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）。 

文章来源：开源中国

《金融的人工智能革命》这是国内首次全面覆盖金融领域机器学习应用的课程，案例式讲解。点击下方二维码报名课程