格局可能会改变?科技巨头们正在使用开源框架来主导人工智能社区

根据最近的麦肯锡全球研究所的研究,谷歌和百度等科技巨头去年在人工智能领域的花费从200亿美元到300亿美元不等。在这些财产中,90%的资金推动了研发和部署,而10%投向了人工智能的收购。

研究在人工智能革命中起着至关重要的作用,科技巨头们必须尽其所能,让人工智能社区看起来更有活力。人工智能主要是基于研究进展和最先进的技术,这一技术的发展是很迅速的。因此,没有必要进行封闭的基础设施解决方案,因为在几个月后,一切又将是完全不同的。

在这种情况下,科技巨头唯一的制胜策略就是提供开源的解决方案,以吸引人工智能社区的成员,最终成为人工智能社区的一部分。在科技行业,这是一个相对较新的模式。

谷歌对抗世界 在2015年,谷歌在开源框架解决方案TensorFlow的发布上投入了大量的精力,TensorFlow是一个后端库,现在被社区广泛使用(包括OpenAI)。许多企业家到目前一直使用这个平台来训练他们的模型。基本上,它是一个用于深度学习任务的广泛使用的框架。

其他的科技巨头,看到谷歌在TensorFlow上面的成功,已经意识到如果他们不开始提供其他的选择并积极的推动,他们将会失去社区的支持,以及许多其他的商业机会。这就是为什么在今年早些时候,Facebook推出了Caffe2框架,旨在让微软和亚马逊等主要市场参与者和社交网络的PyTorch框架一起使用这个平台。目前,我们正在见证一些与谷歌结盟的合作。

有趣的是,Caffe和Caffe2的作者贾扬清在谷歌工作时,建立了TensorFlow。然后他加入了Facebook(他目前在那里工作)并发布了Caffe2。

总而言之,人工智能社区的争夺战最终落到了谷歌和其他科技巨头的较量中,比如Facebook、微软和亚马逊。

人工智能社区可能会出现场景 那么,这种情况会如何改变呢?

第一种情况,谷歌和其他公司之间的对抗将会继续,并且会有越来越多的公司与谷歌合作。这些项目可以创建在框架之间传输模型的能力。例如,Facebook最近与微软就可互换的人工智能框架的解决方案进行了合作。

第二种情况由开放源码框架市场的统一和标准化组成,这使得包括TensorFlow在内的所有可用框架之间转移模型成为可能。这还将允许开发人员在任何平台上创建模型,并在其他平台上部署这些模型,从而消除了在每个框架上从头开始开发模型的需求。由于所有框架都有优点和缺点,开发人员不得不做出艰难的选择,这将通过框架转移解决方案得到改善。

第三种情况,高级API可能会占据主导地位,比如Keras,一个高级的开源神经网络库,它可以在TensorFlow、Theano、CNTK、MxNet和Gluon上工作。人工智能社区将为市场带来越来越多的此类解决方案,以推动现有基础设施的限制。

第二种和第三种情况对人工智能社区、创业公司和科技公司都是有利的,因为它们可以更快地开发出数据驱动的产品。更多的研究将会产生,这将有助于加速创造最先进的解决方案。

在六个月左右或更多的时间里,开源战争的发展将会变得更加清晰,这取决于社区采用的PyTorch和Caffe2,以及各种开源的合作方式。目前,Facebook的解决方案看起来很有前途,但人们对其实现的兴趣远远落后于谷歌(见下图)。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-11-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏杂文共赏

对大数据的一些见解

我们经常听到大数据,但很多人仍然不确定它的真实含义。我认为大数据非常强大,所以我想我会写一篇关于大数据的综述性文章,并帮助您了解我们可以使用大数据做什么。

3014
来自专栏数据的力量

【推荐】阿里总参谋长曾鸣: 数据将成为未来商业竞争最重要资源

1397
来自专栏钱塘大数据

做数据挖掘工作需要具备的五大思维原理

一、数据核心原理 从“流程”核心转变为“数据”核心 大数据时代,计算模式也发生了转变,从“流程”核心转变为“数据”核心。Hadoop体系的分布式计算框架已经是“...

2454
来自专栏灯塔大数据

当HR遇上大数据,我们看看腾讯是如何做的?

? 搜索一下“HR+大数据”,可以轻松得到几百万条记录,可见大数据在HR领域并不是一个陌生的话题,遗憾的是,热度有余而深度不足。北大光华的穆胜博士在其写的《大...

2655
来自专栏数据猿

视频 | 商汤科技联合创始人徐冰:人工智能的特殊商业模式探索

数据猿导读 深度学习有哪些要素?算法在哪些行业已经实现了颠覆?且看中欧微论坛 | 数据猿·超声波活动中商汤科技联合创始人徐冰怎么答。 ? 作者 | 徐冰 深度学...

2676
来自专栏Spark学习技巧

金融领域7大数据科学案例

1414
来自专栏华章科技

VR+大数据:感知大数据,绽放新智慧

从技术的观点来看,大数据的全生命周期大致可以分为数据采集、数据存储、数据处理、数据分析、数据可视化、数据决策及数据服务七个阶段(见下图)。

662
来自专栏大数据文摘

专访|数据科学界的社交达人-定价科学家

1319
来自专栏AI研习社

Video ++孙兆民:人工智能行业报告——视频内容识别行业分析 | 分享总结 | 雷锋网

像素的世界已经延伸到图像之外,虽然视频对于机器学习研究人员来说一直都是个挑战,但现在的技术能够使得从视频中提取信息变得跟从图像中提取信息一样简单。人工智能这个新...

3256
来自专栏CSDN技术头条

【BDTC2016】科大讯飞大数据研究院副院长谭昶:讯飞大数据的实践与思考

2016中国大数据技术大会首日全体会议中,上午最后一位演讲嘉宾来自科大讯飞大数据研究院副院长谭昶,他带来了《讯飞大数据的实践与思考》的主题分享。他从语言谈起,分...

21010

扫描关注云+社区