在 AI 開放相關的名詞術語當中，TensorFlow 也許是大眾知名度最高的一個，甚至成為了空氣水源一般，在大多數人數字生活中無法或缺又視而不見的必需存在。從中國的視頻平臺、二手交易社區、英語線上教學，直到東南亞的病蟲害防治，太平洋的魚類保護，甚至是南美雨林的實時監測。

近期，TensorFlow 最新產品總監，Kemal El Moujahid 到訪中國，同極客公園在內的技術媒體一起分享了 TensorFlow 的應用成果、未來方向，以及 Google 在 AI 領域的標準原則。

這是 Google 首次在中國正式公布 TensorFlow 2.0 版本。在 TensorFlow 2.0 版本的中國發布中，進一步明確了這枚 Google 開源機器學習平臺將在未來集中強化的三個支柱屬性，分別是：易于使用，易于掌握；功能強大，確保用戶能以非常快的速度訓練非常大的模型；擴展性強，可部署在從小型設備到大型服務器的各類設備上。其中對易用性和強化移動端部署能力，是其中被 Moujahid 反復強調的重中之重。

Moujahid 表示，TensorFlow 2.0 移動端部署能力將成為和 5G技術普及相輔相成的重要技術特征。

在新版 TensorFlow 平臺技術特性和Google AI 應用原則的交叉點上，Moujahid 講述了一個例子：在印度，空氣污染問題非常嚴重，在冬季，其空氣質量指數可達到正常值的 4 倍。測量空氣質量是解決空氣污染問題的第一步，但部署傳感器的費用相當昂貴。德里的一群學生想出了一種創新的方法，利用 TensorFlow 實現一個成本低廉的解決方案。他們開發的 AirCognizer 應用程序，利用手機相機拍攝的照片進行實時空氣質量評估，只需拍下一張天空的照片，便可得知空氣質量指數。

有趣的是，就在幾乎同時，我們的注意力就被一款數據隱私條款含混不清的刷臉應用所占據，幾乎同時發生的，還有被用于教室內學生面部和動作監控的一則人工智能應用展示。

（TensorFlow 全球產品總監 Kemal El Moujahid | Google）

以下為 TensorFlow 全球產品總監 Kemal El Moujahid 的訪談紀要，經極客公園編輯整理：

Q：目前 TensorFlow 最大的改進的空間在哪里？最近投入最多的改進方向有哪些？

Moujahid：今天早上，我在演講當中談到了 TensorFlow 2.0 這個項目，其中重要的有兩點。

一是讓 TensorFlow 這樣一個平臺更加易用，能夠讓更多人觸手可及。我們希望在以后 2.0 的平臺中，可以為那些沒有接觸過機器學習、并不是這方面的專家的開發者提供一個最好的機器學習工具，讓他們去解決他們自己生活當中、所處行業當中的實際問題。今天早上我們舉的這個例子，就是在新德里，兩個小朋友用 TensorFlow 做了一個空氣質量監控 App——這就是一個最好的例子。

我們要加大投入的第二個點，是在移動端側持續發力。因為我們認為移動端是機器學習未來非常重要的一個方向。我們可以看到，隨著越來越多的小型移動端設備普及，在 55 億臺移動設備、2500 個微傳感器這樣的基礎上，機器學習的應用場景需求是非常廣泛的，所以未來 TensorFlow 2.0 也將會繼續關注這一領域，希望能夠把機器學習帶到更多的端側。

Q：目前 TensorFlow 的下載量，最新的數據是多少？哪幾個行業應用的比例是比較高的？哪些行業會有更大的突破或者進展？

Moujahid：TensorFlow 在全球的下載量已經超過了 4000 萬次，全球社區有超過 2000 人對 TensorFlow 的開發做出貢獻。當然還有一些其他技術層面上的數字現在沒有公布，但是從全球角度來看的話，無論是從下載量，還是從我們整個社區發展的良性循環角度來看的話，我們都取得了非常好的進展。

