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。
0 条评论
请「登录」后评论