2 Masalah Dengan Rencana TensorFlow Open Source Google

Hands-on TensorBoard (TensorFlow Dev Summit 2017) (November 2024)

Hands-on TensorBoard (TensorFlow Dev Summit 2017) (November 2024)
2 Masalah Dengan Rencana TensorFlow Open Source Google

Daftar Isi:

Anonim

Dalam sebuah langkah yang mengingatkan pada buku permainan Android-nya, Alphabet Inc. (GOOG GOOGAlphabet Inc1, 025. 90-0. 64% Dibuat dengan Highstock 4. 2. 6 >) open source TensorFlow, sistem pembelajaran mesin barunya, pagi ini. Dalam sambutannya, ini berarti bahwa pengembang, peneliti, dan mahasiswa dapat menggunakan data dari awan perusahaan untuk meneliti atau mengembangkan aplikasi khusus untuk produk mereka.

Dalam sebuah posting yang membuat pengumuman tersebut, perusahaan berbasis Mountain View menyatakan bahwa mereka menggunakan TensorFlow untuk semuanya "dari pengenalan ucapan di aplikasi Google, untuk (merumuskan) Balasan Pintar di Inbox, untuk mencari di Google Foto. " Perusahaan lebih lanjut menyatakan bahwa mereka berharap dapat mempercepat kecerdasan buatan sehingga "setiap orang dari para peneliti akademis, insinyur, hingga penggemar dapat bertukar gagasan dengan lebih cepat, melalui kode kerja dan bukan hanya makalah penelitian." Langkah ini masuk akal bagi Google business-wise sekaligus bisa berubah menjadi pusat keuntungan lisensi bagi perusahaan yang berada di bawah jalan.

Tapi, perusahaan mungkin menghadapi dua masalah terkait inisiatif ini.

Siapa yang Memiliki Data?

Yang pertama berkaitan dengan kepemilikan data.

Lebih tepatnya, siapa yang memiliki hasil akhir dari data yang dimanipulasi?

Saat membuka sumber Mesin Amazon Belajar awal tahun ini, Amazon. com Inc. (AMZN

AMZNAmazon.com Inc1, 120. 66 + 0. 82% Dibuat dengan Highstock 4. 2. 6 ) mengatakan bahwa mereka akan membaca akses ke semua model data yang dibuat dalam ekosistemnya. . Selain itu, layanan ini tidak mengizinkan kumpulan data model ekspor atau impor. Seiring skala layanan Google dan kumpulan dan model data yang luas dan beragam dibuat dan digunakan, ada potensi penyalahgunaan (dan propagasi) yang lebih luas dari pola data yang salah. Dengan tidak adanya klarifikasi dari perusahaan, pertanggungjawaban bisa menjadi masalah.

Ekosistem Tertutup dan Terbuka

Yang kedua terkait dengan persaingan dan ekosistem. Android mendapatkan daya tarik karena ia bekerja dalam batas terbatas ekosistem mobile. Mesin belajar dan kecerdasan buatannya adalah ekosistem yang cukup besar dan menjangkau beberapa industri dan genre perangkat. Dalam hal ini, Google menghadapi persaingan yang meningkat dari berbagai tujuan. Sebagai contoh, Apple Inc. (AAPL

AAPLApple Inc174.25 + 1. 01% Dibuat dengan Highstock 4. 2. 6 ) telah menghasilkan perusahaan AI belakangan ini. Demikian pula, Microsoft Corp. (MSFT MSFTMicrosoft Corp84.47 + 0. 39% Dibuat dengan Highstock 4. 2. 6 ) mengumumkan Azure Machine Learning, sebuah inisiatif serupa, awal tahun ini dengan menggunakan kemampuan yang tersedia di Produk Microsoft, seperti XBox dan Bing. International Business Machines Corp. (IBM Mesin Bisnis IBMInternasional Corp150.84-0. 49% Dibuat dengan Highstock 4. 2. 6 ) juga memiliki Watson Analytics, yang memungkinkan pengembang menggunakan mesin kuat Watson. Perusahaan-perusahaan ini bekerja dalam ekosistem tertutup. Di lingkungan perangkat keras, ekosistem sistem operasi terbuka dapat menyebabkan masalah di jalan, karena Google ditemukan dengan perbaikan bug di Android. Mengingat bahwa pembelajaran yang mendalam mencakup beberapa industri, cakupan dan tingkat persaingan dan masalah Google dapat berkembang biak dengan sistem AI open source.

Garis Bawah

TensorFlow Google adalah langkah ke arah yang benar. Mudah-mudahan, perusahaan telah belajar dari pengalaman Android-nya (yang sebagian besar telah berhasil) untuk mengelola ekosistem open source dengan lebih baik.