李根 發(fā)自 凹非寺

量子位 報(bào)道 | 公眾號 QbitAI

關(guān)于TensorFlow，中國媒體想問Kemal的太多。

“接下來如何迭代”、“如何保持增長”、“最關(guān)注哪些領(lǐng)域的落地和推進(jìn)”、“下一階段關(guān)注點(diǎn)是什么”，“怎樣看來自全球和中國的競爭”……

這位剛履新上任的TensorFlow全球產(chǎn)品總監(jiān)，或許之前沒有預(yù)料，谷歌旗下這款機(jī)器學(xué)習(xí)開源平臺，在中國同樣擁有相當(dāng)大的影響力。

在2019 WAIC現(xiàn)場，他除了分享TensorFlow的落地進(jìn)展，同樣耐心解答了上述一系列問題。

而且對于大眾喜聞樂見的深度學(xué)習(xí)框架競爭日益激烈的話題，Kemal心態(tài)很好，他說相比競爭，更關(guān)注怎樣一起把機(jī)器學(xué)習(xí)帶到更多領(lǐng)域、造福更多用戶。

套用一句中國科技圈流行語，大概就是：競爭看淡，不服——一起干。

所以Kemal究竟解答了TensorFlow哪些問題？

量子位給你一一傳送。

履新上任的TensorFlow全球產(chǎn)品總監(jiān)

Kemal El Moujahid，第一次以TensorFlow全球產(chǎn)品總監(jiān)身份來到中國交流，實(shí)際上也是以谷歌的身份前來交流。

在此之前，他是Facebook的產(chǎn)品負(fù)責(zé)人，在臉書核心負(fù)責(zé)開發(fā)了Facebook開發(fā)的虛擬助手產(chǎn)品M、Messenger平臺和Wit.ai。

更早來說，Kemal畢業(yè)于巴黎高等電信學(xué)校（the Ecole Polytechnique and Telecom Paris），并獲斯坦福大學(xué)工商管理研究生院工商管理碩士學(xué)位。

他于2018年10月正式加入谷歌，并成為TensorFlow的產(chǎn)品負(fù)責(zé)人。

而上任之后，他經(jīng)歷的首件大事自然是TensorFlow 2.0版本的推出和TensorFlow Federated的發(fā)布，在他看來，這也是這個全球最大的機(jī)器學(xué)習(xí)開源平臺的未來發(fā)展的“冰山一角”。

在Kemal的訪談中，他也透露了TensorFlow下一步的側(cè)重所在和開發(fā)落地方向，詳情如下：

對話TensorFlow全球產(chǎn)品總監(jiān)

TensorFlow下一步

Q：TensorFlow接下來會朝什么方向迭代？

Kemal：從目前的TensorFlow2.0出發(fā)，我們關(guān)注點(diǎn)有兩點(diǎn)。

一是讓TensorFlow平臺更加易用，能夠讓更多人觸手可及，這也是我們?yōu)槭裁匆獜?qiáng)調(diào)2.0重要性的原因。

我們希望2.0能夠讓更多人——可能很多都沒有接觸過機(jī)器學(xué)習(xí)，并非計(jì)算機(jī)領(lǐng)域的專家，也能通過TensorFlow提供的機(jī)器學(xué)習(xí)工具和技術(shù)，去解決自己生活和所處行業(yè)當(dāng)中的實(shí)際問題。

在今天keynote分享中，我們舉的例子是新德里的兩個小朋友，用TensorFlow做了一個空氣質(zhì)量污染方面的監(jiān)控的App，其實(shí)代表了我們的這種方向。

第二個我們要加大投入的方向是移動端。因?yàn)檫@是機(jī)器學(xué)習(xí)未來非常重要的方向，而且隨著越來越多終端設(shè)備普及，機(jī)器學(xué)習(xí)的應(yīng)用場景將大大增加。

在目前55億臺移動設(shè)備、2500個微傳感器的規(guī)模體量之上，TensorFlow也會繼續(xù)關(guān)注端側(cè)，把機(jī)器學(xué)習(xí)帶到更多的端側(cè)。

Q：TensorFlow 2.0推出前，得到最多的調(diào)研反饋是什么？

Kemal：主要有兩個。

第一，希望系統(tǒng)變得更加的簡單和易用。機(jī)器學(xué)習(xí)相對來說依然有點(diǎn)枯燥，所以如果應(yīng)用性做得不夠好，開發(fā)者所受限制就是增多。

第二，功能和性能不做妥協(xié)和下降。開發(fā)者一方面希望系統(tǒng)更易用，但同時也不希望在功能和性能上被犧牲，所以對TensorFlow團(tuán)隊(duì)，這是核心要求之一。

我們也一直在平衡這兩者，覆蓋全設(shè)、全平臺，既能保證開發(fā)者云端部署，也盡可能在瀏覽器也能開發(fā)應(yīng)用。

最關(guān)注哪一領(lǐng)域的應(yīng)用

Q：TensorFlow在哪些垂直領(lǐng)域的應(yīng)用占比較高？

Kemal：以不同行業(yè)來劃分TensorFlow使用的情況并不容易區(qū)分。

但我更愿意分享我印象深刻的幾個案例：

第一，醫(yī)療行業(yè)。在傳統(tǒng)醫(yī)療行業(yè)，我們需要大量的資源培養(yǎng)專業(yè)醫(yī)生，然后才能更好給病人看病。但隨著機(jī)器學(xué)習(xí)的技術(shù)，我們可以通過訓(xùn)練模型，并且把模型放到移動設(shè)備中，這樣就可以大大拓展診斷的覆蓋范圍，把更好的醫(yī)療資源帶給更多人。

