回根溯源，著眼機器學習的未來

Mike Liang：Google TensorFlow亞太區產品負責人

Thomas Luo：PingWest品玩創始人及CEO

主持人：作為人工智慧核心技術之一，機器學習逐年的發展，正在解決不少的難題，通過技術流通和分享，可以讓機器學習擴展不同的應用場景，切實幫助每一個人。

請出Google TensorFlow亞太區產品負責人Mike Liang和品玩創始人及CEOThomas Luo。

Thomas Luo：上午講的話題創新沒有那麼酷，一點不酷，創新也沒有那麼性感，創新很多工作都很乏味，尤其農業等等領域創新不像阿爾法狗那樣，其實更有意義。剛才張博士講的，人工智慧如何幫助農業的發展。張弓博士在台上講的時候，我在後面跟Mike一直在討論一個事情，佳格的知天而作的這一套東西，是自己做的還是誰做的？TensorFlow正在積極的尋找非常有意思的團隊共同做一些事情，這也是今天要去聊的一個話題。TensorFlow幫助機器學習拓展更多的可能，幫助中小型的公司，不管是不是創新公司。在座的同學有多少人知道TensorFlow？我們請Mike介紹一下。

Mike Liang：這幾年AI發生很多很大的進展，包括像機器視覺等等很多方面，很大一部分我們有很多演算法的一些突破。我們做開源的機器學習平台，就是可以讓科學家有辦法去測試，去做實驗，怎麼樣去做很難的機器學習，我們開始做TensorFlow就是這樣的。讓這個演算法可以讓更多人很多研究有突破，讓更多人去使用。也是想把更多人才特別是在AI這方面，更多的語言，我們怎麼做，有更多的科學家、開發者，或者是公司裡面的工程師，可以去利用新的突破，在他們自己的這些問題上。

Thomas Luo：我們這麼去解釋，TensorFlow是一個開源的平台，能夠讓更多的科學家，AI的開發者，甚至普通的開發者能夠去用到這樣的一個工具，這樣的一個工具和資源做更多的事情。

我們也知道，TensorFlow到現在有3年多的時間過去了，可能我第一次聽說TensorFlow是在2017年，略微有一點晚。我們知道在今年3月的時候，TensorFlow發布了一個新的版本，跟有一些朋友去聊，我有朋友在天津做神經網路的東西，也用TensorFlow的資源，他們覺得這個版本更便捷，擴展性更強一些。

TensorFlow更多的事情是幫助研究者、科學家、開發者做一些事情，未來它的定位會不會有變化？讓更多人用到或者說怎麼樣？

Mike Liang：因為機器學習，人工智慧這個領域是在快速的變化，有很多非常難的研究題還沒有被解決，前面嘉賓有談到的很多問題，這些問題其實都是非常難的，有很多研究者都在做。所以我們3年前，Google把做TensorFlow的平台開源，想要更多元，這樣的平台，當時是給AI研究者的，跟我們公司裡面大生產環境做。也是很前沿的，但是應用性不一定是最適合用的。今年發布了2.0的版本，主要是更簡化，機器學習使用場景可以在很多不同的領域，很多這些領域Google自己沒有看，或者不會做的，我們在2.0核心是把它簡化。除了簡化，我們也是想說機器學習讓更多開發者用，全球幾千萬的開發者，我們也開發更多的語言。

AI不只是在大數據裡面，不只是在工程師的筆記本上，不同的產業的環境，農業、製造業，IETE這方面也很重要，我們這幾年開發了TensorFlow Line可以使用機器學習做一些推理。

如果談到願景，開始只是一個平台，研究、學習，以後做端對端的，讓不懂機器學習裡面的數學演算法，也可以使用這個演算法，去解決問題。怎麼樣做？第一減量化，第二我們把比較常用的機器學習的一些方法，包裝成API，讓更多人用。我們也有一些把已經訓練好的一個庫，模型庫可以讓更多開發者去用。

Thomas Luo：剛才也提到，AI的應用更多是在不同的行業裡面，Mike能不能介紹一下，在TensorFlow到現在，從3年多之前，到現在在哪些領域和哪些行業應用有非常有意思的案例？我想能不能跟大家簡單分享幾個例子？可能有一天會發生在中國，可能更多的可能會發生在全球，你可以隨便講，大概一兩個非常有意思的例子。

Mike Liang：我們非常開心看到在這3年TensorFlow的開源上，有很多公司都開始在使用TensorFlow去解決。在國外我們看到像Airbnb，他們就會用TensorFlow做一些，人上傳他的家，可以很便利分類，這個客廳，這個廚房，這個卧室，讓大家在搜索的時候更簡單，像可口可樂，用TensorFlow，他們以前都會有些獎品，在他們瓶子上，抽獎的，消費者要打開看到有一個碼，可能有12個，慢慢敲進去，很費勁的，他們用TensorFlow去做一個模型，手機掃一下就可以看到這個用戶是真的買了這個瓶了。

