独家专访Jeff Dean：TensorFlow不追求一家独大

唐旭 发自 东瑶村 量子位 报道 | 公众号 QbitAI

“编译器从不警告Jeff，Jeff会警告编译器。”

“Jeff确实会在提交代码前把它们编译一遍，不过这么做只是为了检查下编译器和链接器有没有bug。”

“所有的指针都指向Jeff Dean。”

Jeff Dean，Google Brain的高级研究员、创立者之一，程序员世界中神一样的人物。因为在不少程序员眼中此人实在太牛，随之产生了不少关于他的笑话。

乌镇围棋峰会期间，Jeff Dean也来到了比赛现场。昨天下午，量子位在会场成功抓到了这位大神，并进行了一次独家专访。

以下为采访实录：

量子位：您对AI技术的标准化问题有什么看法？目前存在着很多不同的框架、标准，您觉得TensorFlow在其中会扮演什么样的角色？

Jeff Dean：你说得没错，现在确实有很多不同的开源框架。而且全都是不同的标准。但Tensor Flow很优秀的一点就是它是针对大部分研究用途设计的，所以它非常灵活，你可以在上面尝试一些特别的想法和任务。

我们把它设计得非常具有扩展性。这样你就可以通过它来训练大型的分布式系统模型。它还被设计得能在不同平台上运行。所以你可以在手机、台式机、数据中心、TPU上运行它。

我觉得灵活性、扩展性和计算概率方面的产品完成度这三者结合起来，会创造出非常强大的框架。其他框架能提供其中两到三种能力，但我们希望Tensor Flow能够成为众多社区成员用来创建AI，或是能够为其他工作提供支持的一种工具。

量子位：日后TensorFlow会不会一家独大，消灭掉其他框架？

Jeff Dean：不，我不这么认为。我觉得人们最终会选择对自己最有用的那个。如果Tensor Flow能帮得上他们，我们自然会很高兴；但其它框架也能解决问题的话，我们绝对是没问题的。

量子位：现在Google Brain和Deepmind之间是一种怎样的关系呢？

Jeff Dean：从本质上讲，我们是两个大型的研究团队，在许多不同项目上进行合作。

我觉得DeepMind的工作可能更倾向于开发更加纯净、理想化环境中（比如游戏）的算法；我们则倾向于关注复杂一点的问题，在这些问题上我们会掌握一些数据，我们也需要考虑能够落地的产品问题。

不过二者非常互补，我们在最近的工作中也合作了很多。

量子位：除了神经网络之外，您还看重哪些AI方面的技术？

Jeff Dean：增强学习显然也非常重要，同时，用于机器学习的硬件也需要变得非常高效；我觉得简化软件库的接入也很重要，还有，接入不同种类数据的通道也是非常重要的。

此外，在接受量子位的专访之前，Jeff Dean还接受了一次包括量子位在内的几家媒体的群访。量子位同样将这次群访的部分内容整理如下：

Q：推行“AI First”战略已经一年多，谷歌是否考虑过用这一战略推动利润增长？谷歌目前的收入已在放缓。

Jeff Dean：关于这个问题，事实上，有很多AI产品、服务带给我们的收益都是非直接的。而我们希望，像谷歌翻译、谷歌照片这类的免费服务会为我们带来一些优质的用户，这些用户有可能进一步接触谷歌，使用更多的产品。并非每一个产品都必须为我们带来收入，我们更希望用户能够使用全套的谷歌产品。

Q：您是很多程序员的偶像。作为一个程序员，您从什么时候开始将精力转移到机器学习上去？身边有许多程序员朋友，他们对人工智能也非常感兴趣，如何让他们更多地参与进来，实现职业生涯的转型？

Jeff Dean：感谢赞赏。其实我本科的毕业论文就是关于神经网络的并行训练，当时AI还没有这么热。而在本科毕业之后，我所从事的一些计算机科学方面的工作和AI并不那么相关了。2001年时，我和Greg Corrado、吴恩达一起成立了Google Brain，那个时候我们用的还是CPU，小程式、大规模、网络化的监督式学习方法，但那时候和我本科毕业时相比，计算能力已经有了非常大的进步。

现在，像我本人在计算机系统方面有专长，Geoffrey Hinton在机器学习领域非常强，在Google Brain的不同项目上，我们就将不同领域的专业人才汇集到一起——当然，这肯定比单打独斗效果要好得多。

关于第二个问题，人工智能本身就包括不同层次的工作，你可以在机器学习方面做学术探索，获得学位、创造新的算法；另一种层次更偏向于实用性，你可以将一些已经成熟的机器学习算法应用到其他行业，比如医疗。其实有些机器学习算法是通用型的，你只需要使用不同的数据进行训练，就能快速地得出相应的解决方案，这也是为什么在今天机器学习被接纳得如此之快。

Q：三年以后，哪些领域会被人工智能改变得最多？

Jeff Dean：三年时间可能稍微有些短。事实上，目前走得比较靠前的一些人工智能领域，像医疗、无人车，这些行业的变化会是比较快的。随着时间的推移，人工智能带来的好处会越来越明显。很多行业都会使用人工智能，不过一开始是探索性、小范围的问题上应用，技术成熟之后，才会拓宽人工智能在本行业的投入，最后逐渐发展到端到端的整体性人工智能解决方案。

因此，并不是只有科技型公司会采用人工智能，各行各业在未来会全面应用人工智能，只不过应用的速度不一样。这也突出了为什么机器学习的算法这么重要，因为世界上真正能自主雇佣机器学习专家的公司可能非常少，最多几千家，而数以百万计的大部分公司其实缺乏这种资源。