Google 人工智慧引擎 TensorFlow 開源會帶來哪些影響？

01-06

It』s not selling access to its deep learning engine. It』s open sourcing that engine, freely sharing the underlying code with the world at large. This software is called TensorFlow, and in literally giving the technology away, Google believes it can accelerate the evolution of AI. Through open source, outsiders can help improve on Google』s technology and, yes, return these improvements back to Google.
WIRED ? Google Just Open Sourced TensorFlow, Its Artificial Intelligence Engine

可以參考我在類似問題下的回答:

http://www.zhihu.com/question/37353207/answer/100892430

說一點感想。。。

一是現在很多大公司都越來越重視DL，所以趕緊多了解了解DL無論是對於相關領域的工作，還是對於未來自己的發展都有好處

二是DL現在一大硬傷在於運算複雜度太高導致的計算時間太長，所以GPU加速這一塊未來也會越來越重要。現在和DL關係比較密切的加速手段也主要就是CUDA，所以CUDA相關的東西也可以多了解了解，未來肯定只會用的越多而不是越少

今年CVPR2015和ICCV2015，不少使用DL的工作識別精確度暴增10%，使得未來如果不是工作上有巨大創新的話，基本上所有人都會向著DL的方向去做了

而且這是一條很難回頭的路，因為實驗結果只能越來越好而不是越來越差，如果你不用DL，那麼你的結果比不過別人，所以很多人雖然心裡不怎麼情願，但也是不得不用DL來做自己的一些工作

將門檻砍掉了很大一半！

原來需要關注很多工程的細節，比如各種計算運算元，優化演算法等等，現在可以安心的關注模型結構本身。

是不是安卓不好說，但是我看了一下代碼和例子之後，感覺很強大！

對於我來說，tf的出現是一個學習的好機會，可以學習如何實現一個大的項目。

最直接的影響就是明年又會有一大批"自出創新型"科技項目要上馬了

window下我用docker安裝咋安裝不上啊

要翻牆，也不行啊

還有一個影響就是所有的tensorflow相關的域名都被搶注了

http://wanwang.aliyun.com/domain/searchresult/?keyword=tensorflowsuffix=.com

well, it"s a joke...

卸腰，不好意思最近比較忙。說實話，目前深度學習也是遇到了瓶頸。自從imagenet 之後，很多深度學習相關的文章灌了起來。文章大致沒什麼突破性進展(我指的是突破性)，大多關注的是應用方面。這就引來了一個很直接的問題，模型在大規模並行處理方面的能力。之前百度吳韌帶的團隊大部分精力應該也是在異構計算並行上面，而tensor_flow不幸的只是單機版那麼就真是雷聲大雨點小了。不過對於搞深度學習的工程師來說，這個框架還是很值得研究與學習的。

作為一個還在上學的學生，以我的膚淺經驗和認識，我覺得，谷歌二代DL框架TensorFlow正如一些國內DL的牛人的認識一樣，分散式引擎估計是不會開源的，或者開源一部分。也是為了吸睛，迫於各種DL框架性能優化的壓力才開源的吧。但是這有好處呀，對我們國內的DL發展有幫助（一些人苦於找創新點，累積科研成果報項目申請經費的人，現在可以準備大幹一場了）。未來我覺得DL短期內將會繼續各種框架共同存在並維護更新，因為大家都具備這種先發意識，誰能佔領制高點誰就可以換取關注度，為下一步發展戰略鋪路。只是要結合自己的實際，一味地盲目追求，最後可能只是泡沫，或者還未挖到水源就渴死了。特別是創業者，本身我也算是半個創客，感悟還是真實的。不匿，飯餘閒言，無他耳。

對企業而言，可作為演算法實現參考，對人工智慧市場化意義不會很大。

1、對大企業，側重並行或集群，TensorFlow不適用。有介紹說，微信語音識別、圖像識別用到了深度學習，特點是通過並行計算或集群來完成密集運算。畢竟演算法都通過paper發表過了。

2、對小企業，更缺數據。有了數據，使用一些開源的深度學習演算法就能達到基本目標。現有的重要的深度學習演算法都有開源代碼，而且還是多種語言的版本，如DBN，CNN，RCNN，FRCNN，RNN等。Torch、Caffe等都是開源的，TensorFlow已經失去了先發優勢，只能看後期推進力度了。

3、一些演算法本身需要提高，有待創新，更需要看論文。

開源只能說是趨勢，但是能影響多大範圍，這是個問題！

即複雜的數據結構會被傳輸至人工智慧神經網中進行分析和處理。