独家专访Jeff Dean:TensorFlow不追求一家独大

简介:
本文来自AI新媒体量子位(QbitAI)

“编译器从不警告Jeff,Jeff会警告编译器。”

“Jeff确实会在提交代码前把它们编译一遍,不过这么做只是为了检查下编译器和链接器有没有bug。”

“所有的指针都指向Jeff Dean。”

Jeff Dean,Google Brain的高级研究员、创立者之一,程序员世界中神一样的人物。因为在不少程序员眼中此人实在太牛,随之产生了不少关于他的笑话。

乌镇围棋峰会期间,Jeff Dean也来到了比赛现场。昨天下午,量子位在会场成功抓到了这位大神,并进行了一次独家专访。

以下为采访实录:

量子位:您对AI技术的标准化问题有什么看法?目前存在着很多不同的框架、标准,您觉得TensorFlow在其中会扮演什么样的角色?

Jeff Dean:你说得没错,现在确实有很多不同的开源框架。而且全都是不同的标准。但Tensor Flow很优秀的一点就是它是针对大部分研究用途设计的,所以它非常灵活,你可以在上面尝试一些特别的想法和任务。

我们把它设计得非常具有扩展性。这样你就可以通过它来训练大型的分布式系统模型。它还被设计得能在不同平台上运行。所以你可以在手机、台式机、数据中心、TPU上运行它。

我觉得灵活性、扩展性和计算概率方面的产品完成度这三者结合起来,会创造出非常强大的框架。其他框架能提供其中两到三种能力,但我们希望Tensor Flow能够成为众多社区成员用来创建AI,或是能够为其他工作提供支持的一种工具。

量子位:日后TensorFlow会不会一家独大,消灭掉其他框架?

Jeff Dean:不,我不这么认为。我觉得人们最终会选择对自己最有用的那个。如果Tensor Flow能帮得上他们,我们自然会很高兴;但其它框架也能解决问题的话,我们绝对是没问题的。

量子位:现在Google Brain和Deepmind之间是一种怎样的关系呢?

Jeff Dean:从本质上讲,我们是两个大型的研究团队,在许多不同项目上进行合作。

我觉得DeepMind的工作可能更倾向于开发更加纯净、理想化环境中(比如游戏)的算法;我们则倾向于关注复杂一点的问题,在这些问题上我们会掌握一些数据,我们也需要考虑能够落地的产品问题。

不过二者非常互补,我们在最近的工作中也合作了很多。

量子位:除了神经网络之外,您还看重哪些AI方面的技术?

Jeff Dean:增强学习显然也非常重要,同时,用于机器学习的硬件也需要变得非常高效;我觉得简化软件库的接入也很重要,还有,接入不同种类数据的通道也是非常重要的。

此外,在接受量子位的专访之前,Jeff Dean还接受了一次包括量子位在内的几家媒体的群访。量子位同样将这次群访的部分内容整理如下:

Q:推行“AI First”战略已经一年多,谷歌是否考虑过用这一战略推动利润增长?谷歌目前的收入已在放缓。

Jeff Dean:关于这个问题,事实上,有很多AI产品、服务带给我们的收益都是非直接的。而我们希望,像谷歌翻译、谷歌照片这类的免费服务会为我们带来一些优质的用户,这些用户有可能进一步接触谷歌,使用更多的产品。并非每一个产品都必须为我们带来收入,我们更希望用户能够使用全套的谷歌产品。

Q:您是很多程序员的偶像。作为一个程序员,您从什么时候开始将精力转移到机器学习上去?身边有许多程序员朋友,他们对人工智能也非常感兴趣,如何让他们更多地参与进来,实现职业生涯的转型?

Jeff Dean:感谢赞赏。其实我本科的毕业论文就是关于神经网络的并行训练,当时AI还没有这么热。而在本科毕业之后,我所从事的一些计算机科学方面的工作和AI并不那么相关了。2001年时,我和Greg Corrado、吴恩达一起成立了Google Brain,那个时候我们用的还是CPU,小程式、大规模、网络化的监督式学习方法,但那时候和我本科毕业时相比,计算能力已经有了非常大的进步。

现在,像我本人在计算机系统方面有专长,Geoffrey Hinton在机器学习领域非常强,在Google Brain的不同项目上,我们就将不同领域的专业人才汇集到一起——当然,这肯定比单打独斗效果要好得多。

关于第二个问题,人工智能本身就包括不同层次的工作,你可以在机器学习方面做学术探索,获得学位、创造新的算法;另一种层次更偏向于实用性,你可以将一些已经成熟的机器学习算法应用到其他行业,比如医疗。其实有些机器学习算法是通用型的,你只需要使用不同的数据进行训练,就能快速地得出相应的解决方案,这也是为什么在今天机器学习被接纳得如此之快。

Q:三年以后,哪些领域会被人工智能改变得最多?