大公司也都開始在常用了，國內我們也很興奮，看到很多公司有在用TensorFlow，在教育領域有上市的公司，流利說，也用了TensorFlow做AI老師，去教英語。像京東用TensorFlow做大規模的推薦。或者是閑魚用TensorFlow做，你要上傳一個照片的時候，可以推薦哪些標籤，在你照片裡面，彈出照片的屬性，讓你的操作更便捷。

很多大公司、小公司都有用。像剛才提到的IOTO，還有掃地機器人，雖然是比較智能的去打掃，如果看到一個有一個電線什麼就會卡住，或者有一個椅子它也不知道怎麼做。用TensorFlow就可以看到處理這類問題的方法，可以智能處理這個挑戰。還有智能音響等很多非常有意思的國內外應用。

除了這些商業公司，我們也有跟非常前沿的科學的機構合作，像在美國有一個國家能源研究科學計算的中心，我們把他們怎麼樣用深度學習利用2萬7千多的GPU，那麼大規模的一個百億的計算能力的規模，去解決非常大規模的問題。我們其實有跟很多不同的機構在合作，我也非常期待可以解決什麼樣的天文的問題，或者是農業的這些問題。

Thomas Luo：包括一些天文、農業這些複雜的基礎的科學的研究領域的問題，怎麼用TensorFlow去提高效率，去做這樣的事情。

如果我們去講的話，有高端的應用，也有面向普通的應用，我們往下看一看，針對使用機器學習的企業，他們可能不是一些AI的公司，如果有一些就是電子商務的公司，或者就是一個在微信上做微商或者是電商的公司，就是一個小的開發團隊，他們要去用，或者說這是一個個人想去用TensorFlow做一些事情，他們想去學習它，您對他們有沒有什麼建議？能夠讓大家儘快去上手？學到基本使用的知識和常識？

Mike Liang：雖然剛才談的技術企業都是可能有名，大家可能認識。其實我們也有看到很多小的公司，或者是機構不一定是對機器學習那麼熟也有在用通過TensorFlow解決一些問題。包括在江蘇有一個中藥的研究機構，我們通過微信也做了一個很簡單的識別，我看這個葯到底是哪個葯，你去買這個中藥，這個到底是什麼呢？

Thomas Luo：完全認不出來，一看都是草根。

Mike Liang：用簡單TensorFlow可以去做，有些高中生，他們也在想，我們有什麼問題，可不可以去用新的機器學習，可以自動看我餐廳食堂的時候，燉的菜自動辨別有什麼菜，他們可以這樣做。

非科技的領域，到底要怎麼樣使用機器學習在他們的領域上，的確是有一些挑戰的。我們TensorFlow第一是要抓住自己實際的需求，提供什麼價值，怎麼翻譯成機器學習，從業務的問題，變成機器學習的問題。第二跨境跨行業一起合作，不一定自己有這個能力，但是其實有很多公司，開始有這樣的經驗去用TensorFlow這樣子的平台解決這個問題，跟他們結合做。第三，比較重要，雖然我們在談機器學習的能力很大，但是我們要知道，我們在開發解決方案還是要有一個負責性的去看這個事。我們做這個也要提幾個很重要的一些原則，關於你怎麼樣開發這個AI。包括是它對社會是有貢獻嗎？對人類是負責嗎？因為是用數據去訓練。另外包括隱私，你做解決方案會遇到用戶隱私的事情，安全的事情，要考慮安全的方面。

我剛才談很多科學的突破，我們做這個事情還是保持科學的卓越，不只是弄假這樣子的，面對實際的問題去解決的時候，都要去考慮。

Thomas Luo：這個是非常重要的事情，這也是接下來我們之所以關注TensorFlow，關注機器學習，關注這些領域在一些具體場景中的應用，我們也相信這個東西，接下來不光是中國，包括整個世界上的很多國家的產業升級，一個非常重要的步驟。我們看到很多案例，恨天Mike分享了很多非常有意思的案例，可口可樂、AIRBNB、閑魚、中藥的案例，我們也期待能夠在這方面做更多的一些事情，品玩正在跟Google TensorFlow合作徵集更多的在中國TensorFlow優秀的案例，這些案例是在啟發更多的思考，更好用AI用機器學習能夠讓自己做更多的事情。所以我們希望能夠徵集更多的團隊，我們也留下了二維碼，希望大家掃碼參加我們這樣的活動，有一些非常優秀的比較好的案例，團隊和技術的代表，我覺得我們會安排跟TensorFlow更密切的溝通，去促進這樣的成果，包括品玩，我們要怎麼樣做不酷的事情，講好不酷的事，服務好看上去不那麼酷的應用者和開發公司，我們也會做一些事情，有我們的報道，用我們的活動，各種各樣的事情，我們也能夠做更多的事情。我們會徵集這個東西一直到8月，歡迎大家提交相關的案例，我們共同推進，用TensorFlow這樣的開源共同推進機器學習的發展。

謝謝大家！也謝謝Mike。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！