国产开源框架越来越多,抓住产业化的窗口期要靠谁?

Alter聊IT

    
    天元、MindSpore、计图、OneFlow……一连串国产开源深度学习框架的相继问世,让中国的开源AI迎来了迟到的“暖春”。
    8月15日的“2019中国电子学会科学技术奖”颁奖仪式上,百度自主研发的“飞桨产业级深度学习技术与平台”,更是荣获2019年度中国电子学会科学技术奖科技进步一等奖。
    国产开源深度学习框架开始得到行业的认可。
    早在2016年的时候,国内的开源AI还只有百度飞桨一股力量,不少开发者被迫在Google的TensorFlow和Facebook的PyTorch之间做选择。特别是在“断供华为”的阴影下,深度学习框架是否会被“断奶”,一度成为外界热议的焦点。在过度依赖国外开源框架造成的不确定中,“框架自由”成了国内不少开发者的夙愿。
    2020年国产的深度学习框架逐渐填补了空白,可人工智能的“开源之战”也愈演愈烈,早已上升为争夺人工智能话语权的较量。中国需要的不仅是越来越多的参与者,还需要在世界舞台上拼刀法的撒手锏。
    01 开源的自由与国界
    关于深度学习框架的价值,还要从算法开始说起。
    在人工智能的三要素中,如果说数据是燃料、算力是发动机,算法就是催化剂,直接决定着发动机对燃料的利用率,也是深度学习研究中的基本功。在深度学习的初级阶段,每位研究者都要花大量的时间写算法。
    深度学习框架的出现,大大降低了开发者入门的门槛,不再需要从零开始写一套机器学习的算法,可以直接使用框架中已有的模型进行组装,或者在已有模型的基础上训练自己的模型,让算法的规模化生产成为可能。
    打一个比方的话:优秀的深度学习框架给开发者的价值,可以让开发者在项目训练中告别手工时代,就像拖拉机之于农民,原先需要一锄头接着一锄头平整土地,自动化的拖拉机可以让一个人完成原来数十人的工作。
    其实业界对深度学习框架的价值早已形成了共识,争议在于“开源”二字。无论是Google的TensorFlow,还是Facebook的PyTorch,无不披着开源的外衣,在“开源自由”的互联网世界里,中国是否有必要推崇所谓的“国产”?
    
    长江商学院经济学教授、人工智能与制度研究中心主任许成钢,曾经分享过这样一组数据:中国关注人工智能开源软件包的人数在2017年秋就超过了美国,但93%的中国研究者使用的是TensorFlow等美国企业提供的开源框架。
    某种程度上说,这是一组相当恐怖的数据,芯片和开源框架分别代表了算力和算法,在芯片已经被国外卡脖子的局面下,倘若继续高度依赖国外的开源框架,算力和算法两大基石都受制于人,等同于彻底把游戏规则的制定权交到了美国手中。一旦游戏规则掌握在别人手里,中国永远都是缺少话语权的弱者。
    当然,国内仍然有不少理想主义者为开源唱赞歌,一群工程师、科学家、法学家为了开源自由对抗执法部门的故事,时常出现在国内的舆论场中。但现实终究拗不过强权,一向以开源社区自居的GitHub,屡屡传出封禁伊朗、俄罗斯等国籍开发者的消息,开源背后的国界意识也是不争的事实。
    况且中国并不缺少过度信奉开源的教训,典型的例子就是华为。在美国政府的封杀下,谷歌虽然照旧向华为开源了AOSP项目,可配套的GMS服务却把华为拒之门外,直接影响了华为手机在海外市场的销量。
    开源深度学习框架是否存在同样的隐忧?可能在枪响之前,我们永远都不知道下一个陷阱在哪里。
    
    
    1  2  3  下一页>