TensorFlow全球产品总监上任后首次到访中国：竞争看淡，不服一起干

李根 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

关于TensorFlow，中国媒体想问Kemal的太多。

“接下来如何迭代”、“如何保持增长”、“最关注哪些领域的落地和推进”、“下一阶段关注点是什么”，“怎样看来自全球和中国的竞争”……

这位刚履新上任的TensorFlow全球产品总监，或许之前没有预料，谷歌旗下这款机器学习开源平台，在中国同样拥有相当大的影响力。

在2019 WAIC现场，他除了分享TensorFlow的落地进展，同样耐心解答了上述一系列问题。

而且对于大众喜闻乐见的深度学习框架竞争日益激烈的话题，Kemal心态很好，他说相比竞争，更关注怎样一起把机器学习带到更多领域、造福更多用户。

套用一句中国科技圈流行语，大概就是：竞争看淡，不服——一起干。

所以Kemal究竟解答了TensorFlow哪些问题？

量子位给你一一传送。

履新上任的TensorFlow全球产品总监

Kemal El Moujahid，第一次以TensorFlow全球产品总监身份来到中国交流，实际上也是以谷歌的身份前来交流。

在此之前，他是Facebook的产品负责人，在脸书核心负责开发了Facebook开发的虚拟助手产品M、Messenger平台和Wit.ai。

更早来说，Kemal毕业于巴黎高等电信学校（the Ecole Polytechnique and Telecom Paris），并获斯坦福大学工商管理研究生院工商管理硕士学位。

他于2018年10月正式加入谷歌，并成为TensorFlow的产品负责人。

而上任之后，他经历的首件大事自然是TensorFlow 2.0版本的推出和TensorFlow Federated的发布，在他看来，这也是这个全球最大的机器学习开源平台的未来发展的“冰山一角”。

在Kemal的访谈中，他也透露了TensorFlow下一步的侧重所在和开发落地方向，详情如下：

对话TensorFlow全球产品总监

TensorFlow下一步

Q：TensorFlow接下来会朝什么方向迭代？

Kemal：从目前的TensorFlow2.0出发，我们关注点有两点。

一是让TensorFlow平台更加易用，能够让更多人触手可及，这也是我们为什么要强调2.0重要性的原因。

我们希望2.0能够让更多人——可能很多都没有接触过机器学习，并非计算机领域的专家，也能通过TensorFlow提供的机器学习工具和技术，去解决自己生活和所处行业当中的实际问题。

在今天keynote分享中，我们举的例子是新德里的两个小朋友，用TensorFlow做了一个空气质量污染方面的监控的App，其实代表了我们的这种方向。

第二个我们要加大投入的方向是移动端。因为这是机器学习未来非常重要的方向，而且随着越来越多终端设备普及，机器学习的应用场景将大大增加。

在目前55亿台移动设备、2500个微传感器的规模体量之上，TensorFlow也会继续关注端侧，把机器学习带到更多的端侧。

Q：TensorFlow 2.0推出前，得到最多的调研反馈是什么？

Kemal：主要有两个。

第一，希望系统变得更加的简单和易用。机器学习相对来说依然有点枯燥，所以如果应用性做得不够好，开发者所受限制就是增多。

第二，功能和性能不做妥协和下降。开发者一方面希望系统更易用，但同时也不希望在功能和性能上被牺牲，所以对TensorFlow团队，这是核心要求之一。

我们也一直在平衡这两者，覆盖全设、全平台，既能保证开发者云端部署，也尽可能在浏览器也能开发应用。

最关注哪一领域的应用

Q：TensorFlow在哪些垂直领域的应用占比较高？

Kemal：以不同行业来划分TensorFlow使用的情况并不容易区分。

但我更愿意分享我印象深刻的几个案例：

第一，医疗行业。在传统医疗行业，我们需要大量的资源培养专业医生，然后才能更好给病人看病。但随着机器学习的技术，我们可以通过训练模型，并且把模型放到移动设备中，这样就可以大大拓展诊断的覆盖范围，把更好的医疗资源带给更多人。

斯坦福大学就用TensorFlow打造了一个项目，可以把机器学习模型放入手机中识别皮肤癌，如果未来通过一个摄像头就能更好了解健康状况，会很令人期待。

另一个例子是关于环境和资源。刚才谈到印度空气质量监控的案例，此外还有通过摄像头帮忙监测亚马逊丛林的滥砍滥伐问题，这都令人激动。

Q：2019年内最让你激动的TensorFlow应用进展来自什么领域？

Kemal：还是医疗领域。包括皮肤癌、心血管疾病等都能通过机器学习的方式得到很好地筛查，从而能帮助医生提高效率，也帮助更多人得到更好的医疗资源。

试想一下，如果哪一天我们通过一个手机摄像头，就能完成一次身体检查，那该是多么激动人心的事。

所以期待这种应用加快进行，也希望全世界每个人都能从这样的技术应用中受益。

Q：有什么令你印象深刻的来自中国的案例吗？

Kemal：也有两个。

一个是爱奇艺，运用TensorFlow来实现视频编辑、分段等应用，并且在移动端打造了很多炫酷的功能。

另一个是英语流利说，通过机器学习，他们变革了英语学习的方法，通过TensorFlow打造的推荐模型，可以实现更好的个性化学习，并且不断学习，把模型和内容打造得更好，使更多用户通过教育而受益。

关于竞争

Q：现在关于机器学习的开源框架竞争越来越激烈，包括中国公司也推出了自己的框架，你怎么看？

Kemal：其实我们非常乐见行业整体有这样的发展。因为从机器学习或者AI普及的角度来看，现在可能还处在非常早期的阶段。

我们当初打造TensorFlow，核心就是最大化推广和普及机器学习，所以不会因为竞争而忘记了初心。

竞争要求我们竭尽所能提供最好的应用、技术，打造最好的平台，让机器学习的门槛和普及速度都变得更好。

所以宏观范围内看，目前态势还是利于机器学习更好更好普及，对整个行业是好事。

Q：是否会有专门的增长手段增加用户？

Kemal：TensorFlow是开源平台，所以首要问题是保证产品最简单直接触达用户，被开发者使用。

不过我们也必须经常与开发者沟通，了解他们的问题，分享经验，帮助他们利用机器学习解决身边的问题。

我们为什么选择开源？

就是希望利用开源的方式，让更多人可以更容易被机器学习赋能。

所以对于TensorFlow来说，提升普及度和应用度的方式，就是让所有用户都可以更加轻而易举地使用TensorFlow，并且解决身边的问题、真实的问题。

Q：2019年很热的话题是5G，它对机器学习发展会有帮助吗？

Kemal：5G这样的基础性技术，确实会对我们的机器学习、TensorFlow产生很大的影响。

但刚才我们也谈到移动端部署等方面的问题，核心是希望能够在延迟、无网络等情况下也能依然发挥作用，所以从这方面来说，机器学习有自己的挑战要解决。

但借助5G的环境，会有更多传感器和智能设备实现互联，未来机器学习的应用可能性和范围都极大增强，整个生态更强大，会让更多开发者——即便不是机器学习专家，也能用TensorFlow这样的工具做更多的事情。

— 完 —

直播 | 揭秘最强中文NLP预训练模型

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !