科技巨头新策略:用开源吸引 AI 社区成员,然后控制一切

研究在 AI 发展中起着至关重要的作用。这些科技巨头必须尽其所能助力 AI 的发展。

根据最近麦肯锡全球研究所的数据,去年谷歌和百度等科技巨头在 AI 上花费了 200 亿到 300 亿美元。这其中 90% 的资金用于技术的研发和部署,10% 用于 AI 收购。

研究在 AI 发展中起着至关重要的作用。这些科技巨头必须尽其所能助力 AI 的发展。AI 的发展依靠不断的研究和技术的进步,而目前技术正在飞速发展。因为当今技术的日新月异,没有企业会制定封闭的基础设施解决方案。

在这种情况下,科技巨头唯一的获胜策略就是制定开源解决方案,吸引 AI 社区的成员,最终成为 AI 社区的一部分。这是科技行业目前较新颖的商业模式。

Google 对抗世界

2015年,谷歌为其开源框架解决方案 TensorFlow 的发布做了大量市场营销准备。TensorFlow 是一个现在被社区广泛使用的后端库(包括 OpenAI)。许多企业家都在使用这个平台训练自己的模型。基本上,这是一个被广泛使用的深度学习任务框架。

其他技术巨头在看到谷歌与 TensorFlow 的成功后意识到,如果不开始研发替代品,自己将失去社区的青睐以及许多其他商业机会。

因此今年年初,Facebook 发布的 Caffe2 框架就是要让主要的市场参与者,如微软和亚马逊开始使自己的框架(虽然说 PyTorch 框架目前是研究人员的最爱)。最近,我们看到了有很多对抗 Google 的合作。

小插曲:有趣的是,Caffe 和 Caffe2 的作者贾扬清在 Google 工作时创建了 TensorFlow。在加入 Facebook(他目前的工作地)后,他又发布了Caffe2。

不过 Google 面对竞争,并没有放慢在这一领域创新的步伐,反而迎头直上。近日就有消息称:

Google 用 AI 创造 AI,性能超过人类创造

2017 年 5 月,Google Brain 团队公布了AutoML项目 —— 能自己生成 AI 的 AI。最近,研究人员尝试用 AutoML 创造出性能打败人类 AI 的子 AI。

他们使用了强化学习的方法自动化机器学习模型的设计,AutoML 作为一个控制器神经网络创造一个执行特定任务的子 AI 网络。这个被研究人员称为 NASNet 的 子 AI 的任务是从视频里实时识别出诸如人、汽车、交通灯、手提包和背包等目标。

AutoML 会评估 NASNet 的性能表现,然后使用获得的信息进行开发以改进版本,这一过程会重复数千次。

研究人员用 NASNet 测试了 ImageNet 图像分类和 COCO 目标识别两大数据集(计算机视觉领域最被认可的两个大型学术数据集),结果显示 NASNet 的性能表现优于所有其他计算机视觉系统。在 ImageNet 的测试中 NASNet 的正确率达到了 82.7%,比人类的最新结果高 1.2%,效率高 4%,计算需求也更少。

AI 社区的现状

现在,AI 社区的竞争者主要是谷歌与 Facebook,微软和亚马逊等其他技术巨头。

那么现状会发生哪些改变呢?

第一种情况,谷歌和其他公司之间将会继续对抗,而且会有越来越多的企业联合起来对抗谷歌。这些项目可以在框架之间转化模型。举个例子,Facebook 最近与微软合作开发了一个可互换的 AI 框架解决方案。

第二种情况,开源框架市场越来越统一和标准化。这样,市场上所有框架(包括 TF)之间就可以转移模型。开发人员就可以在任何平台上创建模型,并在其他平台上部署模型,而不必在每个框架上从头开始研发模型。由于所有的框架都有优点和缺点,开发者需要在改善框架转移解决方案时做出艰难选择。

在第三种情况下,更高级的 API 将会占据主导地位,例如 Keras,一个在 TF,Theano,CNTK,MxNet 和 Gluon 上运作的高级开源神经网络库。AI 社区将为市场带来越来越多的解决方案,以此来打破现有基础设施的极限。

第二种和第三种情况对于 AI 社区,初创公司和科技公司来说都是有利的,因为他们可以更高效地开发数据驱动产品。 未来,大量的研究将加速解决方案的优化。

未来六个月中,开源的竞争将何去何从取决于 PyTorch 和 Caffe2 的应用以及各种开源合作。目前,Facebook 的解决方案似乎十分有潜力,但其解决方案的落实却远远落后于谷歌(请参见下面的 Google 趋势图)。

内容整合自:开源中国社区、36Kr

本文来自企鹅号 - 开源中国媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

【重磅】《人工智能标准化白皮书(2018)》发布(完整版)(附下载链接)

【导读】1月18日,召开国家人工智能标准化总体组、专家咨询组成立大会,在会上,国家标准化管理委员会宣布成立国家人工智能标准化总体组、专家咨询组,负责全面统筹规划...

4017
来自专栏腾讯云技术沙龙

倪捷:智能语音扩展数字化服务

广义上来讲智能语音技术有各种各样的定义,以上是常见的一些热门的场景。语音识别,刚才罗老师也分享了部分内容。语音合成是文字变成语音,这部分我们后面会详细展开。再往...

1152
来自专栏人工智能头条

数据科学家、机器学习工程师与普通的软件工程师有什么不同

1243
来自专栏CSDN技术头条

你可能遇到了”假“的数据科学家

近十年来,“数据科学”和“数据科学家”备受争论。对于哪些人可以被称为是“数据科学家”,争论不休,你很有可能遇到了”假“的数据科学家。 我们最后达成一致:只要取得...

1898
来自专栏腾讯研究院的专栏

芝加哥大学James A. Evans:大数据的大蓝图

大数据似乎在一夜之间迅速走红,它势不可挡地冲击着金融、零售等各个行业。云计算将如何改变计算的世界?未来将有怎样的应用前景?如何解决“信息孤岛”的问题?大数据...

2826
来自专栏大数据文摘

机器人“女神”亮相GMIC:大数据与人工智能关系几何?

20910
来自专栏AI科技评论

观点 | 谷歌证明数据为王,初创公司们被泼上了一盆冰水

AI 科技评论按:上周我们报道了谷歌的一项研究 “数据为王”是真的吗?谷歌轻抚着100倍的数据量点了点头 - AI科技评论,它直观地体现了更多训练数据可以带来更...

3117
来自专栏CDA数据分析师

实用篇:如何建立落地型数据分析or数据挖掘流程?

数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面向业务落地的...

2209
来自专栏ATYUN订阅号

终于,谷歌发布了一种新量子处理器Bristlecone

AiTechYun 编辑:Yining 谷歌量子智能实验室(Google Quantum AI lab)的目标是建立一个量子计算机,用于解决现实世界的问题。谷歌...

2824
来自专栏人工智能头条

AAAI主席Rao Kambhampati:破解人机共存的规划技术挑战(PPT下载)

1183

扫码关注云+社区