Python好像天生是為AI而生的，隨著AI的火熱，特別是用Python寫的TensorFlow越來越火，Python的熱度越來越高，就像當(dāng)年Java就是隨著互聯(lián)網(wǎng)火起來的感覺。

在我的工作中，Python用來寫腳本用，有些功能用Java或者shell也能實(shí)現(xiàn)，只是用Python來寫更加方便一些，小伙伴們?nèi)绻綍r(shí)做Java開發(fā)的話，建議學(xué)習(xí)一下Python，換個(gè)思路，換種感覺，保證給你不一樣的程序體驗(yàn)。

開發(fā)語言其實(shí)就是一個(gè)工具包，Python與Java的底層實(shí)現(xiàn)都離不開C/C++，只是工具包的設(shè)計(jì)思路不一樣，方法不一樣，所以應(yīng)用的方式不一樣，同樣都是解決問題，使用不通過的工具解決問題的途徑不同而已。

AI的各種算法已經(jīng)算法的演進(jìn)，誕生了無數(shù)的牛人，無數(shù)中算法就像是在解決微觀世界里面的各種問題，各種困難，而Java工程師面臨高并發(fā)，分布式等各種問題的洗禮與解決，也誕生了無數(shù)的牛人，充分彰顯了人類的智慧，像是解決宏觀世界的問題。

多年來，機(jī)器學(xué)習(xí)已經(jīng)成為一種趨勢(shì)，值得關(guān)注。但是有充分的理由在2020年背景下談?wù)撍＿@要?dú)w功于 TensorFlow.js這樣的開發(fā)：TensorFlow.js：一個(gè)端到端的開源機(jī)器學(xué)習(xí)庫，它能夠（除其他功能外）直接運(yùn)行經(jīng)過預(yù)先訓(xùn)練的AI在網(wǎng)絡(luò)瀏覽器中。

為什么興奮？這意味著AI正在成為網(wǎng)絡(luò)中更完整的一部分。一個(gè)看似微小而令人討厭的細(xì)節(jié)，可能會(huì)產(chǎn)生深遠(yuǎn)的影響。

當(dāng)然，我們已經(jīng)有很多使用AI的網(wǎng)絡(luò)工具的示例：語音識(shí)別，情感分析，圖像識(shí)別和自然語言處理不再是天壤之別。但是這些工具通常將機(jī)器學(xué)習(xí)任務(wù)卸載到服務(wù)器，等待它計(jì)算，然后將結(jié)果發(fā)送回去。

對(duì)于可以原諒小小的延遲的任務(wù)來說，這很好，很花哨（您知道這種情況：您用英語鍵入文本，然后耐心等待一兩秒鐘，將其翻譯成另一種語言）。但是，這種瀏覽器到服務(wù)器到瀏覽器的延遲對(duì)于更復(fù)雜，更具創(chuàng)造力的應(yīng)用程序來說是垂死的吻。

例如，基于面部的AR鏡頭需要即時(shí)并連續(xù)跟蹤用戶的面部，因此任何延遲都絕對(duì)不能進(jìn)行。但是，延遲也是簡化應(yīng)用程序中的主要難題。

痛點(diǎn)

不久前，我試圖開發(fā)一個(gè)網(wǎng)絡(luò)應(yīng)用程序，該應(yīng)用程序通過手機(jī)的后置攝像頭一直在尋找徽標(biāo)。這樣的想法是，當(dāng)AI識(shí)別出徽標(biāo)時(shí)，網(wǎng)站便會(huì)解鎖。簡單吧？你會(huì)這樣想的。但是，即使這項(xiàng)看似簡單的任務(wù)也意味著不斷拍攝攝像機(jī)快照并將其發(fā)布到服務(wù)器，以便AI可以識(shí)別徽標(biāo)。

必須以極快的速度完成任務(wù)，以使用戶的手機(jī)移動(dòng)時(shí)徽標(biāo)不會(huì)丟失。這導(dǎo)致每兩秒鐘從用戶的手機(jī)上載數(shù)十KB。完全浪費(fèi)帶寬和整體性能殺手。

