回根溯源，着眼机器学习的未来
Mike Liang：Google TensorFlow亚太区产品负责人
Thomas Luo：PingWest品玩创始人及CEO
主持人：作为人工智能核心技术之一，机器学习逐年的发展，正在解决不少的难题，通过技术流通和分享，可以让机器学习扩展不同的应用场景，切实帮助每一个人。
请出Google TensorFlow亚太区产品负责人Mike Liang和品玩创始人及CEOThomas Luo。
Thomas Luo：上午讲的话题创新没有那么酷，一点不酷，创新也没有那么性感，创新很多工作都很乏味，尤其农业等等领域创新不像阿尔法狗那样，其实更有意义。刚才张博士讲的，人工智能如何帮助农业的发展。张弓博士在台上讲的时候，我在后面跟Mike一直在讨论一个事情，佳格的知天而作的这一套东西，是自己做的还是谁做的？TensorFlow正在积极的寻找非常有意思的团队共同做一些事情，这也是今天要去聊的一个话题。TensorFlow帮助机器学习拓展更多的可能，帮助中小型的公司，不管是不是创新公司。在座的同学有多少人知道TensorFlow？我们请Mike介绍一下。
Mike Liang：这几年AI发生很多很大的进展，包括像机器视觉等等很多方面，很大一部分我们有很多算法的一些突破。我们做开源的机器学习平台，就是可以让科学家有办法去测试，去做实验，怎么样去做很难的机器学习，我们开始做TensorFlow就是这样的。让这个算法可以让更多人很多研究有突破，让更多人去使用。也是想把更多人才特别是在AI这方面，更多的语言，我们怎么做，有更多的科学家、开发者，或者是公司里面的工程师，可以去利用新的突破，在他们自己的这些问题上。
Thomas Luo：我们这么去解释，TensorFlow是一个开源的平台，能够让更多的科学家，AI的开发者，甚至普通的开发者能够去用到这样的一个工具，这样的一个工具和资源做更多的事情。
我们也知道，TensorFlow到现在有3年多的时间过去了，可能我第一次听说TensorFlow是在2017年，略微有一点晚。我们知道在今年3月的时候，TensorFlow发布了一个新的版本，跟有一些朋友去聊，我有朋友在天津做神经网络的东西，也用TensorFlow的资源，他们觉得这个版本更便捷，扩展性更强一些。
TensorFlow更多的事情是帮助研究者、科学家、开发者做一些事情，未来它的定位会不会有变化？让更多人用到或者说怎么样？
Mike Liang：因为机器学习，人工智能这个领域是在快速的变化，有很多非常难的研究题还没有被解决，前面嘉宾有谈到的很多问题，这些问题其实都是非常难的，有很多研究者都在做。所以我们3年前，Google把做TensorFlow的平台开源，想要更多元，这样的平台，当时是给AI研究者的，跟我们公司里面大生产环境做。也是很前沿的，但是应用性不一定是最适合用的。今年发布了2.0的版本，主要是更简化，机器学习使用场景可以在很多不同的领域，很多这些领域Google自己没有看，或者不会做的，我们在2.0核心是把它简化。除了简化，我们也是想说机器学习让更多开发者用，全球几千万的开发者，我们也开发更多的语言。
AI不只是在大数据里面，不只是在工程师的笔记本上，不同的产业的环境，农业、制造业，IETE这方面也很重要，我们这几年开发了TensorFlow Line可以使用机器学习做一些推理。
如果谈到愿景，开始只是一个平台，研究、学习，以后做端对端的，让不懂机器学习里面的数学算法，也可以使用这个算法，去解决问题。怎么样做？第一减量化，第二我们把比较常用的机器学习的一些方法，包装成API，让更多人用。我们也有一些把已经训练好的一个库，模型库可以让更多开发者去用。
Thomas Luo：刚才也提到，AI的应用更多是在不同的行业里面，Mike能不能介绍一下，在TensorFlow到现在，从3年多之前，到现在在哪些领域和哪些行业应用有非常有意思的案例？我想能不能跟大家简单分享几个例子？可能有一天会发生在中国，可能更多的可能会发生在全球，你可以随便讲，大概一两个非常有意思的例子。
Mike Liang：我们非常开心看到在这3年TensorFlow的开源上，有很多公司都开始在使用TensorFlow去解决。在国外我们看到像Airbnb，他们就会用TensorFlow做一些，人上传他的家，可以很便利分类，这个客厅，这个厨房，这个卧室，让大家在搜索的时候更简单，像可口可乐，用TensorFlow，他们以前都会有些奖品，在他们瓶子上，抽奖的，消费者要打开看到有一个码，可能有12个，慢慢敲进去，很费劲的，他们用TensorFlow去做一个模型，手机扫一下就可以看到这个用户是真的买了这个瓶了。
