“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】