談到不同行業應用比例的問題，其實很難劃分哪一個行業現在的應用量會比較大，但我可以和大家分享幾個讓我自己印象深刻、覺得特別興奮的應用例子。

一個就是在醫療行業，其實我們都知道傳統醫療行業，首先是要先對醫生做很大資源投入去培養他們，我們才能保證醫生的診斷水平。但是，隨著機器學習技術的普及，可以通過訓練模型，然后把這個訓練好的模型放到我們的移動端設備當中，這可以讓整個診斷的過程更加高效準確。舉個例子，斯坦福大學現在做的一個項目，把機器學習模型放到手機端，然后去檢測皮膚癌。

第二種是在環保領域，還是跟我今天早上談的印度這個空氣質量指數監測這個例子有關系的，通過傳感器和更多的手機便攜式攝像頭，可以把機器學習這一應用拓展得更加廣泛。比如現在在亞馬遜叢林中，你可以拿著攝像頭對著一棵樹進行拍攝，進而識別這棵樹是否屬于非法砍伐，還是屬于合理的樹木砍伐，這也是一個很好的例子。

Q：有沒有什么印象深刻的例子是在中國的？

Moujahid：談到我們在中國的 TensorFlow 應用，有兩個例子可以和大家分享。

第一個就是愛奇藝。愛奇藝在視頻編輯和分段領域大量地使用 TensorFlow 機器學習技術。在移動端，他們也是利用機器學習，推出了很多很酷炫的功能。

第二個例子就是今天談到的流利說這個英語學習的 App。通過機器學習，完全改變了整個英語學習的方式和方法。因為它是通過建議模型來給用戶提供他所需要的信息，假如說您可能對某些詞或句法已經掌握，那就沒有必要在學習當中把你懂的東西再展現給你。我認為這也是在改變我們整個教育行業的生態。

Q：我們看到有很多中國的公司，不管是大的科技公司還是創業公司，他們也都在推出自己的機器學習框架，想問一下您對這些中國公司推出的框架是怎么看的？

Moujahid：其實從這個層面來看，我非常樂見整個行業的發展，因為我們現在談的機器學習，或者 AI 的應用和普及，可能還處在一個比較早期的階段。即使處在這樣一個接受和普及的早期階段，我們也不要去忘了我們最終的目標，還是希望能夠在全球范圍內去推廣機器學習和 AI，所以我們現在能做的就是提供我們能做到的最好的應用、最好的技術和最好的平臺，讓整個應用場景的可能性和速度，以及普及的速度越來越快。從全球范圍來看，整個行業的發展有利于我們應用的發展。

Q：關于 TensorFlow Federated 的近況，尤其是開源之后的使用狀況，有沒有一些現在可以看到的趨勢？大概有多大比例的用戶，更傾向于選擇在本地做學習和計算等？

Moujahid：關于 TensorFlow Federated 系統開源之后，它具體的應用數據和變化，我今天還沒有。但是我可以和大家分享的是，其實我已經看到了，大家對這個系統的興趣度非常高，因為這個技術的核心優勢在于，很多個人化開發中，隱私數據沒有必要再去上傳到服務器和云端，所以完全可以在本地的設備就可以做一個分析和存儲。另外，我們剛才也談到了，移動端這一塊的應用將會是 TensorFlow 未來很關鍵的發展方向，所以這也是為什么說我們現在也看到 TensorFlow Federated 有很大的潛力。

Q：像 5G 這樣的最新技術發展，會對 TensorFlow 的進化產生什么影響？

Moujahid：對，像 5G 這樣的新技術，的確對機器學習、包括 TensorFlow 的發展，會產生很大的影響。但是我認為 5G 無法解決所有的互聯和使用方面的問題。像 TensorFlow 一些低延遲方面的優勢，是對這類新技術很好的補充。因為，我們其實想傳達的一個最重要的信息點就在于希望我們能夠借助 5G 的環境，在所有傳感器互聯的情況下，讓每一個人，哪怕他不是機器學習專家，也能夠發揮自己的創造性，能夠利用這樣的平臺，利用這樣的互聯設備生態，來做更多的事情。