Jeff Dean:三年时间可能稍微有些短。事实上,目前走得比较靠前的一些人工智能领域,像医疗、无人车,这些行业的变化会是比较快的。随着时间的推移,人工智能带来的好处会越来越明显。很多行业都会使用人工智能,不过一开始是探索性、小范围的问题上应用,技术成熟之后,才会拓宽人工智能在本行业的投入,最后逐渐发展到端到端的整体性人工智能解决方案。

因此,并不是只有科技型公司会采用人工智能,各行各业在未来会全面应用人工智能,只不过应用的速度不一样。这也突出了为什么机器学习的算法这么重要,因为世界上真正能自主雇佣机器学习专家的公司可能非常少,最多几千家,而数以百万计的大部分公司其实缺乏这种资源。

【完】

本文作者:唐旭 
原文发布时间: 2017-05-26
相关文章
|
机器学习/深度学习 人工智能 并行计算
谷歌下一代AI架构、Jeff Dean宣传大半年的Pathways终于有论文了
谷歌下一代AI架构、Jeff Dean宣传大半年的Pathways终于有论文了
450 0
|
机器学习/深度学习 自然语言处理 网络架构
7 Papers & Radios | 谷歌大牛Jeff Dean撰文深度学习的黄金十年;扩散模型生成视频(2)
7 Papers & Radios | 谷歌大牛Jeff Dean撰文深度学习的黄金十年;扩散模型生成视频
173 0
|
机器学习/深度学习 人工智能 编解码
7 Papers & Radios | 谷歌大牛Jeff Dean撰文深度学习的黄金十年;扩散模型生成视频(1)
7 Papers & Radios | 谷歌大牛Jeff Dean撰文深度学习的黄金十年;扩散模型生成视频
134 0
|
机器学习/深度学习 算法 网络架构
特拉维夫大学把StyleGAN进行了大汇总,全面了解SOTA方法、架构新进展
特拉维夫大学把StyleGAN进行了大汇总,全面了解SOTA方法、架构新进展
162 0
|
机器学习/深度学习 人工智能 算法
谷歌大牛Jeff Dean单一作者撰文:深度学习研究的黄金十年
谷歌大牛Jeff Dean单一作者撰文:深度学习研究的黄金十年
147 0
|
机器学习/深度学习 人工智能 算法
Jeff Dean发文回顾:深度学习黄金十年
Jeff Dean发文回顾:深度学习黄金十年
162 0
|
机器学习/深度学习 存储 数据采集
Jeff Dean与David Patterson:不思考体系结构的深度学习研究者不是好工程师
谷歌人工智能负责人 Jeff Dean(当时还是谷歌大脑负责人)与 2017 年图灵奖得主、体系结构巨擘 David Patterson(当时获奖结果尚未公布)联合发表了题为《计算机体系结构黄金时代:赋能机器学习革命》的文章。文章指出,机器学习算法正在革命性地着手解决人类社会最为巨大的一些挑战
160 0
Jeff Dean与David Patterson:不思考体系结构的深度学习研究者不是好工程师
|
机器学习/深度学习 人工智能 自然语言处理
Jeff Dean等三名高管齐聚谷歌 I/O 压轴论坛,多角度解读谷歌眼中的机器学习
2016 Google I/O 第三日刚刚结束了一场《机器学习:谷歌的视角》(Machine Learning:Google's Vision)活动,谷歌搜索、机器智能和 Web 工程的高级副总裁 John Giannandrea,高级员工、Google Brain 负责人 Jeff Dean,高级产品总监 Aparna Chennapragada 三位高管分别从产品、研究、开源和公司战略层面对谷歌的机器学习进行了系统讨论。
128 0
Jeff Dean等三名高管齐聚谷歌 I/O 压轴论坛,多角度解读谷歌眼中的机器学习
|
机器学习/深度学习 存储 PyTorch
PyTorch Hub:图灵奖得主 Yann LeCun 强推!一行代码轻松复现主流模型
无论 ResNet、BERT、GPT、VGG、PGAN,还是 MobileNet,只需一行代码轻松复现!
1424 0
|
机器学习/深度学习 人工智能 自然语言处理