李根 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
關于TensorFlow，中國媒體想問Kemal的太多。
“接下來如何迭代”、“如何保持增長”、“最關注哪些領域的落地和推進”、“下一階段關注點是什么”，“怎樣看來自全球和中國的競爭”……
這位剛履新上任的TensorFlow全球產品總監(jiān)，或許之前沒有預料，谷歌旗下這款機器學習開源平臺，在中國同樣擁有相當大的影響力。
在2019 WAIC現場，他除了分享TensorFlow的落地進展，同樣耐心解答了上述一系列問題。
而且對于大眾喜聞樂見的深度學習框架競爭日益激烈的話題，Kemal心態(tài)很好，他說相比競爭，更關注怎樣一起把機器學習帶到更多領域、造福更多用戶。
套用一句中國科技圈流行語，大概就是：競爭看淡，不服——一起干。
所以Kemal究竟解答了TensorFlow哪些問題？
量子位給你一一傳送。
履新上任的TensorFlow全球產品總監(jiān)
Kemal El Moujahid，第一次以TensorFlow全球產品總監(jiān)身份來到中國交流，實際上也是以谷歌的身份前來交流。
在此之前，他是Facebook的產品負責人，在臉書核心負責開發(fā)了Facebook開發(fā)的虛擬助手產品M、Messenger平臺和Wit.ai。
更早來說，Kemal畢業(yè)于巴黎高等電信學校（the Ecole Polytechnique and Telecom Paris），并獲斯坦福大學工商管理研究生院工商管理碩士學位。
他于2018年10月正式加入谷歌，并成為TensorFlow的產品負責人。
而上任之后，他經歷的首件大事自然是TensorFlow 2.0版本的推出和TensorFlow Federated的發(fā)布，在他看來，這也是這個全球最大的機器學習開源平臺的未來發(fā)展的“冰山一角”。
在Kemal的訪談中，他也透露了TensorFlow下一步的側重所在和開發(fā)落地方向，詳情如下：
對話TensorFlow全球產品總監(jiān)
TensorFlow下一步
Q：TensorFlow接下來會朝什么方向迭代？
Kemal：從目前的TensorFlow2.0出發(fā)，我們關注點有兩點。
一是讓TensorFlow平臺更加易用，能夠讓更多人觸手可及，這也是我們?yōu)槭裁匆獜娬{2.0重要性的原因。
我們希望2.0能夠讓更多人——可能很多都沒有接觸過機器學習，并非計算機領域的專家，也能通過TensorFlow提供的機器學習工具和技術，去解決自己生活和所處行業(yè)當中的實際問題。
在今天keynote分享中，我們舉的例子是新德里的兩個小朋友，用TensorFlow做了一個空氣質量污染方面的監(jiān)控的App，其實代表了我們的這種方向。
第二個我們要加大投入的方向是移動端。因為這是機器學習未來非常重要的方向，而且隨著越來越多終端設備普及，機器學習的應用場景將大大增加。
在目前55億臺移動設備、2500個微傳感器的規(guī)模體量之上，TensorFlow也會繼續(xù)關注端側，把機器學習帶到更多的端側。
Q：TensorFlow 2.0推出前，得到最多的調研反饋是什么？
Kemal：主要有兩個。
第一，希望系統(tǒng)變得更加的簡單和易用。機器學習相對來說依然有點枯燥，所以如果應用性做得不夠好，開發(fā)者所受限制就是增多。
第二，功能和性能不做妥協和下降。開發(fā)者一方面希望系統(tǒng)更易用，但同時也不希望在功能和性能上被犧牲，所以對TensorFlow團隊，這是核心要求之一。
我們也一直在平衡這兩者，覆蓋全設、全平臺，既能保證開發(fā)者云端部署，也盡可能在瀏覽器也能開發(fā)應用。
最關注哪一領域的應用
Q：TensorFlow在哪些垂直領域的應用占比較高？
Kemal：以不同行業(yè)來劃分TensorFlow使用的情況并不容易區(qū)分。
