通過吉姆哈里森

我試圖想出一個不能利用機器學習的電子系統。一些非常小的系統——是的，當然。對于某些系統，這可能不值得麻煩，但對于所有設計項目的很大一部分，機器學習和神經網絡（和 TensorFlow）可以提供很大的增強。

之前，谷歌開放了其內部機器學習軟件 TensorFlow，使支持其翻譯服務和照片分析（以及許多其他功能）?的程序開源并免費下載。最近，該公司發布了該軟件的分布式版本，允許它在多臺機器上運行?——一次最多數百臺。

從神經開始

神經網絡是一種用于構建從數據中學習的計算機程序的技術。它非常松散地基于我們認為人類大腦的工作方式。首先，一組軟件“神經元”被創建并連接在一起，允許它們相互發送消息。接下來，網絡被要求解決一個問題，它試圖一遍又一遍地解決這個問題，每次都會加強導致成功的聯系并減少導致失敗的聯系。

機器學習

機器學習軟件只有通過分析大量數據才能變得聰明——例如，尋找照片中的面部特征等共同屬性和趨勢。如果你想讓計算機學習一些東西，你會使用傳統的編程，給它一套非常精確的規則。說你想讓它煮意大利面。在廚房櫥柜中找到合適的鍋可能需要 50 或 100 條規則，而要找到爐子和正確的燃燒器等則需要更多規則。通過機器學習，您將向網絡展示 10,000 個某人烹飪的視頻意大利面——可能在同一個廚房里，也可能不在。

近年來，其他公司和研究人員在人工智能領域也取得了長足的進步，包括Facebook、?微軟和Twitter。有些已經開源了類似于 TensorFlow 的軟件。這包括Torch ?（最初由瑞士研究人員構建的系統）以及?Caffe?和?Theano等系統。但是TensorFlow很重要。那是因為谷歌的人工智能引擎被一些人認為是世界上最先進的。

谷歌并沒有泄露它所有的秘密。目前，該公司只是開源了這個人工智能引擎的一部分。它僅共享在引擎上運行的一些算法。它并沒有共享對驅動這個引擎的非常先進的硬件基礎設施的訪問。但谷歌至少放棄了一些最重要的數據中心軟件。

那么它到底是什么？

TensorFlow 是一個開源軟件庫，用于使用數據流圖進行數值計算。圖中的節點表示數學運算，而圖邊表示它們之間通信的多維數據數組（張量）。靈活的架構允許您使用單個 API 將計算部署到桌面、服務器或移動設備中的一個或多個 CPU 或 GPU。TensorFlow 最初是由谷歌機器智能研究組織內的谷歌大腦團隊的研究人員和工程師開發的，目的是進行機器學習和深度神經網絡研究，但該系統足夠通用，可以適用于廣泛的其他領域，例如出色地。請參閱www.tensorflow.org和Github以及此視頻了解更多信息。

什么是數據流圖？

數據流圖用節點和邊的有向圖描述數學計算。節點通常實現數學運算，但也可以表示端點以輸入數據、推出結果或讀/寫持久變量。邊描述節點之間的輸入/輸出關系。這些數據邊攜帶動態大小的多維數據數組或張量。通過圖的張量流是 TensorFlow 得名的地方。一旦其傳入邊緣上的所有張量都可用，節點將被分配給計算設備并異步并行執行。

仍有很多限制

因此，基本上，您向神經網絡提供大量數據，它們會學習執行任務。給他們喂食無數早餐、午餐和晚餐的照片，他們就能學會識別一頓飯。喂網絡口語，他們可以學會識別你說的話。喂他們一些老電影對話，他們可以學會進行對話——不是完美的對話，而是相當不錯的對話。GPU 擅長并行處理大量小數據，而這正是深度學習所需要的。

然而，雖然深度學習已被證明擅長涉及語音和圖像識別的任務，但它也有很多局限性。大多數問題的答案都很好，但不是很好。優秀是非常非常難以達到的。深度學習技術的智能是狹隘而僵硬的。正如認知心理學家 Gary Marcus 在《紐約客》中所寫，流行的方法“缺乏表示因果關系的方法（例如疾病及其癥狀之間的關系），并且在獲取諸如‘兄弟姐妹’或‘相同’等抽象概念方面面臨挑戰。它們沒有明顯的邏輯推理方式，而且距離整合抽象知識還有很長的路要走，比如關于對象是什么、它們的用途以及它們通常如何使用的信息。” 換句話說，他們沒有任何常識。

審核編輯 黃昊宇