大公司也都开始在常用了，国内我们也很兴奋，看到很多公司有在用TensorFlow，在教育领域有上市的公司，流利说，也用了TensorFlow做AI老师，去教英语。像京东用TensorFlow做大规模的推荐。或者是闲鱼用TensorFlow做，你要上传一个照片的时候，可以推荐哪些标签，在你照片里面，弹出照片的属性，让你的操作更便捷。
很多大公司、小公司都有用。像刚才提到的IOTO，还有扫地机器人，虽然是比较智能的去打扫，如果看到一个有一个电线什么就会卡住，或者有一个椅子它也不知道怎么做。用TensorFlow就可以看到处理这类问题的方法，可以智能处理这个挑战。还有智能音响等很多非常有意思的国内外应用。
除了这些商业公司，我们也有跟非常前沿的科学的机构合作，像在美国有一个国家能源研究科学计算的中心，我们把他们怎么样用深度学习利用2万7千多的GPU，那么大规模的一个百亿的计算能力的规模，去解决非常大规模的问题。我们其实有跟很多不同的机构在合作，我也非常期待可以解决什么样的天文的问题，或者是农业的这些问题。
Thomas Luo：包括一些天文、农业这些复杂的基础的科学的研究领域的问题，怎么用TensorFlow去提高效率，去做这样的事情。
如果我们去讲的话，有高端的应用，也有面向普通的应用，我们往下看一看，针对使用机器学习的企业，他们可能不是一些AI的公司，如果有一些就是电子商务的公司，或者就是一个在微信上做微商或者是电商的公司，就是一个小的开发团队，他们要去用，或者说这是一个个人想去用TensorFlow做一些事情，他们想去学习它，您对他们有没有什么建议？能够让大家尽快去上手？学到基本使用的知识和常识？
Mike Liang：虽然刚才谈的技术企业都是可能有名，大家可能认识。其实我们也有看到很多小的公司，或者是机构不一定是对机器学习那么熟也有在用通过TensorFlow解决一些问题。包括在江苏有一个中药的研究机构，我们通过微信也做了一个很简单的识别，我看这个药到底是哪个药，你去买这个中药，这个到底是什么呢？
Thomas Luo：完全认不出来，一看都是草根。
Mike Liang：用简单TensorFlow可以去做，有些高中生，他们也在想，我们有什么问题，可不可以去用新的机器学习，可以自动看我餐厅食堂的时候，炖的菜自动辨别有什么菜，他们可以这样做。
非科技的领域，到底要怎么样使用机器学习在他们的领域上，的确是有一些挑战的。我们TensorFlow第一是要抓住自己实际的需求，提供什么价值，怎么翻译成机器学习，从业务的问题，变成机器学习的问题。第二跨境跨行业一起合作，不一定自己有这个能力，但是其实有很多公司，开始有这样的经验去用TensorFlow这样子的平台解决这个问题，跟他们结合做。第三，比较重要，虽然我们在谈机器学习的能力很大，但是我们要知道，我们在开发解决方案还是要有一个负责性的去看这个事。我们做这个也要提几个很重要的一些原则，关于你怎么样开发这个AI。包括是它对社会是有贡献吗？对人类是负责吗？因为是用数据去训练。另外包括隐私，你做解决方案会遇到用户隐私的事情，安全的事情，要考虑安全的方面。
我刚才谈很多科学的突破，我们做这个事情还是保持科学的卓越，不只是弄假这样子的，面对实际的问题去解决的时候，都要去考虑。
Thomas Luo：这个是非常重要的事情，这也是接下来我们之所以关注TensorFlow，关注机器学习，关注这些领域在一些具体场景中的应用，我们也相信这个东西，接下来不光是中国，包括整个世界上的很多国家的产业升级，一个非常重要的步骤。我们看到很多案例，恨天Mike分享了很多非常有意思的案例，可口可乐、AIRBNB、闲鱼、中药的案例，我们也期待能够在这方面做更多的一些事情，品玩正在跟Google TensorFlow合作征集更多的在中国TensorFlow优秀的案例，这些案例是在启发更多的思考，更好用AI用机器学习能够让自己做更多的事情。所以我们希望能够征集更多的团队，我们也留下了二维码，希望大家扫码参加我们这样的活动，有一些非常优秀的比较好的案例，团队和技术的代表，我觉得我们会安排跟TensorFlow更密切的沟通，去促进这样的成果，包括品玩，我们要怎么样做不酷的事情，讲好不酷的事，服务好看上去不那么酷的应用者和开发公司，我们也会做一些事情，有我们的报道，用我们的活动，各种各样的事情，我们也能够做更多的事情。我们会征集这个东西一直到8月，欢迎大家提交相关的案例，我们共同推进，用TensorFlow这样的开源共同推进机器学习的发展。
谢谢大家！也谢谢Mike。
转自：https://www.pingwest.com/a/188971
