讲座 | 除了AlphaGo与语音助手，关于人工智能我们还能学习什么?

在TensorFlow开源一周年之际，位于美国加州硅谷，致力于为华人提供一流计算机科学以及数据科学教育的 太阁 特 别邀请了来自Google Research的阮巨城博士为广大华人程序员讲解Deep Learning。阮博士在Google致力于改良 semi-supervised learning 以及deep learning 的演算法及效能。进入Google前，阮博士从卡内基梅隆大学 (Carnegie Mellon University)获得博士学位，及机器学习硕士学位。论文方向为 “结合机器学习及专家系统以分析及提升计算效能”。在来美国以前，阮博士于台湾国立清华大学获得计算机学士学位，并服务于台湾中央研究院约一年，主要工作内容为分析基因序列与data mining。阮博士曾多次于台湾高校和Google内部进行Deep Learning以及TensorFlow的演讲与技术分享，场场爆满。

感兴趣的小伙伴请点击「阅读原文」 报名Deep Learning在线系列讲座，详细咨询问题见链接内容。

2016年10月18日，象征着科技界情怀的锤子手机推出了年度新品M1手机，不仅带来了Big Bang、One Step等革命性的交互性功能，还带来了识别准确率高达97%的讯飞语音助手。这项准确率远高于Siri的语音识别技术在一夜之间成了网红，成功登顶AppStore榜首的同时，也让成立17年的科大讯飞公司从幕后走到了台前。

事实上，以语音助手为代表的AI技术已经渗透到我们生活的方方面面，无论是相机上的人脸识别，今日头条推荐给不同用户的新闻，还是各大音乐APP自动推荐的歌单，都离不开AI技术的发展。可以说，这是一个被AI技术引领的时代。

2015年11月9日，Google发布了人工智能系统TensorFlow，并宣布开源。做为AI的重要的工具之一，TensorFlow的影响力正在引起科技从业者们的广泛关注。 “我们正处在人工智能 (AI) 开始重大改善人类生活的转捩点上，下一波由AI引领的科技革命即将要展开。没有比现在更好的时机开始跨足AI领域：从深度学习以及TensorFlow启航。” 阮博士的观点也就随之引出了本文想要聊到的话题。

　　 ? 从技术命题到生活话题

作为谷歌基于DistBelief进行研发的第二代人工智能学习系统，TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。

它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow最初由Google Brain小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。（来源：tensorflow中文主页）

不仅仅是在计算机领域，虽说Tenforflow开源时间刚满一年，可是它正在以迅猛的速度渗入到我们的寻常生活中。可以说，凭借技术本身的魅力，TenforFlow正在从一个高深的技术命题成为大家喜闻乐道的生活话题。

在澳大利亚，海洋生物学家与来自昆士兰大学（Queensland University）的计算机科学家合作，通过TensorFlow技术，使用探测器自动地在数以万计的航拍照片中寻找海牛。TensorFlow在这方面的应用类似于图像识别（image recognition），比如我们在Google Photos中找寻一个宠物狗的或者日落日出的镜头，只不过加拿大的科学家把它应用在了保护海洋生物这一特殊领域。TensorFlow的出现为我们了解并保护类似于海牛这样的濒临灭绝的物种带来了福音。

科学技术从来都不是科学家的专利，TensorFlow的应用也绝不仅仅局限在那些让普通人看似有些陌生的领域。在日本，一位曾就职于汽车行业的年轻人帮助他多年从事黄瓜生产的父亲训练了一个TensorFlow模型，这个模型可以按照大小、形状、颜色以及其他特征来挑选黄瓜并对它们进行分类。

据这位年轻人介绍说，他其实是从观看那场举世瞩目的Google AlphaGo人机围棋大战中获得了灵感。使用深度学习进行图像识别允许计算机从被训练的数据集中学习图像的重要特征。通过使用大量的、具有层级结构的人工神经元（artificial neurons），深度学习可以自动且准确的将图像分类。因此，神经网络可以从图像中识别不同种类的猫，或汽车或飞机的模型，再比如符合这位日本农夫想要筛选的优质黄瓜种类。 有时，对于某些应用，神经网络甚至可以超过人眼的性能。

TenforFlow为人类带来的福音不仅仅局限于保护濒危物种和农业选种中。发射科医生通过调整TensorFlow，使其在医学扫描中能够识别帕金森病的迹象；湾区的数据科学家在树莓派上使用TensorFlow来追踪记录加州火车的动态......

