在 AI 開放相關(guān)的名詞術(shù)語當(dāng)中，TensorFlow 也許是大眾知名度最高的一個，甚至成為了空氣水源一般，在大多數(shù)人數(shù)字生活中無法或缺又視而不見的必需存在。從中國的視頻平臺、二手交易社區(qū)、英語線上教學(xué)，直到東南亞的病蟲害防治，太平洋的魚類保護，甚至是南美雨林的實時監(jiān)測。

近期，TensorFlow 最新產(chǎn)品總監(jiān)，Kemal El Moujahid 到訪中國，同極客公園在內(nèi)的技術(shù)媒體一起分享了 TensorFlow 的應(yīng)用成果、未來方向，以及 Google 在 AI 領(lǐng)域的標準原則。

這是 Google 首次在中國正式公布 TensorFlow 2.0 版本。在 TensorFlow 2.0 版本的中國發(fā)布中，進一步明確了這枚 Google 開源機器學(xué)習(xí)平臺將在未來集中強化的三個支柱屬性，分別是：易于使用，易于掌握；功能強大，確保用戶能以非?？斓乃俣扔?xùn)練非常大的模型；擴展性強，可部署在從小型設(shè)備到大型服務(wù)器的各類設(shè)備上。其中對易用性和強化移動端部署能力，是其中被 Moujahid 反復(fù)強調(diào)的重中之重。

Moujahid 表示，TensorFlow 2.0 移動端部署能力將成為和 5G技術(shù)普及相輔相成的重要技術(shù)特征。

在新版 TensorFlow 平臺技術(shù)特性和Google AI 應(yīng)用原則的交叉點上，Moujahid 講述了一個例子：在印度，空氣污染問題非常嚴重，在冬季，其空氣質(zhì)量指數(shù)可達到正常值的 4 倍。測量空氣質(zhì)量是解決空氣污染問題的第一步，但部署傳感器的費用相當(dāng)昂貴。德里的一群學(xué)生想出了一種創(chuàng)新的方法，利用 TensorFlow 實現(xiàn)一個成本低廉的解決方案。他們開發(fā)的 AirCognizer 應(yīng)用程序，利用手機相機拍攝的照片進行實時空氣質(zhì)量評估，只需拍下一張?zhí)炜盏恼掌憧傻弥諝赓|(zhì)量指數(shù)。

有趣的是，就在幾乎同時，我們的注意力就被一款數(shù)據(jù)隱私條款含混不清的刷臉應(yīng)用所占據(jù)，幾乎同時發(fā)生的，還有被用于教室內(nèi)學(xué)生面部和動作監(jiān)控的一則人工智能應(yīng)用展示。

（TensorFlow 全球產(chǎn)品總監(jiān) Kemal El Moujahid | Google）

以下為 TensorFlow 全球產(chǎn)品總監(jiān) Kemal El Moujahid 的訪談紀要，經(jīng)極客公園編輯整理：

Q：目前 TensorFlow 最大的改進的空間在哪里？最近投入最多的改進方向有哪些？

Moujahid：今天早上，我在演講當(dāng)中談到了 TensorFlow 2.0 這個項目，其中重要的有兩點。

一是讓 TensorFlow 這樣一個平臺更加易用，能夠讓更多人觸手可及。我們希望在以后 2.0 的平臺中，可以為那些沒有接觸過機器學(xué)習(xí)、并不是這方面的專家的開發(fā)者提供一個最好的機器學(xué)習(xí)工具，讓他們?nèi)ソ鉀Q他們自己生活當(dāng)中、所處行業(yè)當(dāng)中的實際問題。今天早上我們舉的這個例子，就是在新德里，兩個小朋友用 TensorFlow 做了一個空氣質(zhì)量監(jiān)控 App——這就是一個最好的例子。

我們要加大投入的第二個點，是在移動端側(cè)持續(xù)發(fā)力。因為我們認為移動端是機器學(xué)習(xí)未來非常重要的一個方向。我們可以看到，隨著越來越多的小型移動端設(shè)備普及，在 55 億臺移動設(shè)備、2500 個微傳感器這樣的基礎(chǔ)上，機器學(xué)習(xí)的應(yīng)用場景需求是非常廣泛的，所以未來 TensorFlow 2.0 也將會繼續(xù)關(guān)注這一領(lǐng)域，希望能夠把機器學(xué)習(xí)帶到更多的端側(cè)。

Q：目前 TensorFlow 的下載量，最新的數(shù)據(jù)是多少？哪幾個行業(yè)應(yīng)用的比例是比較高的？哪些行業(yè)會有更大的突破或者進展？

Moujahid：TensorFlow 在全球的下載量已經(jīng)超過了 4000 萬次，全球社區(qū)有超過 2000 人對 TensorFlow 的開發(fā)做出貢獻。當(dāng)然還有一些其他技術(shù)層面上的數(shù)字現(xiàn)在沒有公布，但是從全球角度來看的話，無論是從下載量，還是從我們整個社區(qū)發(fā)展的良性循環(huán)角度來看的話，我們都取得了非常好的進展。

談到不同行業(yè)應(yīng)用比例的問題，其實很難劃分哪一個行業(yè)現(xiàn)在的應(yīng)用量會比較大，但我可以和大家分享幾個讓我自己印象深刻、覺得特別興奮的應(yīng)用例子。

