化解谷歌AI霸權(quán)的另一種思路？開發(fā)平臺(tái)的生態(tài)圍剿
相較移動(dòng)互聯(lián)網(wǎng)，AI將是一個(gè)更激進(jìn)的開發(fā)者游戲。
無論是學(xué)界還是巨頭，都只能給出規(guī)則和參考，以及一小部分示例性應(yīng)用，而最終讓人工智能落地產(chǎn)生價(jià)值的，庫(kù)卡機(jī)器人何服電機(jī)維修，只能是成千上萬腦中閃過鬼點(diǎn)子的開發(fā)者。
這種特性的驅(qū)動(dòng)下，搶占人工智能開發(fā)基礎(chǔ)，工業(yè)機(jī)器人維修，聚攏優(yōu)質(zhì)開發(fā)者生態(tài)就成為了巨頭們?cè)贏I軍備賽上的重頭戲。而這場(chǎng)比拼的核心要素，就是深度學(xué)習(xí)開發(fā)平臺(tái)。
目力所及，各種供給機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的框架與平臺(tái)層出不窮。由于很多平臺(tái)都是企業(yè)和科研內(nèi)部使用或者半開放模式，所以完整統(tǒng)計(jì)到底有多少類似平臺(tái)很困難。但可以肯定的是，市面上至少有超過15個(gè)主流框架。
值得注意的是，這些平臺(tái)以及背后的企業(yè)主體并不是那么友善。圍繞平臺(tái)、社區(qū)和開發(fā)者群落，一場(chǎng)新的人工智能爭(zhēng)奪戰(zhàn)正在打響。
而目前這場(chǎng)戰(zhàn)役的主旋律，是如何圍剿谷歌與TensorFlow。
微軟、Facebook聯(lián)手下了一招圍棋
由于機(jī)器學(xué)習(xí)平臺(tái)最初多是局限在學(xué)界使用，算法與模型的工程化基礎(chǔ)不夠充足，所以開發(fā)平臺(tái)也更多是由實(shí)驗(yàn)室推出。大家各玩各的，不夠統(tǒng)一。
這種方案的流弊，在于產(chǎn)業(yè)線索摻雜進(jìn)來之后，人工智能開發(fā)平臺(tái)變得非常復(fù)雜和碎片化。一個(gè)開發(fā)者為了讓產(chǎn)品具有不同方面的功能，常常需要使用不同平臺(tái)，然后費(fèi)盡心力的整合到一起。
針對(duì)這種情況，9月8日微軟與Facebook聯(lián)合推出的一款開源工具：ONNX。
所謂的ONNX，是OpenNeuralNetworkExchange的縮寫，即開放的神經(jīng)網(wǎng)絡(luò)切換。從名稱就可以看出，這款工具的價(jià)值在于開發(fā)者可以把訓(xùn)練的神經(jīng)網(wǎng)絡(luò)架構(gòu)在不同平臺(tái)間無縫對(duì)接，省去了大量的轉(zhuǎn)換成本。
根據(jù)微軟和Facebook公布的消息，ONNX目前已經(jīng)確定兼容微軟的MicrosoftCognitiveToolkit、Facebook的深度學(xué)習(xí)框架PyTorch以及非常主流的深度學(xué)習(xí)開發(fā)平臺(tái)Caffe2。
這三個(gè)開發(fā)平臺(tái)之間的打通當(dāng)然是有其價(jià)值的，但好事者卻更關(guān)注另一個(gè)信息：打通的平臺(tái)中沒有谷歌的TensorFlow。
于是一種猜測(cè)應(yīng)運(yùn)而生：Facebook和微軟這兩個(gè)重度AI投注者，或許希望依靠打通開發(fā)平臺(tái)帶來的技術(shù)標(biāo)準(zhǔn)化價(jià)值、靈活操作的體驗(yàn)優(yōu)勢(shì)以及打通平臺(tái)界限后的社區(qū)資源共享，來更好的激發(fā)開發(fā)者興趣，從而孤立谷歌在開發(fā)平臺(tái)層面的勢(shì)能。
這或許說明，合縱連橫的互聯(lián)網(wǎng)企業(yè)圍棋法則，已經(jīng)開始在AI這塊相對(duì)意義上的凈土中上演了。
項(xiàng)莊舞劍：阻斷TensorFlow的生態(tài)化增長(zhǎng)
這里要解釋的是，為什么一定要針對(duì)TensorFlow。
TensorFlow原本是谷歌大腦項(xiàng)目旗下的深度學(xué)習(xí)開發(fā)平臺(tái)，在2015年這個(gè)項(xiàng)目正式對(duì)外開源。憑借谷歌AI項(xiàng)目的多元優(yōu)勢(shì)，其使用增長(zhǎng)率一直居高不下。
