機器學習的發展還得靠「開源」

「開源」已經成為一種潮流。2007 年 12 月，Google 推出開源移動操作系統 Android，讓所有手機廠商和開發者能夠在遵守開源協議的基礎下進行二次開發。現在據統計，Android 手機的市場份額已經超過了 80%。而在人工智慧領域，「開源」也成為了機器學習發展的關鍵。

2015 年，Google 開源了他們公司內部使用的機器學習系統 TensorFlow，2016 該公司旗下的 DeepMind 對外開放了 DeepMind Lab 平台。隨後 Facebook 和 OpenAI 也相繼開源了他們的機器學習軟體。

Google 方面表示，向公眾開放機器學習系統，可以吸引業界工程師、學者和擁有大量編程能力的技術人員共同來開發人工智慧技術平台，同時也可以給初學者提供一個學習的機會。這不僅能促進人工智慧領域的發展，還降低了機器學習工程師的入行門檻。

另外，在訓練機器學習演算法時，我們常認為 「數據」是訓練成功與否的關鍵。但對於很多公司來說，他們擁有大量數據資源，卻無法直接用於演算法訓練，這些數據一般被存儲在單獨的存儲器或處理系統中，聚合起來既困難又耗時。所以，對於機器學習初創企業來說，缺乏訓練環境才是困擾他們的難題。

為此，OpenAI 專門推出「Universe」開源虛擬平台，它可以通過遊戲和網站來訓練 AI；同樣的，Google 的 DeepMind Lab 平台也通過開源對外開放平台和源代碼，讓所有開發者都能下載源碼並對其進行個性化設置，以此來訓練或測試他們的 AI 系統。

除了解決上述問題，開源機器學習項目還具有以下優勢：

重視科學結果，公平比較演算法：在機器學習中，開源工具為開發者提供了一個平等的機會，在不依賴供應商的情況下，基於嚴格的理論分析和數據模擬來驗證結果、比較演算法，在公開的環境下進行源碼研究。

快速修改 bug，降低開發成本：科學的進步總是在現有發現的基礎上進行研究和擴展實現的。開源代碼思想讓社區開發人員極大程度的利用現有的資源進行研究；並且他們能在公開的環境下討論技術問題，以最快的速度發現問題，修改代碼。

長期可用性：無論是單獨的開發人員，還是數據科學家，開源代碼都可以確保每個人即使在換了工作之後也可以繼續他的研究和開發。

其實，縱觀整個機器學習發展的歷程我們會發現，開放的研究環境讓機器學習獲得了很高的關注度，並且在開源工具的幫助下也確實解決了很多技術上的難題。

俄羅斯最大的網路搜索引擎 Yandex 的首席運營官 Alexander Khaytin 表示：「開源是彌合數字鴻溝最好的方法，通過這種方法可以讓更多企業在機器學習領域獲得成功。並且隨著時間的推移，這種開源的思想也將進入更多其他領域。」

粹客網是國內首個關注前沿科技領域的科技新媒體和創業服務平台。我們提供最貼近商業化的前沿科技創業報道、最新最全的科技動態資訊以及深刻獨到的行業觀點。堅持挖掘有價值的創新創業項目，致力於成為創新創業者的前沿陣地。

每月精彩評論將有機會獲得神秘禮品，線下活動 or 商業合作請私信微信公眾號（cheekrnews）或發郵件到粹客網官方郵箱。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！