亚洲午夜精品一区二区

Google宣布将其最新的机器学习技术TensorFlow以开放源码专案释出。Google 以 Apache 2.0 授权模式开放以 Python 或 C++ 为主要服务语言的 TensorFlow 专案，并将这个专案的程式码与相关工具放在 Github 上。

TensorFlow 是 Google 继 2011 年开发了 DistBelief 之后，透过使用资料流 (flow) 图像，来进行数值演算的新一代开源机器学习工具。这个机器学习工具的基础设计，主要透过图学里的“节点”来表达数学运算，“边” 来表示“节点”间的多维度资料阵列 (tensors, 张量)，因此命名做 TensorFlow。TensorFlow 主要由 Google 机器智慧研究室与 Google 大脑研究组 (Google Brain Team ) 的学者与工程师所开发，容许开发者自由配置运算环境来做深度神经网络研究，但也足以支持普通环境所需要的服务（例如透过影片进行图像辨识）；你可以部署 TensorFlow 在使用一个或多个 CPU 或 GPU的桌机或伺服器上，也可以透过一个 API 部署在行动装置里。

Gmail的垃圾邮件判读、Google相簿脸部识别、Google翻译，我们天天都在使用 Google的机器学习系统，现在Google将TensorFlow以开放源码专案释出了。相比IBM，微软与百度等竞争对手的封闭路线，再次打出开源牌的Google是否又会成为机器学习领域的霸主呢？Goolge为什幺要推开源机器学习系统？

“如果将机器学习比喻成一架火箭，那大量的『数据』就是驱动它的能源，并且需要各种创意、多方思考设立出来的模型和运算能力来支持整个学习过程，而且电脑不比人脑，人脑只需要有限的例子和经验就能够成功学习。电脑则是需要『非常多样本和案例』来建立认知。”Google人工智能、计算神经科学及可量化机器学习研究员指科拉多（Greg Corrado）强调。

（图说：骋辞辞驳濒别人工智能、计算神经科学及可量化机器学习研究员指科拉多）

言下之意，只靠骋辞辞驳濒别自己发展机器学习技术势必会遇到一些难题，资料量不够多元。&濒诲辩耻辞;电脑的学习过程是相当缓慢，旷日费时，深度学习需要投入大量的人力与资源进行相关研究&谤诲辩耻辞;科拉多说。在这样的情况下，骋辞辞驳濒别透过开放机器学习让开源社群帮骋辞辞濒驳别收集、整理各式各样大量可用来训练类神经网络的『资料』。

“没资料，光有技术，机器学习就只是空谈。就像火箭要有燃料，要不然只有推进器，火箭也飞不起来！”台北大学资讯工程学系教授戴志华进一步解释，一但开放机器学习系统，用的人越多，资料越多元，越多量多变，Google 机器学习系统更聪明，能提供的服务就越好，可以提供更多种服务，形成一个正向循环。

举例来说， Google 想要让机器学习认 a~z 26个小写字母，但每个人的字迹不同，Google若自己要 準备各种不同笔迹字母太旷日费时，但若全世界有20%的人，一人给 Google 一份自己写的a-z字母，有了这些大量，又多形变的资料，Google 机器认字母的能力也就越强。因此 Google 利用“开放”模式解决以上的难题。

也许你要问， Google 不是手握大量使用者数据了吗？为什幺这些数据量还不够呢？

&濒诲辩耻辞;骋辞辞驳濒别过去收集的资料都不适合用来做机器学习，因为那些资料并没有被赋予足够具体的意义。&谤诲辩耻辞;戴志华指出。

举例来说，Google手边有很多“1”、“one”与“一”等资料，但机器并不懂得什幺意思。机器不知道“1 ”... 是 1 不是 2 、“one”是 1 不是 2 、“一”是 1 不是 2 “机器学习就跟教小孩很类似，你要他叫爸爸，你就得先告诉他谁是爸爸。”戴志华举例。

因为类神经网络是模拟人的大脑，训练类神经网络，就跟教育婴幼儿一样。资料要大量、多变化，资料的品质也重要，就是要大量且要含括足够的变化，所以需要整个社群提供资料并且赋予这些资料正确具体的意义。因此，透过开源 TensorFlow 这个工具， Google 得以号召整个开发社群透过利用该工具提供相关服务时，帮 Google 完成收集真实世界资料的任务。

那对开发者或研究员来说，骋辞辞驳濒别的开源机器学习系统吸引点在哪里呢？

Google 虽然发展机器学习10年，但还有许多领域未探索。因此需要这个社群共享力量，加速机器学习进展。“利用机系学习系统获利并非 Google 现行目标，现在最重要的是社群的建立，透过开源社群的快速分享，建立共同标準。这对机器学习的发展非常重要。”科拉多说。

相较竞争对手微软、IBM 与百度，机器学习技术需要付费，Google 的免费对于开发者的吸引力巨大。

“让全球聪明人，给 Google 很好的回馈与贡献，甚至连竞争对手的团队都会用它， Google 不走常人之路。” Alphabet 集团执行董事长史密斯（Eric Schmidt）强调。

Google 目前透过两方面应用机器学习技术强化现有的产物服务（如：Google 搜寻里的排名建议）与提供更先进更新颖的产物服务。如语音文字与图像辨识。科拉多指出“Google 的语音搜寻就是透过机器学习让正确度不断提升。”

“这对 Google 的 Mobile Only 政策具有重大的影响，在行动的世界，不需要手，我们使用语言沟通，电脑直接辨识图像。”科拉多说。不过对于外界非常关切的 Google 自动驾驶车的机器学习成果，科拉多语带保留，并不多谈，是个敏感议题。

文章来源：机房监控