昨天，Uber AI实验室与斯坦福研究团队共同开源了概率编程语言Pyro。Pyro是一个深度概率建模工具，它基于Python和PyTorch库，帮助开发人员为AI研究创建概率模型。

据公司代表透露，Pyro也是Uber AI实验室发布的首个公开项目。

诶等等，Uber还有AI实验室？这还得从一年前的神秘收购说起。

蛰居一年的AI实验室

Uber是有自己的神秘AI实验室，而且已经快满岁了。

去年年底，Uber收购了Geometric Intelligence，这是一家号称要超越谷歌、Facebook等巨头的AI初创公司。创始人是纽约大学心理学家Gary Marcus和剑桥大学信息工程教授Zoubin Ghahramani，团队总共15人。

被收购后，14名成员前往旧金山Uber总部，成立了Uber AI实验室，负责AI基础研究和自动驾驶相关研究。

有意思的是，自被收购后，除了今年3月创始人之一Marcus离职的消息，Uber AI实验室没有任何研究进展新闻，逐渐淡出公众视野。

直到——昨天，当Uber在官方博客宣布，Uber实验室发布开源的Pyro概率编程语言。

设计原则

Pyro满足了四个设计原则，分别是：

通用性：Pyro是个通用的PPL，可以表示任何可计算的概率分布。它通过通用性语言（任意Python代码）开始迭代和递归，之后可以添加随机抽样、观察和推理。

可扩展性：只需在原代码上添加一些手写代码，Pyro就能扩展到大型数据集。这是怎样实现的呢？Pyro通过建立现代黑箱优化技术，使用小批量数据，来做近似推理。

最小性：Pyro灵活可维护。因为它由一个强大可组合的抽象小核心实现的。在可能的情况下，繁重的任务会分分配给PyTorch和其他库完成。

灵活性：Pyro想在用户需要的时候实现自动化操作。这不是无稽之谈，Pyro用高级抽象概念表达生成和推理模型，同时支持专家轻松自定义推理。

下一步

未来几个月里，Pyro将会持续更新迭代。研究人员表示，扩展和改进Pyro有多种方向，其中最重要的技术方向包括：

• 优化抽象概念进行快速建模（如提供自动默认引导）和高级用法（如改进Poutine对象的组合契约）。
  
• 添加额外目标（如alpha散度、infoVAE和基于GAN的损失等），并且额外添加估计梯度的期望值。
  
• 添加马尔可夫链蒙特卡洛（MCMC）和序列蒙特卡洛（SMC）推理，特别是哈密顿蒙特卡洛（HMC），并将它们应用于变分推断目标。
  
• 探索高斯过程的模式和应用，如贝叶斯优化等。
  

从长远来看，研究人员希望Pyro发展的主要方向将由应用程序和新型的Pyro社区来驱动。

相关资料

Pyro官方介绍地址：

https://eng.uber.com/pyro/

Uber AI实验室地址：

http://uber.ai/

Pyro项目地址：

http://pyro.ai/

Pyro代码地址：

https://github.com/uber/pyro

祝你玩得愉快~