　　 ? 解读TensorFlow

了解了TensorFlow在我们生活中的应用及场景，我们再回到这项技术本身。不妨从TensorFlow的几大特点入手来进一步了解它：

• 高度的灵活性

Tensorflow不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用Tensorflow。你负责构建图，描写驱动计算的内部循环，Tensorflow负责提供有用的工具来帮助你组装“子图”（常用于神经网络）。此外，用户也可以自己在Tensorflow基础上写自己的“上层库”。万一你找不到想要的底层数据操作，你也可以自己写一点C++代码来丰富底层的操作。

• 真正的可移植性（Portability）

Tensorflow在CPU和GPU上运行，可以在台式机、服务器、手机移动设备等等你可以想到的设备上进行操作。如果你想在笔记本上跑一下机器学习的新想法，或是准备将你的训练模型在多个CPU上规模化运算，又不想修改代码，亦或是想要将你训练好的模型作为产品的一部分用到手机app里，Tensorflow都可以帮你办到。

• 多语言支持

Tensorflow有一个易用的python使用界面来构建和执行你的graphs，也同�支援C++使用界面��成高效能�算。你可以直接写python/C++程序，也可以用交互式的ipython界面来用Tensorflow尝试些想法。当然这仅仅是个起点――你还可以应用你喜欢的其他语言界面，比如Go，Java，Lua，Java，或者是R。（来源：tensorflow中文主页）

讲到这里，我们不得不感谢Google，在一年前将这个兼具灵活性、可移植性与多语言能力的深度学习技术开源出来。从TensorFlow问世的那天起，语音识别、自然语言处理、计算机视觉、广告等领域就注定要迎接一轮革新性的改变。打个不太恰当的比喻，如今 Google 对待 TensorFlow 系统，有点类似于该公司对待旗下移动操作系统 Android。

Google Tensorflow的项目负责人Jeff Dean曾经提出愿景，希望让全世界的所有人都能够从机器学习与人工智能中获益，期待在全球范围内应用Tensorflow技术。Google开源Tensorflow使得更多的数据科学家可以开始使用 Google的系统来从事机器学习方面的研究，通过全世界开发者的通力合作不断优化该技术，从而有利于Google对日益发展的机器学习行业拥有更多的主导权。

事实上，发布只有一周年的时间的TensorFlow技术，并不完美，但可以帮助用户进行信息筛选，节省大量时间。其中包含的反馈机制也可以让系统本身不断从错误中学习改进。Google虽然尚未打造无所不能的人工智能系统，但却加强了人类和机器的有效协作。TensorFlow技术的开源性使得开发者能够与大学以及诸多初创企业的开发人员进行合作，接触新的理念，实现功能多样化，推进技术发展，从而打造完整的价值生态系统，提升企业的竞争优势。简而言之，TensorFlow没有改变世界，但它可以让我们生活的更好。

那么，TensorFlow的开源与发展有没有来到中国呢？ 答案是肯定的。 众所周知，人工智能将是未来发展的大方向，从国家到全球科技领域对此都非常重视。我国的“十三五规划”中明确指出要实施智能制造工程，为TensorFlow在中国的发展提供了有利的政策支持条件。对于中国的很多创业公司来说，他们大都没有能力理解并开发一个与国际同步的深度学习系统，因此Tensorflow会大大降低深度学习在各个行业中的应用难度，极大地降低了创业公司的技术门槛。可以说，Tensorflow在中国的发展与应用前景广阔，大到国家科技战略与智慧城市的建设，小到移动设备语音助手的智能化，将英语翻译为汉语，阅读手写文字以及甚至创作原创艺术作品，我们有理由期待Tensorflow技术不断给中国百姓带来生活中的惊喜。

　　 ? 程序员与TensorFlow

对于程序员来说， TensorFlow的流行让深度学习门槛变得越来越低。 只要你有Python和机器学习基础，入门和使用该技术将会变得非常简单。TensorFlow支持Python和C++两种编程语言，甚至是使用跨语言的gRPC或者HTTP服务也可以访问TensorFlow训练好的智能模型。此外，从你学习Tensorflow技术的第一天开始，你就不再是孤军奋战，你不仅可以免费学习Google Play应用商店以及YouTube视频推荐的算法模型，了解基于TensorFlow的代码实例，而且可以和全世界的程序员进行协同交互，共同学习。

随着Tensorflow技术的不断改进与发展，在语音识别、自然语言理解、计算机视觉、广告等诸多领域，TensorFlow都具有广阔的发展前景与优势。对于程序员来说，学习Tensorflow就意味着你与Google共同进步，何乐而不为呢？

　　 ? BitTiger与Tensorflow

太阁此次与阮博士合作的Deep Learning在线系列讲座致力于让程序员在8小时内理解并掌握深度学习技术，领先于他人的成为各大公司炙手可热的深度学习高手。课程通过使用Python中的TensorFlow和Keras library在文字及影像处理中的应用，教授同学亲手设计、实战深度学习的常用模型；解说DeepLearning的观念、知识和最新的工业运用；体验machine learning engineer 或 quantitative analyst的工作。

　　 点击「阅读原文」 报名Deep Learning在线系列讲座。本讲座还有视听课程，感兴趣的小伙伴请长按下面二维码，添加课程经理为好友，咨询课程详情