但是由于TensorFlow.js將TensorFlow的服務(wù)器端AI解決方案直接帶入了網(wǎng)絡(luò)，因此，如果我今天要構(gòu)建此項(xiàng)目，我可以運(yùn)行一個(gè)經(jīng)過預(yù)先訓(xùn)練的模型，使AI在用戶的手機(jī)瀏覽器中識(shí)別給定徽標(biāo)。無需上傳數(shù)據(jù)，檢測(cè)每秒可以運(yùn)行幾次，而不是每兩秒鐘一次。

更少的延遲，更多的創(chuàng)造力

機(jī)器學(xué)習(xí)應(yīng)用程序越復(fù)雜和有趣，我們就需要接近零延遲。因此，通過消除延遲的TensorFlow.js，AI的創(chuàng)意畫布突然變寬了。 Google的實(shí)驗(yàn)計(jì)劃 很好地證明了這一點(diǎn)。它的人體骨骼跟蹤和 表情符號(hào)尋寶項(xiàng)目表明，當(dāng)機(jī)器學(xué)習(xí)成為Web的適當(dāng)集成部分時(shí)，開發(fā)人員將如何發(fā)揮更大的創(chuàng)造力。

骨骼跟蹤特別有趣。它不僅提供了Microsoft Kinect的廉價(jià)替代方案，還直接將其引入了Web。我們甚至可以開發(fā)使用網(wǎng)絡(luò)技術(shù)和標(biāo)準(zhǔn)網(wǎng)絡(luò)攝像頭對(duì)移動(dòng)做出反應(yīng)的物理裝置。

另一方面，表情符號(hào)尋寶游戲顯示了運(yùn)行TensorFlow.js的移動(dòng)網(wǎng)站如何突然意識(shí)到手機(jī)的用戶上下文：它們?cè)谀睦铮谒麄兠媲翱吹绞裁础Ｒ虼耍梢詫⒔Y(jié)果顯示的信息關(guān)聯(lián)起來。

這也可能具有深遠(yuǎn)的文化含義。為什么？因?yàn)槿藗兒芸炀蜁?huì)開始將移動(dòng)網(wǎng)站更多地理解為“助手”，而不僅僅是“數(shù)據(jù)提供者”。這是從Google Assistant和支持Siri的移動(dòng)設(shè)備開始的趨勢(shì)。

但是現(xiàn)在，由于有了真正的Web AI，一旦網(wǎng)站（尤其是移動(dòng)網(wǎng)站）開始執(zhí)行即時(shí)機(jī)器學(xué)習(xí)，這種將移動(dòng)設(shè)備當(dāng)作助手的傾向?qū)⒆兊酶畹俟獭＿@可能會(huì)引發(fā)觀念上的社會(huì)變化，人們將期望網(wǎng)站在任何給定的時(shí)刻都能夠提供完全的相關(guān)性，而干預(yù)和指導(dǎo)卻最少。

未來是現(xiàn)在

假設(shè)地說，我們還可以使用真正的Web AI來開發(fā)適合人們使用方式的網(wǎng)站。通過將TensorFlow.js與Web Storage API結(jié)合使用，網(wǎng)站可以逐漸個(gè)性化其調(diào)色板，以更加吸引每個(gè)用戶的喜好。該站點(diǎn)的布局可以調(diào)整為更有用。甚至可以對(duì)其內(nèi)容進(jìn)行調(diào)整，以更好地滿足每個(gè)人的需求。和所有的飛。

還是想象一個(gè)移動(dòng)零售網(wǎng)站通過攝像頭觀察用戶的環(huán)境，然后根據(jù)其情況調(diào)整其產(chǎn)品？還是 Google的房地美（Freddie Meter）這樣能分析您的聲音的創(chuàng)意網(wǎng)絡(luò)廣告系列呢？

由于所有這些誘人的可能性都即將成為現(xiàn)實(shí)，很遺憾我們不得不等待很長時(shí)間才能找到合適的Web端機(jī)器學(xué)習(xí)解決方案。再一次，正是由于移動(dòng)設(shè)備上AI性能不足，促使TensorFlow的產(chǎn)品開發(fā)（如服務(wù)器端TensorFlow – .js版本的前身）成為了Web的真正集成部分。現(xiàn)在我們終于有了真正的Web機(jī)器學(xué)習(xí)的天賦，2020年很可能是開發(fā)人員釋放其AI創(chuàng)造力的一年。