TensorFlow技術總監：我們提供阿法狗運行底層支撐技術

5月23日，柯潔與AlphaGo的圍棋大戰在浙江烏鎮舉行正式打響，最終，柯潔以1/4子的劣勢惜敗AlphaGo。

在烏鎮舉辦的AI論壇可謂是精英盡出，DeepMind的聯合創始人兼應用人工智慧主管Mustafa Suleyman就在演講中回答了許多關於人工智慧具體應用的問題，揭示了這項劃時代的技術對於整個人類社會的潛在深遠影響。

同樣是在比賽當天，DT君採訪了谷歌TensorFlow技術總監Rajat Monga，以下是DT君從現場發回的採訪紀錄：

TensorFlow在AlphaGo的升級過程中的角色是？

Rajat Monga：TensorFlow對於AlphaGo來說更多的是底層支撐技術。我們主要的作用是讓這個系統運轉更加的流暢、速度更快。至於AlphaGo本身在圍棋技巧上的提升，這更多的還是由DeepMind團隊去完成。

TensorFlow 衍生的各種高層 API 封裝，最有可能推廣的是哪一款？

Rajat Monga：實際上，TensorFlow有許多具有創新意義的定製化封裝，其中一個就是Keras，我們也在積極和Keras的開發人員合作，把兩者更好地集成在一起，同時我們也為TensorFlow加了一些API，例如Keras和Estimator。

我們的想法是，希望越來越多的TensorFlow封裝可以實現開箱即用。

TensorFlow這種成熟框架的存在是否也意味著，深度學習的工程師不再需要數學上的積累？他們的價值是否會貶值？

Rajat Monga：DeepLearning有不同的工作種類：

其中一種是研究類的，專註於開發新模型，這方面的研究工作仍然需要數學專業背景；還有一種工作是做應用集成以及新產品的開發，在這個領域，開發工作確實會因為一些順手的工具相對而言變得簡單。

目前，TensorFlow是開源的，隨著時間的推移系統會越來越複雜，其透明度就會降低，這是否會形成一種不健康的生態？TPU未來會開源嗎？

Rajat Monga：首先，在有關透明度的問題上，我們一直以來都在TensorFlow上進行不同的堆棧，就是一層一層這樣的構架。所以，在上層可能會存在更多的層疊，但是底層的透明度會一直保持。

有關第二的問題，其實我們也一直與英偉達交涉，希望他們也能開源，但是到目前為止，英偉達還未給出明確答覆。我們希望越來越多的人能用它，所以我們會在未來考慮這件事情。

您提到中國有著數量最龐大的TensorFlow開發人群，具體是多少呢？以後會如何增長？

Rajat Monga：目前TensorFlow的下載量是14萬，不少公司以及大學都在使用TensorFlow。

今年穀歌雲大會上，您提到了越來越多的企業正在接納TensorFlow，其中有英特爾、小米和京東，這些企業正在用TensorFlow從事哪些方面的研究和應用？

Rajat Monga：首先，這些企業毫無疑問都是一些有硬體產出的廠商。我們任務，像小米這樣的一些廠商應該是用TensorFlow做雲分析的相關應用，更具體的我們就不得而知了。

TensorFlow是否會為企業提供定製化的服務？

Rajat Monga：首先，TensorFlow在谷歌內部的使用更接近於技術研究的領域，我們不會期待把它打造成企業級的業務。但是，我們把TensorFlow開源之後，像Github這樣一些開源社區就會需要TensorFlow的技術支持，我們會給予一些支持。當然，如果有一些企業有興趣與谷歌進行深入合作，我們也會考慮。

谷歌內部使用的TensorFlow與開源版本是否有區別？

Rajat Monga：二者幾乎完全一樣，不過有些時候我們內部會在局部的小插件上做一些改變，另外，我們也有專門團隊與谷歌內部使用TensorFlow的其他團隊對接。

谷歌是如何評估和看待類似於torch等其他競品？

Rajat Monga：其實，DeepMind的一位創始人之一很久以前也是做torch的，因為torch存在的時間比TensorFlow長，它很早就誕生了。之後，用戶發現TensorFlow有更多的優點，比如說規模更大等等，這樣的優勢讓從Torch已經切換到了TensorFlow上了。我們剛才談到DeepLearning，它已經是在TensorFlow的基礎上去進行了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！