Maszynowe uczenie się teraz dla każdego. Google otworzyło silnik AI TensorFlow

By zrozumieć o co chodzi z TensorFlow, należy przyswoić pojęciegrafu przepływu danych. To sposób opisu obliczeń za pomocą grafuskierowanego, w którym wierzchołki to matematyczne operacje lubpunkty, w których dochodzi do wymiany danych, zaś krawędzieopisują relacje wejścia/wyjścia pomiędzy węzłami, przedstawionew formie dynamicznych wielowymiarowych macierzy danych – tensorów.I stąd właśnie nazwa „tensorflow” – wierzchołki są tujednostkami obliczeniowymi, na których asynchronicznie i równolegleaktywowane są operacje, gdy wszystkie tensory na nadchodzącychkrawędziach staną się dostępne.

Udostępniona przez Google biblioteka programistyczna pozwala naobliczenia numeryczne z wykorzystaniem takich grafów, Można tukorzystać zarówno z ogromnych klastrów superkomputerowych, stacjiroboczych z wieloma GPU, jak i wielordzeniowych mobilnych procesoróww smartfonach. Jej twórcy podkreślają, że pozwala na elastyczneprzetwarzanie danych bez wnikania w niskopoziomowe szczegóły,pozwala na szybkie przenoszenie pomysłów z etapu eksperymentu doprodukcji, jest łatwa do wykorzystania w projektach pisanych (pókico) w C++ i Pythonie, pozwala na automatyczne różnicowanie danych ioptymalizację obciążeń roboczych dla danej architektury.

Uwolnienie TensorFlow wiąże się z ciekawą historią, związanąze słynnym wydawcą książek informatycznych, Timem O'Reillym. Miałon po zapoznaniu się z działaniem google'owej aplikacji dowyszukiwania zdjęć po zawartości zasugerować, że dobrze by było,by Google zaoferowało dostęp do swojego silnika AI przez sieć, wformie płatnej usługi – tak by inni mogli skorzystać z technikmaszynowego uczenia się w swoich aplikacjach.

Firma z Mountain View zdecydowała się na więcej – i oddałakluczowe komponenty TensorFlow programistycznej społeczności, wnadziei, że gwałtownie to przyspieszy ewolucję AI. Wystarczy miećpod ręką komputer z Linuksem czy OS-em X (oraz najlepiej kartąNvidii wspierającą framework CUDA) i już można zacząć ulepszaćswoje produkty za pomocą TensorFlow, jak i ulepszać samąbibliotekę, zwracając swoje pomysły do Google i co za tym idzie,zwiększając przewagę, jaką TensorFlow ma nad rozwiązaniamiinnych firm. Niezależni eksperci są przekonani, że dzisiajrozwiązanie to jest o pięć do siedmiu lat przed konkurencją – aco będzie, gdy do pracy włączą się inni?

Uwalniając swój kod, Google zrobiło to jednak bardzo sprytnie,tak by nie stworzyć sobie czasem konkurencji. Przede wszystkim niktinny nie dysponuje tak ogromną infrastrukturą serwerową,zoptymalizowaną pod TensorFlow. Udostępnionej wersji kodu i takzresztą nie uruchomimy w klastrze – działa tylko na pojedynczymkomputerze (choć po prawdzie może to być nawet potężna stacjarobocza z 36 rdzeniami CPU i tysiącami rdzeni GPU). Nie oddało teżbiblioteki pod opiekę żadnej opensource'owej fundacji, samo będziezarządzać rozwojem projektu poprzez stronę Tensorflow.org. Nienależy się oczywiście obawiać, że najpierw Google zachęci doswojego projektu innych, a potem wykorzysta ich pracę tylko dlaswoich celów – warunki licencji pozwalają każdemu na robienie zkodem praktycznie wszystkiego, co tylko zechce.

Zajmujący się tą tematyką naukowcy zauważają, że tozupełnie co innego, niż wcześniejsze projekty Google'a, takie jakMapReduce czy BigTable, całkowicie zależne od firmowejinfrastruktury. TensorFlow był zupełnie innym narzędziem,budowanym w czasach, gdy oddawanie społeczności kodu źródłowegostało się normą dla innowacyjnych spółek Doliny Krzemowej. Choćna pewno biblioteka była budowana z myślą o google'owym sprzęciei choćby tylko przez to nikt nie wykorzysta jej do konkurowania zGoogle jako dostawcą usług AI, to jednak nawet w udostępnionejpostaci może przynieść rewolucyjne zmiany w aplikacjach firmtrzecich, tak na desktop jak i dla urządzeń mobilnych.

Przeglądając zawartość witryny tensorflow.orgzobaczymy, że Google udostępniło nie tylko samą bibliotekę, aleteż modele sieci neuronowych, wyszkolonych do rozpoznawania zdjęći pisma odręcznego, analizowania tekstu oraz mowy. To dość, bypopchnąć naprzód algorytmy głębokiego uczenia, ale nie tylko –TensorFlow jest dopasowane do innych form AI, w tym regresjilogistycznej i uczeniaprzez wzmacnianie.