人工智能的框架戰爭：FB繼續挑戰Google

　　人工智能這個江湖，怎么可能風平浪靜。

　　Pytorch，一個新的開源深度學習框架，昨天正式發布。Twitter上一時熱議紛紛，各路人工智能專家毫不吝惜溢美之詞：優雅、簡潔、超強大、很酷……不過這些都是虛詞，這個新出現的Pytorch到底是憑什么贏得稱贊呢?

　　主要還是“動態”這個特性。

　　最近一段時間，很多“動態”深度學習庫涌現出來，例如Chainer、MinPy、DyNet等。動態庫的好處很明顯，那就是易于調試和推導。Matroid創始人Reza Zadeh總結說，利用Pytorch這個深度學習框架，想要在神經網絡中新加一層，再也不必全部推倒重來。

　　有人在reddit上舉了一個例子，他之前一直用TensorFlow或者Keras框架構建RNN(循環神經網絡)，但是這樣就不得不指定句子的長度，每個實例必須有相同的長度， 較短的句子必須填充。但如果使用動態庫，就可以處理幾乎任意長度的句子。

　　神經模塊網絡，就非常適用于Pytorch這樣的動態架構。例如指定一張圖片，讓人工智能回答：圖中小貓右邊的物體是什么顏色?解決這個問題，包括幾個子任務模塊：首先是識別出小貓，然后找到小貓右邊的物體，再識別出具體的顏色。

　　當然Pytorch的新特性不止于此，但這也足以讓搞AI的工程師們興奮一陣，尤其是Google旗下的深度學習框架TensorFlow，還不具備動態的特性。而且，Pytorch雖然沒有大聲宣揚，但大家都知道這個深度學習框架，屬于Facebook。

　　Pytorch，能幫助Facebook挑戰Google在深度學習框架領域的統治地位么?

　　針對上面這個疑問，云知聲資深AI技術專家、NLP負責人劉升平博士對量子位表示，動態神經網絡是很好的特性，但目前Pytorch在Beta階段，缺乏一些關鍵特性，短期難以撼動TensorFlow的地位。但他也表示，框架的競爭還會繼續下去。

　　繼續討論這個話題，我想還是再解釋一下，什么是深度學習框架。我們談到的人工智能、深度學習，都是依靠軟件構成的系統。搭建這套系統，至少有兩種途徑：一是從零開始，一步步寫出整個神經網絡的代碼;另外，就是利用成型的模塊，直接進行組裝。

　　所謂的框架，就是一套已經組裝好基本部件的軟件包。你可以把一個深度學習框架，想象成一套積木，工程師利用不同的積木，可以快速搭建出不同的建筑。各種框架之間的差異，可以簡單理解為向用戶提供的積木形狀各不相同。

　　目前主流的深度學習框架，背后多是不同的科技巨頭。對應關系如下：

　　TensorFlow —— Google

　　MXNet —— 亞馬遜

　　paddle —— 百度

　　CNTK —— 微軟

　　Torch、Caffe —— Facebook

　　想要在人工智能的爭奪中占據主動，這些科技巨頭只能在深度學習框架領域也展開激烈的競爭。而這種競爭的意義，也是顯而易見的。誰家的深度學習框架能夠贏得更多的用戶，誰就能構建起更好的生態系統，進而獲得更多的活力和更快的發展。

　　想象一下Android之于Google的意義。

　　坦白的說，目前人工智能領域，TensorFlow在深度學習框架上的優勢相當明顯。但各個科技巨頭早已各自招募了大批人工智能精英，誰說變數一定不會發生?必須得抱有希望才行。

　　前兩天，剛剛就任百度COO的陸奇談到人工智能戰略時，也明確表示百度在人工智能方面的投入，并不是希望自己推出什么人工智能的產品，而是希望搭建一個開放的平臺，讓百度的技術能夠應用到不同的領域、不同的企業之中。

　　劉升平博士指出，深度學習平臺入口和話語權的競爭將會越來越激烈，即使強如Google，也不大可能一口氣吞下整塊蛋糕;對于業界來說，競爭可以避免出現一家獨大。

　　然而變成最終承載各種人工智能應用的基礎，才是這場技術爭奪背后的商業目的。所以，人工智能這個江湖，怎么可能就此風平浪靜。

　　也許很快，Pytorch的特性就會出現在TensorFlow里。