一個就是在醫(yī)療行業(yè)，其實我們都知道傳統(tǒng)醫(yī)療行業(yè)，首先是要先對醫(yī)生做很大資源投入去培養(yǎng)他們，我們才能保證醫(yī)生的診斷水平。但是，隨著機器學(xué)習(xí)技術(shù)的普及，可以通過訓(xùn)練模型，然后把這個訓(xùn)練好的模型放到我們的移動端設(shè)備當(dāng)中，這可以讓整個診斷的過程更加高效準確。舉個例子，斯坦福大學(xué)現(xiàn)在做的一個項目，把機器學(xué)習(xí)模型放到手機端，然后去檢測皮膚癌。

第二種是在環(huán)保領(lǐng)域，還是跟我今天早上談的印度這個空氣質(zhì)量指數(shù)監(jiān)測這個例子有關(guān)系的，通過傳感器和更多的手機便攜式攝像頭，可以把機器學(xué)習(xí)這一應(yīng)用拓展得更加廣泛。比如現(xiàn)在在亞馬遜叢林中，你可以拿著攝像頭對著一棵樹進行拍攝，進而識別這棵樹是否屬于非法砍伐，還是屬于合理的樹木砍伐，這也是一個很好的例子。

Q：有沒有什么印象深刻的例子是在中國的？

Moujahid：談到我們在中國的 TensorFlow 應(yīng)用，有兩個例子可以和大家分享。

第一個就是愛奇藝。愛奇藝在視頻編輯和分段領(lǐng)域大量地使用 TensorFlow 機器學(xué)習(xí)技術(shù)。在移動端，他們也是利用機器學(xué)習(xí)，推出了很多很酷炫的功能。

第二個例子就是今天談到的流利說這個英語學(xué)習(xí)的 App。通過機器學(xué)習(xí)，完全改變了整個英語學(xué)習(xí)的方式和方法。因為它是通過建議模型來給用戶提供他所需要的信息，假如說您可能對某些詞或句法已經(jīng)掌握，那就沒有必要在學(xué)習(xí)當(dāng)中把你懂的東西再展現(xiàn)給你。我認為這也是在改變我們整個教育行業(yè)的生態(tài)。

Q：我們看到有很多中國的公司，不管是大的科技公司還是創(chuàng)業(yè)公司，他們也都在推出自己的機器學(xué)習(xí)框架，想問一下您對這些中國公司推出的框架是怎么看的？

Moujahid：其實從這個層面來看，我非常樂見整個行業(yè)的發(fā)展，因為我們現(xiàn)在談的機器學(xué)習(xí)，或者 AI 的應(yīng)用和普及，可能還處在一個比較早期的階段。即使處在這樣一個接受和普及的早期階段，我們也不要去忘了我們最終的目標，還是希望能夠在全球范圍內(nèi)去推廣機器學(xué)習(xí)和 AI，所以我們現(xiàn)在能做的就是提供我們能做到的最好的應(yīng)用、最好的技術(shù)和最好的平臺，讓整個應(yīng)用場景的可能性和速度，以及普及的速度越來越快。從全球范圍來看，整個行業(yè)的發(fā)展有利于我們應(yīng)用的發(fā)展。

Q：關(guān)于 TensorFlow Federated 的近況，尤其是開源之后的使用狀況，有沒有一些現(xiàn)在可以看到的趨勢？大概有多大比例的用戶，更傾向于選擇在本地做學(xué)習(xí)和計算等？

Moujahid：關(guān)于 TensorFlow Federated 系統(tǒng)開源之后，它具體的應(yīng)用數(shù)據(jù)和變化，我今天還沒有。但是我可以和大家分享的是，其實我已經(jīng)看到了，大家對這個系統(tǒng)的興趣度非常高，因為這個技術(shù)的核心優(yōu)勢在于，很多個人化開發(fā)中，隱私數(shù)據(jù)沒有必要再去上傳到服務(wù)器和云端，所以完全可以在本地的設(shè)備就可以做一個分析和存儲。另外，我們剛才也談到了，移動端這一塊的應(yīng)用將會是 TensorFlow 未來很關(guān)鍵的發(fā)展方向，所以這也是為什么說我們現(xiàn)在也看到 TensorFlow Federated 有很大的潛力。

Q：像 5G 這樣的最新技術(shù)發(fā)展，會對 TensorFlow 的進化產(chǎn)生什么影響？

Moujahid：對，像 5G 這樣的新技術(shù)，的確對機器學(xué)習(xí)、包括 TensorFlow 的發(fā)展，會產(chǎn)生很大的影響。但是我認為 5G 無法解決所有的互聯(lián)和使用方面的問題。像 TensorFlow 一些低延遲方面的優(yōu)勢，是對這類新技術(shù)很好的補充。因為，我們其實想傳達的一個最重要的信息點就在于希望我們能夠借助 5G 的環(huán)境，在所有傳感器互聯(lián)的情況下，讓每一個人，哪怕他不是機器學(xué)習(xí)專家，也能夠發(fā)揮自己的創(chuàng)造性，能夠利用這樣的平臺，利用這樣的互聯(lián)設(shè)備生態(tài)，來做更多的事情。