斯坦福大學(xué)就用TensorFlow打造了一個項(xiàng)目，可以把機(jī)器學(xué)習(xí)模型放入手機(jī)中識別皮膚癌，如果未來通過一個攝像頭就能更好了解健康狀況，會很令人期待。

另一個例子是關(guān)于環(huán)境和資源。剛才談到印度空氣質(zhì)量監(jiān)控的案例，此外還有通過攝像頭幫忙監(jiān)測亞馬遜叢林的濫砍濫伐問題，這都令人激動。

Q：2019年內(nèi)最讓你激動的TensorFlow應(yīng)用進(jìn)展來自什么領(lǐng)域？

Kemal：還是醫(yī)療領(lǐng)域。包括皮膚癌、心血管疾病等都能通過機(jī)器學(xué)習(xí)的方式得到很好地篩查，從而能幫助醫(yī)生提高效率，也幫助更多人得到更好的醫(yī)療資源。

試想一下，如果哪一天我們通過一個手機(jī)攝像頭，就能完成一次身體檢查，那該是多么激動人心的事。

所以期待這種應(yīng)用加快進(jìn)行，也希望全世界每個人都能從這樣的技術(shù)應(yīng)用中受益。

Q：有什么令你印象深刻的來自中國的案例嗎？

Kemal：也有兩個。

一個是愛奇藝，運(yùn)用TensorFlow來實(shí)現(xiàn)視頻編輯、分段等應(yīng)用，并且在移動端打造了很多炫酷的功能。

另一個是英語流利說，通過機(jī)器學(xué)習(xí)，他們變革了英語學(xué)習(xí)的方法，通過TensorFlow打造的推薦模型，可以實(shí)現(xiàn)更好的個性化學(xué)習(xí)，并且不斷學(xué)習(xí)，把模型和內(nèi)容打造得更好，使更多用戶通過教育而受益。

關(guān)于競爭

Q：現(xiàn)在關(guān)于機(jī)器學(xué)習(xí)的開源框架競爭越來越激烈，包括中國公司也推出了自己的框架，你怎么看？

Kemal：其實(shí)我們非常樂見行業(yè)整體有這樣的發(fā)展。因?yàn)閺臋C(jī)器學(xué)習(xí)或者AI普及的角度來看，現(xiàn)在可能還處在非常早期的階段。

我們當(dāng)初打造TensorFlow，核心就是最大化推廣和普及機(jī)器學(xué)習(xí)，所以不會因?yàn)楦偁幎浟顺跣摹?/p>

競爭要求我們竭盡所能提供最好的應(yīng)用、技術(shù)，打造最好的平臺，讓機(jī)器學(xué)習(xí)的門檻和普及速度都變得更好。

所以宏觀范圍內(nèi)看，目前態(tài)勢還是利于機(jī)器學(xué)習(xí)更好更好普及，對整個行業(yè)是好事。

Q：是否會有專門的增長手段增加用戶？

Kemal：TensorFlow是開源平臺，所以首要問題是保證產(chǎn)品最簡單直接觸達(dá)用戶，被開發(fā)者使用。

不過我們也必須經(jīng)常與開發(fā)者溝通，了解他們的問題，分享經(jīng)驗(yàn)，幫助他們利用機(jī)器學(xué)習(xí)解決身邊的問題。

我們?yōu)槭裁催x擇開源？

就是希望利用開源的方式，讓更多人可以更容易被機(jī)器學(xué)習(xí)賦能。

所以對于TensorFlow來說，提升普及度和應(yīng)用度的方式，就是讓所有用戶都可以更加輕而易舉地使用TensorFlow，并且解決身邊的問題、真實(shí)的問題。

Q：2019年很熱的話題是5G，它對機(jī)器學(xué)習(xí)發(fā)展會有幫助嗎？

Kemal：5G這樣的基礎(chǔ)性技術(shù)，確實(shí)會對我們的機(jī)器學(xué)習(xí)、TensorFlow產(chǎn)生很大的影響。

但剛才我們也談到移動端部署等方面的問題，核心是希望能夠在延遲、無網(wǎng)絡(luò)等情況下也能依然發(fā)揮作用，所以從這方面來說，機(jī)器學(xué)習(xí)有自己的挑戰(zhàn)要解決。

但借助5G的環(huán)境，會有更多傳感器和智能設(shè)備實(shí)現(xiàn)互聯(lián)，未來機(jī)器學(xué)習(xí)的應(yīng)用可能性和范圍都極大增強(qiáng)，整個生態(tài)更強(qiáng)大，會讓更多開發(fā)者——即便不是機(jī)器學(xué)習(xí)專家，也能用TensorFlow這樣的工具做更多的事情。

— 完 —

誠摯招聘

量子位正在招募編輯/記者，工作地點(diǎn)在北京中關(guān)村。期待有才氣、有熱情的同學(xué)加入我們！相關(guān)細(xì)節(jié)，請?jiān)诹孔游还娞?QbitAI)對話界面，回復(fù)“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

?’?’ ? 追蹤AI技術(shù)和產(chǎn)品新動態(tài)