或提交案例。
作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: