當前位置：首頁 > 啟夢行動 > 大咖分享 > 人工智能開源錄 > 直播視頻 >
人工智能的發展是目前科技研究中最熱門的方向之一，也是越來越多的開發者和技術團隊非常關心的重點，而高效的開發工具能夠讓開發這件事情變得事半功倍。斯坦福的專家就曾在人工智能報告中提到，“越來越強大的人工智能應用，可能會對我們的社會和經濟產生深遠的積極影響，這將出現在從現在到 2030 年的時間段里。”
因此，繼上期由OpenI啟智社區運營中心主任余躍老師用“AI開源創新的發展與探索”揭開《人工智能開源錄|對話OpenI啟智社區》直播欄目的序幕后，順著人工智能的藤蔓，OpenI啟智社區特邀了年輕有為的鵬城實驗室雙聘成員、北京大學計算機學院助理教授、AI開源框架TensorLayer的開源開發者董豪老師做客本期的直播欄目。
董豪老師目前的研究方向主要在于人工智能，以及圍繞泛化性與高層級的決策研究機器人，他在欄目中為大家揭秘了人工智能開源工具的過去、現在與未來，也首次對外公開TensorLayer的升級版本TensorLayer X即將帶著更強的兼容性與中立性問世。
董老師回顧深度學習并未開始盛行的十多年以前，那時的開發者們普遍在使用機器學習方面一款叫做scikit-learn的工具，以及SVM、KNN等普通的算法。
從2012年開始，深度學習有了一些顯著的發展，如加拿大的Mila研究所開發了專門針對深度學習的框架Theano。之后的一兩年，在加州大學伯克利讀博的賈揚清博士創建了針對視覺的深度模型框架Caffe。隨著深度學習在業界越來越重要，谷歌開發的TensorFlow，臉書開發的PyTorch也相繼問世并成為主流。
近幾年，國內不少大型科技公司基于自身某些戰略需求也開發了針對深度學習的人工智能開發框架。開發工具的整體發展歷程從普通的機器學習開始，到近十年來，從以高校為主導到后來由大企業進行主導開發的框架中，很多都是圍繞深度學習。
而各行各業的工具之所以持續不斷的發展，基本都是因為需求而推動的。Mila實驗室當時的主要負責人Bengio是一位深度學習的圖靈獎獲得者，他們之所以開發Theano是因為當時并沒有一款理想的工具能很好的用GPU來加速深度學習的訓練，如果使用CPU進行訓練將耗費大量時間，這個研究需求推動了他們開發Theano。
后來，由國內外的大公司主導的一些開發框架，很大程度是基于公司內部的研發需求或是躋身AI領域的發展戰略而開發。而近幾年，國內也涌現一部分公司，為了打破英偉達GPU的壟斷與建設自己的生態，不得不開發了自己的框架?？傮w來說，這些工具都是通過需求而推動產生的。
提起TensorLayer這個很多開發者使用過且被認為是比較好用的開發框架，作為開源開發者的董老師回顧，那是自己在2015年讀博期間，盡管當時有Theano，TensorFlow，以及后來被TensorFlow收編的Keras等主流框架，但都無法滿足自己的算法研究。為了科研與發論文，董老師開始嘗試去開發一套基于TensorFlow的工具，后來不斷有同學和朋友們加入一起完善，最終誕生了最初版本的TensorLayer。
盡管當初在做同樣事情的人也不少，但TensorLayer從一開始被開發的時候，就已經被賦予了更高的使命，那便是在未來要讓更多的開發者去使用。因此，團隊在最初的代碼質量和開發文檔上都投入了不少精力。
董老師從技術層面揭露，其實TensorLayer最初的版本和Keras很相似，但Keras當時兼容多框架，而TensorLayer當初只支持TensorFlow一個框架。但隨著近幾年國內的開發框架和AI芯片廠商的發展，不論從軟件層還從芯片層的生態圈，都出現了割裂分散的形勢?；谶@個背景，團隊希望打造一套通用的與平臺無關的一種開發框架，即正在開發中的TensorLayer升級版本TensorLayer X。
· TensorLayer X的技術亮點和難點
TensorLayer X的定位是以一種中立包容的形式，來實現國內外不同開發方向的主流框架的兼容，如國外的TensorFlow，PyTorch，國內的MindSpore，PaddlePaddle，Jittor以及OneFlow等這些框架都可以兼容。
這種兼容的好處也顯而易見，無論開發者是使用國外還是國內的設備，它都可以成功且較好地運行。為了能兼容不同的框架且保證效率不受損，同時兼顧代碼的整潔性，方便使用者可以很容易地來進行二次開發的代碼貢獻，TensorLayer X已經經歷了一年多的研發與打磨。雖然版本還未正式發布，但實驗已經證明了它在兼容國內外一些開發框架時，并未損失簡潔性。開發者在使用TensorLayer和X版本時不會感覺到在簡潔方面的差異，但能感受到X版本在兼容性上的提升。
對于難點，董老師表示主要在于兼容這部分，由鵬城實驗室的團隊及北京大學的部分學生參與這塊的工作，已經開發完了各種各樣的神經網絡的layers，難點已被攻克，后續將更多的圍繞常用算法庫進行一些開發工作。
董老師希望面向一些中小企業，或個人技術開發者，以及職業技術學院的用戶，為他們提供諸如開箱即用之類的一系列的應用庫，并通過建立一些微信群、討論區等社群，普及使用方法來相互幫助、共同發展。
此外，董老師也提出，他們計劃把這個中立的X框架推廣到海外，尤其是一帶一路的國家，比如阿拉伯的21個國家，現在處于一個用能源換科技的發展階段，也包括俄羅斯等希望發展自己的技術而不被歐美卡脖子的國家。
中立的框架優勢在于它不屬于任何一家公司，只要開發者用了這個框架，不論他用美國的還是國產的操作系統、芯片，都可以運行任務。而這種中立工具的開發維護難度，其實比從頭搭建整套框架還要更容易，所以，董老師也希望能吸引更多的開發者參與它的開源。
· 如何選擇合適的開發工具
董老師建議開發者根據自己的條件和目的、以節約自己時間為一個核心目標來選擇合適的開發工具。
但就TensorLayer X框架本身來說，短期來看，它更加適合工業界中小企業的一些工程師去用。預計兩個月后，他們將推出大量覆蓋計算機視覺、自然語言處理、強化學習等方向的開箱即用相關的例子，同時也會出版相關的配套書籍和電子教程。這也是響應不少企業工程師朋友們對于輕量級的識別算法、人體姿態估計算法需求而去開發的應用例子。對于算法任務可能達上萬種的學術界而言，還是推薦使用生態上較強的PyTorch。
但由于目前正處于國產硬件替換國外硬件的時期，國內一些國家實驗室、軍工科研等單位，目前已經在用國產芯片、操作系統在替換原來進口操作系統、進口芯片。而TensorLayer X兼容了國內外的主流開發框架后，它也自然而然支持了國內外所有的芯片和操作系統。因此從長期來看，TensorLayer X就非常適合這部分單位的用戶。
隨著時間的進行，國內外關于人工智能開發工具與框架的使用方法慢慢收斂到一種大家都覺得比較好的方式。類似今天的智能手機，無論是哪個操作系統，都不會影響到用戶已經形成的使用習慣。如今的開發框架雖然很多，但使用起來對用戶來說也是朝著一個統一的方向。
而未來，將會出現越來越多針對特定任務的工具，比如針對圖神經網絡的的訓練框架，或者針對目標識別來開發的框架。
至于生態，董老師認為需要自己要先做一個閉環。比如TensorLayer，雖然并非大公司、大團隊開發的，但團隊認定盡自己最大能力盡可能形成一個閉環，比如出版相關的書籍，以及開發部署層面的相關工具與應用案例，搭建自己的生態圈，幫助大家節約更多的開發時間。
· 值得關注的方向與開源工具
從算法層面來說，過去的十多年讓深度學習在感知層面有了較大突破，解決了人臉識別、目標識別等很多問題。未來十年，AI的技術發展會逐漸從感知層面往決策層面上去發展，而強化學習、機器人這些方面將會有很大的突破，這可能會產生非常大的影響。這個影響可能比之前人臉識別、目標識別它們的影響更大，因為它應用的場景和種類更多。
因此，對于算法研究的人，需要在感知層面研究泛化性問題，比如降低特斯拉在自動駕駛時的誤判。同時，在決策層面要研究自主性問題，比如讓機器人能產生智能決策。
對于研究系統的的研究者，除了研究數據并行、模型并行這些問題外，下一步可能還要研究結合虛擬環境進行的訓練，而這需要整套可以對數據進行高效處理的系統。
無論是做科研，還是做開源，首先自己需要感興趣，更重要的是找更多志趣相投的人一起去完成某些事情。對于具體選擇什么事情，建議找到一些行業的痛點，然后根據自己的實際情況，盡可能選擇相對具有挑戰性的課題去做，然后不畏困難，迎難而上，然后找到自己的興趣所在，持之以恒，最終自己總會有所收獲。