化解谷歌的AI霸权,开发平台开始了生态围剿

摘要:相较移动互联网,AI 将是一个更激进的开发者游戏。无论是学界还是巨头,都只能给出规则和参考,以及一小部分示例性应用,而最终让人工智能落地产生价值的,只能是成千上万脑中闪过鬼点子的开发者。

化解谷歌的AI霸权,开发平台开始了生态围剿

题图来自:视觉中国

相较移动互联网,AI 将是一个更激进的开发者游戏。

无论是学界还是巨头,都只能给出规则和参考,以及一小部分示例性应用,而最终让人工智能落地产生价值的,只能是成千上万脑中闪过鬼点子的开发者。

这种特性的驱动下,抢占人工智能开发基础,聚拢优质开发者生态就成为了巨头们在 AI 军备赛上的重头戏。而这场比拼的核心要素,就是深度学习开发平台。

目力所及,各种供给机器学习、深度学习的框架与平台层出不穷。由于很多平台都是企业和科研内部使用或者半开放模式,所以完整统计到底有多少类似平台很困难。但可以肯定的是,市面上至少有超过 15 个主流框架。

值得注意的是,这些平台以及背后的企业主体并不是那么友善。围绕平台、社区和开发者群落,一场新的人工智能争夺战正在打响。

而目前这场战役的主旋律,是如何围剿谷歌与 TensorFlow。

微软、Facebook 联手下了一招“围棋”

由于机器学习平台最初多是局限在学界使用,算法与模型的工程化基础不够充足,所以开发平台也更多是由实验室推出。大家各玩各的,不够统一。

这种方案的流弊,在于产业线索掺杂进来之后,人工智能开发平台变得非常复杂和碎片化。一个开发者为了让产品具有不同方面的功能,常常需要使用不同平台,然后费尽心力的整合到一起。

针对这种情况,9 月 8 日微软与 Facebook 联合推出的一款开源工具:ONNX。

所谓的 ONNX,是“Open Neural Network Exchange”的缩写,即“开放的神经网络切换”。从名称就可以看出,这款工具的价值在于开发者可以把训练的神经网络架构在不同平台间无缝对接,省去了大量的转换成本。

根据微软和 Facebook 公布的消息,ONNX 目前已经确定兼容微软的 Microsoft Cognitive Toolkit、Facebook 的深度学习框架 PyTorch 以及非常主流的深度学习开发平台 Caffe2。

这三个开发平台之间的打通当然是有其价值的,但好事者却更关注另一个信息:打通的平台中没有谷歌的 TensorFlow。

于是一种猜测应运而生:Facebook 和微软这两个重度 AI 投注者,或许希望依靠打通开发平台带来的技术标准化价值、灵活操作的体验优势以及打通平台界限后的社区资源共享,来更好的激发开发者兴趣,从而孤立谷歌在开发平台层面的势能。

这或许说明,合纵连横的互联网企业“围棋”法则,已经开始在 AI 这块相对意义上的净土中上演了。

阻断 TensorFlow 的生态化增长

这里要解释的是,为什么一定要针对 TensorFlow。

TensorFlow 原本是谷歌大脑项目旗下的深度学习开发平台,在 2015 年这个项目正式对外开源。凭借谷歌 AI 项目的多元优势,其使用增长率一直居高不下。

一个重要的变化来自于今年 2 月 TensorFlow1.0 正式对外公布。这个正式版不仅优化了语言适应性,加入了更多算法支持,尤其加入了 XLA(Accelerated Linear Algebra 加速线性代数)使得 TensorFlow 开发的模型可以被部署在手机等移动设备上。

对于开发者来说,这个改变某种程度上意味着下一个时代和巨大商机。其效果立竿见影,从今年 2 月开始,TensorFlow 正式超过了 Caffe 成为了使用人数最多的机器学习平台,并且差距在持续拉大。

与 Caffe 这种学院派不同,TensorFlow 成为“扛把子”瞬间让业界联想到了那几年被安卓支配过的恐惧。而且事实也确实如此,谷歌不断投入 TensorFlow 工程化和产业化的可能,并且打开了与谷歌大脑、TPU、云计算等等业务的关联性,又有 Deepmind 等高手时常放出新创意和工具,都让 TensorFlow 成为了最有噱头和商业遐想的 AI 平台。

对于其他 AI 巨头企业来说,逐渐成型的谷歌 AI 生态或许意味着谷歌在 AI 领域的霸权威胁。所谓项庄舞剑意在沛公,解决行业问题只是表面文章,如何阻断谷歌 AI 向着完整的自生态发展,才是战略性目标。

联合起来与 TensorFlow 对抗,似乎成为了最现实的选择。尤其 TensorFlow 并非完美,其自身弱点给这个领域的竞争留下了更多不确定性。

抢夺大多数:深度学习平台的 AI 暗战

采访了一些工程师朋友,虽然大家对机器学习的看法非常不同(这件事其实很值得研究),但普遍来说,对 TensorFlow 的评价是“易入门,难精通”。

作为一个内部使用平台,虽然经历了非常多的迭代过程,但 TensorFlow 在运算效率上依旧饱受诟病。并且花哨无用的功能很多,对于开发者来说学习成本高、执行性较差,也难以开发出复杂的神经网络。

但 TensorFlow 的弱势,并不足以让其他平台持有者掉以轻心。不说谷歌自身在目的性极强的自我更新,就从大的开发者环境来说,谷歌和 TensorFlow 也有转弱为强的可能。

大多数开发者似乎认为,PyTorch 等高度贴近深度学习特性的平台,更适合“高手们”使用。而 TensorFlow 则凭借简单的 API 接口和非常强大的社区资源,更适合入门者接触。

但这种定位一旦被确立,对于其他平台是非常危险的。因为在 AI 产业化进程加速的今天,重点不是如何配合深度开发者,而是如何开通与更多新手的连接,抢占已经感知到趋势,即将获取开发者身份的“大多数”。

这种情况下,放低身段,打开大门,就自然而然成为了平台产品化运营的核心思路。对于开发者来说,选择平台进行深度学习、神经网络的开发,无非思考三件事:是否流畅易用,是否消耗大量学习成本,以及是否有强大的社区资源和讨论环境。

或许,微软和 Facebook 以工具打通平台连接只是第一步。在终端应用场景更加多元、AI 落地需求更加强烈的前提下,开发平台的重组与整合会成为接下来一段时间内的核心命题。

毕竟,“不能再让谷歌造出 AI 时代的安卓”,应该是大多数 AI 巨头的普遍共识。

来自: 钛媒体

扩展阅读

谷歌Tensorflow一岁啦,它能给我们带来怎样的改变?
TensorFlow 1.0正式发布 你需要知道的都在这里
2016AI巨头开源IP盘点 50个最常用的深度学习库
谷歌收购 Kaggle 为什么会震动三界(AI、机器学习、数据科学界)?
从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点

为您推荐

从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点
谷歌Tensorflow一岁啦,它能给我们带来怎样的改变?
安卓创始人Andy Rubin:要把互联网现实化
IBM开源机器学习系统SystemML
2016大数据版图

更多

google
TensorFlow
IT业界