为什么科技巨头热衷于开源深度学习框架？

【天极网网络频道】前言：自从基于深度学习的AlphaGo战胜围棋九段李世石之后，深度学习大概是目前最热门的技术热点之一了，许多科技巨头开始纷纷在这个领域进行布局。近日，百度高级副总裁王海峰介绍，在2012年百度开始深度学习研究，在2016年，百度PaddlePaddle正式开源，成为中国首个全套的深度学习框架，并在百度信息流推荐等场景中得到广泛应用与验证。

近年来，深度学习在多个领域取得了重要突破，带来全新的方法论变革!很多大型公司都开始涉足深度学习和人工智能领域。近日，在深圳举行的新一代人工智能院士高峰论坛上，百度高级副总裁、AI技术平台体系总负责人王海峰发表了“百度AI开源与开放”主题演讲。他认为，开源、开放对于人工智能时代至关重要。首先，人工智能技术的发展需要所有人的协同推进，因此开源、开放就显得特别重要;其次，人工智能技术会赋能各行各业，开源、开放可以让各行各业便捷地使用人工智能，让社会各界都受益。

新一代人工智能院士高峰论坛

据王海峰介绍，百度从2012年开始深度学习研究，先后将深度学习应用于搜索业务，取得了很好的效果。2016年，百度PaddlePaddle正式开源，成为中国首个也是目前国内唯一开源开放的，全套的深度学习框架，并在百度信息流推荐等场景中得到广泛应用与验证。在此之前，Facebook首先开源了深度学习框架Torch，随后谷歌开源了TesorFlow深度学习框架，接着微软也开源了其深度学习框架DMTK。那么，为什么这些公司都如此热衷于开源深度学习框架呢？

开源深度学习框架的原因有哪些？

在回答上述问题之前，首先要了解深度学习的概念。深度学习(Deep Learning)源于人工神经网络的研究，是机器学习的一个分支。深度学习主要依赖于深度神经元网络，这种神经网络类似于人类的大脑，其学习过程也与人类十分相似。基本上，你输入海量的数据给它以后，它就会通过训练，学习到海量数据的特征。举例来说，有两组神经元，第一组神经元接收到信息后，用算法将其抽象化，而后再将简化的信息传入到第二组神经元。第二组神经元通过相同或是其他的算法再将信息进行简化，就得出了一定的结果。

可以说，深度学习是一个强大的识别工具，极大简化了一些问题的处理难度。然而，深度学习对大量数据的需求及其本身的复杂性仍然是其发展壮大路上的最大阻碍。而开源则意味着开放自己的源代码给别人查阅和使用，开发者可以将开源框架用在任何平台，任何领域里。如果有图像数据，就可以将其用在图像识别领域，如果有语音数据就可以将其用在语音识别里等等。

只要有足够的数据支撑，它就可以抽象出这些数据的特征。随着大公司逐渐将自己的深度学习技术开源，以后数据将是各个行业的门槛，谁掌握了大量数据，并能发现这些数据的价值，谁就能颠覆这个行业。同时，对于拥有深度学习框架的公司来说，开源也意味着能吸引到更多优秀的人才。

综上所述，就不难看出巨头们开源其深度学习框架的原因了。

深度学习推动了人工智能突飞猛进的发展!

提到深度学习总是绕不开人工智能技术，早在1956年，人工智能的概念就被提出，为什么直到这两三年它才得到突飞猛进的发展呢？在此需要了解一下人工智能发展所经历的四个阶段。

1、注重逻辑推理的推理期(19世纪60年代初至19世纪70年代中期)，在这一时期，人们认为如果机器具有逻辑推理能力就可以实现人工智能。随着研究的推进，人们逐渐认识到，仅具有逻辑推理能力是远远实现不了人工智能的。

2、依托知识积累构建模型的知识期(19世纪70年代中期至19世纪80年代末)，在这一时期，大量专家系统问世，在很多领域做出了巨大贡献。但这些系统中的知识，大多是人们总结出来并手工输入计算机的。后来，人们开始意识到专家系统存在“知识工程瓶颈”。

3、低潮期(20世纪80年代末到90年代中期)，在机器推理时代发展的高峰时期，一些进展让人们对人工智能过于乐观，而当时的人工智能难以在现实问题中发挥作用，一时间，期望破灭，人工智能遭遇了误解，研究经费也被大量削减甚至取消。

4、基于大数据和强大计算能力的学习期(2006年代至今)，随着各种机器学习算法的提出和应用，特别是深度学习技术的发展，人们发现深度学习技术可以解决前两次人工智能浪潮中决绝不了的问题。2016年，由谷歌开发的基于深度学习的人工智能程序AlphaGO以4:1的战绩击败了韩国围棋职业九段选手李世石，开创了人工智能发展的重要里程碑。

AlphaGo与李世石“人机大战”

深度学习的优势是什么？

值得注意的是，深度学习可以用更多的数据或是更好的算法来提高学习算法的结果。对于一些应用而言，深度学习在大数据集上的表现比其他机器学习方法都要好。而在性能表现方面，深度学习探索了神经网络的概率空间，与其他 工具 相比，深度学习算法更适合无监督和半监督学习，更适合强特征提取，也更适合于视频和图像识别领域、文本识别领域、语音识别领域、自动驾驶领域等。

为什么深度学习会如此被热衷，因为它不以任何损失函数为特征，也不会被特定公式所限制，这使得该算法对科学家们更为开放，它能以比其他传统机器学习工具更好的方式进行使用和扩展。

写在最后：

近年来，深度学习通过在某些任务中出色的表现正在革新机器学习。显而易见，作为人工智能中发展迅速的领域之一，深度学习的未来充满活力和前景。我们看到这种进步的速度有多快，只有时间能告诉我们答案。因此，随着2019年的展开，让我们拭目以待，看看这一细分领域的表现吧。

（ 作者：yu 责任编辑：于欣靓）

天极新媒体 最酷科技资讯

扫码赢大奖