2 Problemer Med Googles Open Source TensorFlow Plan

Open Source TensorFlow Models (Google I/O '17) (November 2024)

Open Source TensorFlow Models (Google I/O '17) (November 2024)
2 Problemer Med Googles Open Source TensorFlow Plan

Indholdsfortegnelse:

Anonim

I et træk, der minder om sin Android playbook, er Alphabet Inc. (GOOG GOOGAlphabet Inc1, 025. 90-0. 64% Lavet med Highstock 4. 2. 6 >) åbnet TensorFlow, dets nye maskinindlæringssystem, her til morgen. I almindelig tale betyder det, at udviklere, forskere og universitetsstuderende kan bruge data fra virksomhedens sky til at undersøge eller udvikle brugerdefinerede applikationer til deres produkter.

Mountain View-baserede firma har i et indlæg offentliggjort, at det brugte TensorFlow for alt "fra talegenkendelse i Google-appen til (formulering) smart svar i indbakken for at søge i Google Fotos. " Virksomheden udtalte endvidere, at det håbede at fremskynde kunstig intelligens, således at "alle fra akademiske forskere, ingeniører til hobbyfolk kan udveksle ideer meget hurtigere, gennem arbejdskode i stedet for bare forskningsdokumenter." Bevægelsen giver mening for Google business-wise, så godt som det kunne blive til et licenscenter profit center for virksomheden ned af vejen.

Men selskabet kan stå over for to problemer i forbindelse med dette initiativ.

Hvem ejer dataene?

Den første vedrører dataejerskab.

Mere præcist, hvem ejer de endelige resultater af de manipulerede data?

Mens man åbner Amazon Machine Learning tidligere i år, Amazon. com Inc. (AMZN

AMZNAmazon. com Inc1, 120. 66 + 0. 82% Lavet med Highstock 4. 2. 6 ) sagde, at det ville have læstadgang til alle datamodeller skabt i sit økosystem . Desuden tillader tjenesten ikke eksport eller import af model datasæt. Da Googles servicevægte og brede og varierede datasæt og modeller oprettes og anvendes, er der potentiale for større misbrug (og udbredelse) af forkerte datamønstre. I mangel af afklaring fra virksomheden kan ansvarlighed blive et problem.

Lukkede og åbne økosystemer

Den anden er relateret til konkurrence og økosystem. Android opnåede trækkraft, fordi det arbejdede inden for de begrænsede rammer for et mobilt økosystem. Maskinindlæring og kunstig intelligens er ret store økosystemer og spænder over flere brancher og enhedsgenrer. I den henseende står Google for øget konkurrence fra flere ender. For eksempel har Apple Inc. (AAPL

AAPLApple Inc174. 25 + 1. 01% Lavet med Highstock 4. 2. 6 ) slået sammen AI-virksomheder i nyere tid. Tilsvarende annoncerede Microsoft Corp. (MSFT MSFTMicrosoft Corp84. 47 + 0. 39% Lavet med Highstock 4. 2. 6 ) Azure Machine Learning, et lignende initiativ tidligere i år ved hjælp af mulighederne i Microsoft-produkter, såsom XBox og Bing. International Business Machines Corp. (IBM IBMInternational Business Machines Corp150.84-0. 49% Lavet med Highstock 4. 2. 6 ) har også Watson Analytics, som gør det muligt for udviklere at bruge Watsons kraftfulde motor. Disse virksomheder arbejder inden for lukkede økosystemer. I et hardware-miljø kan et åbent operativsystemekosystem forårsage problemer undervejs, som Google opdagede med fejlrettelser i Android. Da dyb læring spænder over flere brancher, kan omfanget og omfanget af Googles konkurrence og problemer formere sig med et open source-AI-system.

Bundlinjen

Googles TensorFlow er et skridt i den rigtige retning. Forhåbentlig har virksomheden lært lektioner fra sin Android-oplevelse (som stort set har været succesfuld) for bedre at kunne håndtere store open source-økosystemer.