Google TensorFlow中国团队技术负责人李双峰：人工智能学习系统 | 北大AI公开课实录

原标题：Google TensorFlow中国团队技术负责人李双峰：人工智能学习系统 | 北大AI公开课实录5月23日，北京大学“人工智能前沿与产业趋势”第十二讲。本期主讲嘉宾为Google TensorFlow中国团技术负责人，他的授课主题为基于 TensorFlow的大规模深度学习系统：从研究到实践主讲嘉宾李双峰获得北大计算机硕士学位后，于2006年加入 Google，是 Google 中国最早期的工程师之一，目前在 Google 领导了涉及人工智能、搜索架构和移动应用领域的多个项目。他负责 TensorFlow 中国研发团队，并总体推动 TensorFlow 在中国的发展。在搜索架构领域，他推动了搜索内容生态的丰富和发展。他是移动应用索引 App Indexing 项目的主要负责人之一，他的工作也推动了更高质量以及更兼容的 Android 应用生态。之前他在地图领域工作过多年，曾是 Google Maps 的核心工程师之一，谷歌中文地图的技术负责人之一，他的工作广泛涉及了地图数据、搜索质量，前端以及产品等多方面。他把 Google 地图 API 带入中国并领导其发展，他的一些工作比如谷歌春运地图曾广受媒体关注。因其在地图方面的贡献得过 Google 管理层奖。之后他在 Street View 部门，开创了 Views 项目，探索了手机照片生成 Street View 的新技术，以及社区驱动的 Street View 更新。以下为李双峰分享实录整理：研究方面的进展输入可以是照片，输出可以是label；音频文字化翻译；机器翻译；看图说话……类似的机器学习的网络，能够在不同领域运用，很大程度上迎合了工业的需求。传统机器学习的方式，和深度学习的方式。传统的并没有解决更实用的问题，精度等问题上遇到很大的瓶颈，深度蛇形网络在精度上取得了很好的发展，从2011年到2016年，错误率从26%降低到3%，甚至超过了人类（5%）。很多领域有了很多突破。自动驾驶方面，WAYMO取得了领先的成就。无人驾驶对城市的格局、基础设施的提高有很大的突破。谷歌做机器翻译，在过去十多年中有一定进步，但没有巨大的突破。但在近两三年，神经网络翻译，提升甚至超过了之前的总和。这个代码非常简单，很多翻译公司基于谷歌开放源代码，就可以提升其精度，促进了人类的沟通和交流，取得了很好的进步。传统下，英文翻译为中文再翻译为日文，会损失很多信息，而基于很多训练的数据，从英文到中文到日文或者其他不同的组合，首先进行编码，学习在跨语言中的关系，基于这样的语言，机器学习能够学习更多的能力。医疗方面，谷歌能在医疗的记录、预测性工作起到非常好的作用。左边是一个正常的视网膜，右边是病变的视网膜，在知名期刊发表的文章表明，甚至谷歌的机器学习能够超过技术娴熟的医生。TensorFlow目的是建立一个平台，让每个人能够发布自己的产品、设计，促进信息的交流和整体的发展。几乎每两个月都有新的内容在发布，各种方面论文下载量惊人。机器学习专家的局限是机器学习短缺的一个方面。TPU Tensor Processing Unit 2第一代只能做预测，第二代既能做预测，也能做计算。TPU的相关内容放在云上，可以供商业和学术使用。研究的应用Alpha GoTensorFlow作为一个开放的平台自动驾驶宇宙探索中运用开普勒80 类似包含地球的太阳系优化农业的发展巴西，通过传感的装置，基于TensorFlow在森林中找到砍伐的行为Prediction AI辅导创作音乐艺术的例子，拍的照片，从历史的艺术作品中找出类似的作品摄像头实时的翻译，结果可以实时贴到照片当中Google AI打电话，语音的合成Google Photos 自动上传，自动识别，自动识别出标签，可以直接做图片的搜索Robotics 强化适应的例子，让机器人知道怎么能够平稳地站好机器学习在能源消耗问题的运用，电力预测、调度等，对能源节约有很好的帮助计算的管理，计算无所不在，除了服务器端，在手机端，摄像头里的芯片等都会存在，如何处理、管理这些复杂度就有了很大问题怎样让大家通过TensorFlow实现自己的想法ML for Everyone使得研究工作能够很好地转化成产品，如果大家都通过TensorFlow来表达，这种贡献会更好更快包括很多不同的硬件（CPU GPU TPU MOBILE）和不同的语言的前端(PYTHON C++ JAVA)Tensor支持很多语言，并且根据社区的要求，会更新新的语言Computation Graph图可以通过不同语言来编译，具体优化、计算都可以通过TF进行处理基于TF进行简单的应用——线性回归更深度一些的复杂网络APIstf.layerstf.kerasKeras模型：一个AI的问题，能否看视频，回答问题深度学习发展的能力TensorFlow的开源Graohs最初是从静态图开始，静态图能够有很好的优势，进行各种优化，编译的优化、TPO、GPU等的优化，因此静态图是最初的一个方式。Eager ExecutionInteroperating with graphs动态图的方式和静态的方式结合，能够做到优化的工作更高级的应用TensorFlow LiteTensorFlow.jsBenchmarks可以对案例进行重现TF Hub很多人做了不同的模型，是否有可能对这些模型进行组合和共享，从而形成更强大的能力，更精细的发展。Tackle Input BottlenecksCPU的输入成为了一个瓶颈，因此需要进行针对性的训练，从而高效地进行线性回归、做推荐系统的模型等等TFX也是谷歌系统的一个工作，但还有很多问题，数据怎样处理等等，非常复杂的系统。TFX是机器学习部署的TensorFlow在中国的发展SDK下载量巨大很多的公司，都在用TensorFlow，推荐的问题、包装的问题、广告的工作等等京东 包装、广告等小米 资源部署等网易 翻译、部署等等短视频智能QA&Q:以后作为工具和平台，未来有怎样的发展路线？A:看到机器学习的繁荣，从TSF的角度，做到快，服务器的快，提升效率，希望能够从开源性、社区等方面解决更大的问题。Q:目前人才的稀缺，视觉、自然语言等需求很强，而由于TSF的推出，是否TSF会使得人人都会机器学习？A:1. 目标还是要降低门槛，一方面推动研究方面的工作，另一方面，能够使得更多的小问题能从模型的到解决，得到优化。2.参数的调节、数据清洗等等，都是存在的问题，通过平台，降低一些太过于重复的工作，为人将这些重复的工作减掉。Q:一直对google很关注，三年前和google朋友聊，就提到要让深度学习进入到google的每一个部门，是否真的能够在每个部门都获得效益？A:以谷歌机器翻译为例，发展能够使其得到提高，但是有一定限制的，甚至有的业界的公司。很多都