但我更愿意分享我印象深刻的幾個案例：
第一，醫(yī)療行業(yè)。在傳統(tǒng)醫(yī)療行業(yè)，我們需要大量的資源培養(yǎng)專業(yè)醫(yī)生，然后才能更好給病人看病。但隨著機器學習的技術，我們可以通過訓練模型，并且把模型放到移動設備中，這樣就可以大大拓展診斷的覆蓋范圍，把更好的醫(yī)療資源帶給更多人。
斯坦福大學就用TensorFlow打造了一個項目，可以把機器學習模型放入手機中識別皮膚癌，如果未來通過一個攝像頭就能更好了解健康狀況，會很令人期待。
另一個例子是關于環(huán)境和資源。剛才談到印度空氣質量監(jiān)控的案例，此外還有通過攝像頭幫忙監(jiān)測亞馬遜叢林的濫砍濫伐問題，這都令人激動。
Q：2019年內最讓你激動的TensorFlow應用進展來自什么領域？
Kemal：還是醫(yī)療領域。包括皮膚癌、心血管疾病等都能通過機器學習的方式得到很好地篩查，從而能幫助醫(yī)生提高效率，也幫助更多人得到更好的醫(yī)療資源。
試想一下，如果哪一天我們通過一個手機攝像頭，就能完成一次身體檢查，那該是多么激動人心的事。
所以期待這種應用加快進行，也希望全世界每個人都能從這樣的技術應用中受益。
Q：有什么令你印象深刻的來自中國的案例嗎？
Kemal：也有兩個。
一個是愛奇藝，運用TensorFlow來實現視頻編輯、分段等應用，并且在移動端打造了很多炫酷的功能。
另一個是英語流利說，通過機器學習，他們變革了英語學習的方法，通過TensorFlow打造的推薦模型，可以實現更好的個性化學習，并且不斷學習，把模型和內容打造得更好，使更多用戶通過教育而受益。
關于競爭
Q：現在關于機器學習的開源框架競爭越來越激烈，包括中國公司也推出了自己的框架，你怎么看？
Kemal：其實我們非常樂見行業(yè)整體有這樣的發(fā)展。因為從機器學習或者AI普及的角度來看，現在可能還處在非常早期的階段。
我們當初打造TensorFlow，核心就是最大化推廣和普及機器學習，所以不會因為競爭而忘記了初心。
競爭要求我們竭盡所能提供最好的應用、技術，打造最好的平臺，讓機器學習的門檻和普及速度都變得更好。
所以宏觀范圍內看，目前態(tài)勢還是利于機器學習更好更好普及，對整個行業(yè)是好事。
Q：是否會有專門的增長手段增加用戶？
Kemal：TensorFlow是開源平臺，所以首要問題是保證產品最簡單直接觸達用戶，被開發(fā)者使用。
不過我們也必須經常與開發(fā)者溝通，了解他們的問題，分享經驗，幫助他們利用機器學習解決身邊的問題。
我們?yōu)槭裁催x擇開源？
就是希望利用開源的方式，讓更多人可以更容易被機器學習賦能。
所以對于TensorFlow來說，提升普及度和應用度的方式，就是讓所有用戶都可以更加輕而易舉地使用TensorFlow，并且解決身邊的問題、真實的問題。
Q：2019年很熱的話題是5G，它對機器學習發(fā)展會有幫助嗎？
Kemal：5G這樣的基礎性技術，確實會對我們的機器學習、TensorFlow產生很大的影響。
但剛才我們也談到移動端部署等方面的問題，核心是希望能夠在延遲、無網絡等情況下也能依然發(fā)揮作用，所以從這方面來說，機器學習有自己的挑戰(zhàn)要解決。
但借助5G的環(huán)境，會有更多傳感器和智能設備實現互聯，未來機器學習的應用可能性和范圍都極大增強，整個生態(tài)更強大，會讓更多開發(fā)者——即便不是機器學習專家，也能用TensorFlow這樣的工具做更多的事情。
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節(jié)，請在量子位公眾號(QbitAI)對話界面，回復“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
?’?’ ? 追蹤AI技術和產品新動態(tài)
