文 / 原廷、吳凱莉
Google 發佈全新 AI 系統 TensorFlow。該系統可被用於語音辨識或圖形識別等多項機器深度學習領域。大神表示，TensorFlow 將完全開源（Open Source），TensorFlow 的性能比第一代人工智慧系統快上五倍。
TensorFlow 的命名起源於該系統的運作原理，即複雜的資料結構（Tensor）將會被傳輸至人工智慧神經網路中進行分析和處理。這一過程是機器深度學習的核心部分，被廣泛應用在了大量 Google 產品應用上。
機器學習作為人工智慧的一種類型，可以讓軟體根據大量數據來對未來的情況進行闡述或預判。如今，領先的科技巨頭無不在機器學習下予以極大投入。 Facebook、Apple、Microsoft，Google 自然也在其中。 TensorFlow 是 Google 多年以來內部的機器學習系統。如今，大神正在將此系統成為開源系統，並將此系統的參數公佈給業界工程師、學者和擁有大量 coding 能力的技術人員，這意味著什麼呢？
Google CEO Sundar Pichai ：「機器學習是一種核心的轉變方式，通過機器學習，我們再重新思考我們所從事的一切。我們目前正處於初期階段，但用戶將看到 Google 以系統的方式來思考我們將如何把機器學習應用到所有的這些領域。」
科技網站 Re/code 評論，此舉極具 Google 大神的風格。打個不太恰當的比喻，如今 Google 對待 TensorFlow 系統，有點類似於該公司對待旗下行動作業系統 Android。
長期以來，大神一直非常積極地參與到機器學習相關的科技研究事務之中。與之相比，作為競爭對手的 Apple 就沒有這樣做，儘管蘋果可能會採取類似的方法來尋求類似的目的，例如在語音辨識、地圖甚至是在可能的汽車製造方面。如果更多的數據科學家開始使用 Google 的系統來從事機器學習方面的研究，那麼這將有利於大神對日益發展的機器學習行業擁有更多的主導權。
Google 指出，TensorFlow 可被用於語音識別、照片識別等多項機器深度學習領域，一旦 TensorFlow 完全開源，將可被運行於由數千台電腦組成的服務器集群，或者單一智能手機之上。
- Google「深度學習」的淵源
TensorFlow 靈活性佳、可移動、易於使用，而且是完全開源的，基於 DistBelief 的速度、可擴展性和為產品做準備的特性，TensorFlow 做得更為出色。按照大神所說，在某些基準測試中，TensorFlow 的表現比 DistBelief 快了 2 倍。
大神內部深度學習結構 DistBelief 開發於 2011 年，它讓 Google 能夠針對數據中心的數千核心，構建更為大型的神經網路和規模訓練，典型的應用像是提升應用中的語音辨識能力，以及為 Google Search 加入圖片搜尋功能。
不過 DistBelief 存在一些限制，比如說較難設置，而且和內部接觸設施緊密結合——這就沒法很好地分享研究程式碼了。
TensorFlow 內建深度學習的擴展支援，不止於此——任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow。任何基於梯度的機器學習算法都能夠受益於 TensorFlow 的自動分化（auto-differentiation）。通過靈活的 Python 接口，要在 TensorFlow 中表達想法也會很容易。
除了在研究方面，TensorFlow 會很有幫助，對於實際的產品也是很有意義的。將思路從桌面 GPU 訓練無縫接軌到手機中運行。使用 Google 的樣本模型架構，就能很快地開始使用機器學習技術——大神正計劃在 TensorFlow 之上發布 ImageNet 電腦視覺模型。
Google ：「應當有一種真正的工具，能夠讓研究人員用來嘗試他們瘋狂的創意。如果那些創意產生作用的話，那麼他們將能夠直接轉化成產品，而不需要研究人員再重新編寫程式碼。」
Google 開源 TensorFlow 當然可以造福人工智慧界和學術界，但最終也有利於 Google AI 能力的提升。其他人也早就意識到開源的力量，今年年初的時候，Facebook 也已經開源了自己的 AI 項目 Torch。
