2 Problem 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 Problem med Googles Open Source TensorFlow Plan

Innehållsförteckning:

Anonim

I ett drag som påminner om sin Android-spelbok, Alphabet Inc. (GOOG GOOGAlphabet Inc1, 025. 90-0. 64% Skapat med Highstock 4. 2. 6 >) öppnade TensorFlow, det nya maskinlärningssystemet, i morse. I klart tal betyder det att utvecklare, forskare och universitetsstuderande kan använda data från företagets moln för att undersöka eller utveckla anpassade applikationer för sina produkter.

I ett postmeddelande meddelade Mountain View-baserade företaget att det använde TensorFlow för allt "från taligenkänning i Google-appen, till (formulera) smart svar i inkorgen, för att söka i Google Foton. " Företaget uppgav vidare att det hoppades på att accelerera artificiell intelligens så att "alla från akademiska forskare, till ingenjörer, till hobbyister kan byta idéer mycket snabbare, genom arbetskod i stället för bara forskningshandlingar." Flyttet är förnuftigt för Google affärsmässigt och det kan bli ett licensavkastningscenter för företaget på vägen.

Men företaget kan möta två problem relaterade till detta initiativ.

Vem äger data?

Den första gäller datainnehav.

Mer exakt vem äger de slutliga resultaten av de manipulerade data?

Medan man öppnade Amazon Machine Learning tidigare i år, Amazon. com Inc. (AMZN

AMZNAmazon. com Inc1, 120. 66 + 0, 82% Skapat med Highstock 4. 2. 6 ) sa att den skulle ha läsad tillgång till alla datamodeller som skapats inom sitt ekosystem . Dessutom tillåter tjänsten inte export eller import av modelldatasatser. Eftersom Googles serviceskalor och breda och varierade datamängder och modeller skapas och används, finns det potential för bredare missbruk (och fortplantning) av felaktiga datamönster. I avsaknad av förtydligande från företaget kan ansvarsskyldighet bli ett problem.

Stängda och öppna ekosystem

Den andra är relaterad till konkurrens och ekosystem. Android fick dragkraft eftersom det arbetade inom de begränsade gränserna för ett mobilt ekosystem. Maskininlärning och artificiell intelligens är ganska stora ekosystem och spänner över flera branscher och enhetsgenrer. I det avseendet står Google inför ökad konkurrens från flera ändamål. Till exempel har Apple Inc. (AAPL

AAPLApple Inc174. 25 + 1. 01% Skapat med Highstock 4. 2. 6 ) tagit upp AI-företag under senare tid. På samma sätt tillkännagav Microsoft Corp. (MSFT MSFTMicrosoft Corp84. 47 + 0. 39% Skapat med Highstock 4. 2. 6 ) Azure Machine Learning, ett liknande initiativ, tidigare i år med möjligheter att tillgå i Microsoft-produkter, som XBox och Bing. International Business Machines Corp. (IBM IBMInternational Business Machines Corp150.84-0. 49% Skapat med Highstock 4. 2. 6 ) har också Watson Analytics, vilket gör det möjligt för utvecklare att använda Watsons kraftfulla motor. Dessa företag arbetar inom slutna ekosystem. I en hårdvarumiljö kan ett öppet operativsystemets ekosystem orsaka problem på vägen, som Google upptäckte med buggfixar i Android. Med tanke på att djupt lärande spänner över flera branscher, kan omfattningen och omfattningen av Googles konkurrens och problem föröka sig med ett AI-system med öppen källkod.

Bottom Line

Googles TensorFlow är ett steg i rätt riktning. Förhoppningsvis har företaget lärt sig lärdomar från sin Android-upplevelse (som i stor utsträckning har blivit framgångsrik) för att bättre hantera stora open source-ekosystem.