一個(gè)重要的變化來自于今年2月TensorFlow1.0正式對(duì)外公布。這個(gè)正式版不僅優(yōu)化了語言適應(yīng)性，加入了更多算法支持，尤其加入了XLA（AcceleratedLinearAlgebra加速線性代數(shù)）使得TensorFlow開發(fā)的模型可以被部署在手機(jī)等移動(dòng)設(shè)備上。
對(duì)于開發(fā)者來說，這個(gè)改變某種程度上意味著下一個(gè)時(shí)代和巨大商機(jī)。其效果立竿見影，從今年2月開始，TensorFlow正式超過了Caffe成為了使用人數(shù)最多的機(jī)器學(xué)習(xí)平臺(tái)，并且差距在持續(xù)拉大。
與Caffe這種學(xué)院派不同，TensorFlow成為扛把子瞬間讓業(yè)界聯(lián)想到了那幾年被安卓支配過的恐懼。而且事實(shí)也確實(shí)如此，谷歌不斷投入TensorFlow工程化和產(chǎn)業(yè)化的可能，并且打開了與谷歌大腦、TPU、云計(jì)算等等業(yè)務(wù)的關(guān)聯(lián)性，又有Deepmind等高手時(shí)長(zhǎng)放出新創(chuàng)意和工具，都讓TensorFlow成為了最有噱頭和商業(yè)遐想的AI平臺(tái)。
對(duì)于其他AI巨頭企業(yè)來說，逐漸成型的谷歌AI生態(tài)或許意味著谷歌在AI領(lǐng)域的霸權(quán)威脅。所謂項(xiàng)莊舞劍意在沛公，解決行業(yè)問題只是表面文章，如何阻斷谷歌AI向著完整的自生態(tài)發(fā)展，才是戰(zhàn)略性目標(biāo)。
聯(lián)合起來與TensorFlow對(duì)抗，似乎成為了最現(xiàn)實(shí)的選擇。尤其TensorFlow并非完美，其自身弱點(diǎn)給這個(gè)領(lǐng)域的競(jìng)爭(zhēng)留下了更多不確定性。
搶奪大多數(shù)：深度學(xué)習(xí)平臺(tái)的AI暗戰(zhàn)
采訪了一些工程師朋友，雖然大家對(duì)機(jī)器學(xué)習(xí)的看法非常不同（這件事其實(shí)很值得研究），但普遍來說，對(duì)TensorFlow的評(píng)價(jià)是易入門，難精通。
作為一個(gè)內(nèi)部使用平臺(tái)，雖然經(jīng)歷了非常多的迭代過程，但TensorFlow在運(yùn)算效率上依舊飽受詬病。并且花哨無用的功能很多，庫(kù)卡機(jī)器人，對(duì)于開發(fā)者來說學(xué)習(xí)成本高、執(zhí)行性較差，也難以開發(fā)出復(fù)雜的神經(jīng)網(wǎng)絡(luò)。
但TensorFlow的弱勢(shì)，并不足以讓其他平臺(tái)持有者掉以輕心。不說谷歌自身在目的性極強(qiáng)的自我更新，就從大的開發(fā)者環(huán)境來說，谷歌和TensorFlow也有轉(zhuǎn)弱為強(qiáng)的可能。
大多數(shù)開發(fā)者似乎認(rèn)為，PyTorch等高度貼近深度學(xué)習(xí)特性的平臺(tái)，更適合高手們使用。而TensorFlow則憑借簡(jiǎn)單的API接口和非常強(qiáng)大的社區(qū)資源，更適合入門者接觸。
但這種定位一旦被確立，對(duì)于其他平臺(tái)是非常危險(xiǎn)的。因?yàn)樵贏I產(chǎn)業(yè)化進(jìn)程加速的今天，重點(diǎn)不是如何配合深度開發(fā)者，而是如何開通與更多新手的連接，搶占已經(jīng)感知到趨勢(shì)，即將獲取開發(fā)者身份的大多數(shù)。
這種情況下，放低身段，打開大門，就自然而然成為了平臺(tái)產(chǎn)品化運(yùn)營(yíng)的核心思路。對(duì)于開發(fā)者來說，選擇平臺(tái)進(jìn)行深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的開發(fā)，無非思考三件事：是否流暢易用，是否消耗大量學(xué)習(xí)成本，以及是否有強(qiáng)大的社區(qū)資源和討論環(huán)境。
或許，微軟和Facebook以工具打通平臺(tái)連接只是第一步。在終端應(yīng)用場(chǎng)景更加多元、AI落地需求更加強(qiáng)烈的前提下，開發(fā)平臺(tái)的重組與整合會(huì)成為接下來一段時(shí)間內(nèi)的核心命題。
畢竟，不能再讓谷歌造出AI時(shí)代的安卓，應(yīng)該是大多數(shù)AI巨頭的普遍共識(shí)。