今年5月的Google I/O大会上，Google发布了独立的照片管理应用Google Photos。

和很多照片管理应用一样，Google Photos可以自动同步所有设备上的照片；和很多照片管理应用不一样的是，Google Photos还有一些看似不可能的智能特性：例如，它能自动识别照片中的人或不同事件，基于时间、地点、人物自动生成故事线，自动合成Gif动图、全景图片等，详细可参考这篇《在国内无法正常使用的 Google Photos 可能远比你想象的强大》。

Google Photos背后使用的是Google最新的深度学习技术，被称为TensorFlow。就在今天，Google宣布，TensorFlow开源了！从今天起，任何人都可以去TensorFlow的官网（TensorFlow.org）了解详细情况，并下载相应的软件。

除了Google Photos，Google内部的许多产品都使用了TensorFlow技术，比如Google的语音识别，Gmail的自动回复，包括Google搜索的优化等。

据Google介绍，TensorFlow是其第二代深度学习引擎。第一代的深度学习引擎是2011年开发完成的DistBelief，在此基础上Google建立了更大的神经网络，Google用该神经网络开展了著名的“猫脸识别”实验——1000台计算机、16000个芯片组成的系统在“学习了”数百万张猫脸图片，将线条、亮度、边界、色彩等多个特征分类，最后它在看到猫的图片后，就能将它识别出来，与学习过的图片归为一类，虽然计算机系统内本身并没有“猫”和“猫长得是什么样子”这些概念数据。

不过，DistBelief的缺点是它仅局限于神经网络，非常难配置，而且和Google内部的基础产品联系紧密，这就决定了DistBelief很难与外界分享。第二代的深度学习引擎TensorFlow则克服了这些缺点，更加易用、稳定，而且完全开源。Google表示，TensorFlow的速度是DistBelief的2倍。

Google为什么愿意把如此核心的技术开源呢？在官方博客中，Google表示，这样做可以造福人工智能开发界和学术界，同时，更多人的加入也有助于Google的技术的提升。

《华尔街日报》还揭示了另外的原因，虽然开源了TensorFlow，但这只是比较底层的算法，Google仍然保持着自己在深度学习方面的独特优势：海量的数据，强劲的用来运行相关软件的计算机以及一个强大的人工智能团队。

“深度学习可不是即插即用的，它需要大量的测试、微调和更新。”一位深度学习专家如此表示。

在问答网站知乎上，也有关于Google开源TensorFlow的讨论，如果你有兴趣，可以前去讨论。