本周一(11月9日)谷歌发布了第二代机器学习系统TensorFlow，并宣布完全开源，也就是任何人都可以免费使用这个系统。

据谷歌方面介绍，这个系统是一个编写机器学习算法的界面，也可以编译执行机器学习算法的代码。使用 TensorFlow 编写的运算可以在异质平台全通用，上到大规模分布式系统，下到常见的手机和平板；平台迁移时重写代码的代价非常小；从研究室的模型试验到产品开发者的产品部署，代码无缝衔接无需更改。

TensorFlow是谷歌的第二代机器学习系统，是在谷歌2011年开发的机器学习系统DistBelief基础上构建起来的。谷歌CEO桑达尔·皮查伊(Sundar Pichai)说，

“与原来的系统相比，TensorFlow更快，更智能化，也更加灵活，因此可以更加轻松地适应新产品和研究工作。”

第一代系统DistBelief关注的重心是神经网络，而且与谷歌内部的基础架构联系紧密，所以几乎不可能与外部共享研究代码，第二代系统就能完全开源。并且据测试，第二代系统的运行速度是第一代系统的2倍。

这个系统可以说对谷歌的语音、图像识别程序都至关重要，谷歌为什么要对外开放呢？谷歌方面称，

“应当有一种真正的工具，能够让研究人员用来尝试他们疯狂的创意。如果那些创意产生作用的话，那么他们将能够直接转化成产品，而不需要研究人员再重新编写代码。”

除了这个美好愿望之外，谷歌甘心把自己的成果共享背后还有哪些原因呢？

1、谷歌留有后手

英国布里斯托大学的人工智能教授克里斯蒂亚尼尼(Nello Cristianini)表示：

“谷歌此举并不是昏了头。深度学习不是即插即用，它需要做很多测试、调整和适配工作。”

据了解，谷歌虽然把系统开源了，但手中还留有巨量的数据、可以运行该软件的计算机网络，以及一个庞大的人工智能专家团队，可以调整算法。

比如，针对特定的任务，需要用大量数据对机器学习系统进行培训。数年前，谷歌的研究人员教会了一套系统认识猫咪。为了教会系统做到这一点，谷歌从YouTube上抓取了1000万张图片，将其上传至一个由1.6万个处理器组成的网络中供系统分析。

这类系统有数百万个参数需要调整，而且调整这些参数需要不断试错，初次接触的人要花费很长时间。如果没有工程师进行这一工作，那么谷歌这次放出的深度学习算法的用途就极为有限。

2、这套系统并不完美

谷歌在官方网站上表示，“TensorFlow尚不完备，还需要调整、修改、扩充。”有业内人士评论称，TensorFlow目前尚缺乏很多系统方面对深度学习的设计和优化，比如在训练深度卷积神经网络时，可以利用CNN的结构特性以及算法特性在系统方面给出对应的优化，降低内存使用，减少通信负载等；TensorFlow中的两个核心概念，数据流和张量，在之前的很多系统中已有实现。

而且从目前情况看它只支持单机多卡，并不支持多机的分布式环境。类似的单机深度学习工具已经比较丰富，比如Caffe, Torch, Theano。与这些工具相比，这套系统还没有显示出具体优势；第三就是缺乏公开的评测数据。究竟这套系统如何，还有待验证。

谷歌推出的这个系统可以使研究人员、工程师和爱好者能以更快的速度交换想法。而与此同时，谷歌自己也可以从研究人员使用TensorFlow取得的新成就中受益，找到更多应用场景，并对系统进行改进。

3、引导人工智能开发，吸引人才

从谷歌、Facebook到微软，许多公司都想要影响人工智能的开发。Facebook已经面向人工智能开发框架Torch免费发布了一些工具的源代码。Torch得到了谷歌子公司DeepMind、AMD、英特尔以及其他公司的使用。Twitter也在上周五为Torch项目作出了自己的首个贡献。与此同时，微软以开源形式发布了多个人工智能程序和数据集。

谷歌发言人简森·弗雷德菲尔斯(Jason Freidenfelds)表示，通过发布TensorFlow，公司希望这一自主软件能够成为研究人员开发人工智能技术所使用的标准工具箱的一部分。它可能还会帮助谷歌找出潜在人才。