人工智能这个江湖，怎么有可能风平浪静。Pytorch，一个新的开源深度自学框架，昨天月公布。Twitter上一时间热议争相，各路人工智能专家从不吝惜溢美之词：高雅、简练、超强强劲、很棒……不过这些都是虚词，这个新的经常出现的Pytorch究竟是凭什么夺得赞扬呢？主要还是“动态”这个特性。

最近一段时间，很多“动态”深度自学库兴起出来，例如Chainer、MinPy、DyNet等。动态库的益处很显著，那就是更容易调试和推论。Matroid创始人RezaZadeh总结说道，利用Pytorch这个深度自学框架，想在神经网络中新加一层，很久不用全部推倒重来。有人在reddit上举了一个例子，他之前仍然用TensorFlow或者Keras框架建构RNN（循环神经网络），但是这样就被迫登录句子的长度，每个实例必需有完全相同的长度，较短的句子必需填满。

但如果用于动态库，就可以处置完全给定长度的句子。神经模块网络，就十分限于于Pytorch这样的动态架构。例如登录一张图片，让人工智能问：图中小猫右边的物体是什么颜色？解决问题这个问题，还包括几个子任务模块：首先是辨识出有小猫，然后寻找小猫右边的物体，再行辨识出有明确的颜色。

当然Pytorch的新特性好比于此，但这也不足以让做AI的工程师们激动一阵，特别是在是Google旗下的深度自学框架TensorFlow，还不具备动态的特性。而且，Pytorch虽然没大声鼓吹，但大家都告诉这个深度自学框架，归属于Facebook。Pytorch，能协助Facebook挑战Google在深度自学框架领域的统治者地位么？针对上面这个疑惑，云知声资深AI技术专家、NLP负责人刘升平博士对量子位回应，动态神经网络是很好的特性，但目前Pytorch在Beta阶段，缺少一些关键特性，短期无法动摇TensorFlow的地位。但他也回应，框架的竞争还不会继续下去。

之后辩论这个话题，我想要还是再行解释一下，什么是深度自学框架。我们谈及的人工智能、深度自学，都是依赖软件包含的系统。

搭起这套系统，最少有两种途径：一是从零开始，一步步写整个神经网络的代码；另外，就是利用成型的模块，必要展开装配。所谓的框架，就是一套早已装配好基本部件的软件包。你可以把一个深度自学框架，想象成一套积木，工程师利用有所不同的积木，可以较慢搭起出有有所不同的建筑。

各种框架之间的差异，可以非常简单解读为向用户获取的积木形状各不相同。目前主流的深度自学框架，背后多是有所不同的科技巨头。对应关系如下：TensorFlow——GoogleMXNet——亚马逊paddle——百度CNTK——微软公司Torch、Caffe——Facebook想在人工智能的争夺战中占据主动，这些科技巨头不能在深度自学框架领域也进行白热化的竞争。

而这种竞争的意义，也是显而易见的。谁家的深度自学框架需要夺得更好的用户，谁就能建构起更佳的生态系统，进而取得更好的活力和更加慢的发展。想象一下Android之于Google的意义。坦白的说道，目前人工智能领域，TensorFlow在深度自学框架上的优势非常显著。

但各个科技巨头早就各自召募了大批人工智能精英，谁说道变数一定会再次发生？必需得抱着有期望才讫。前两天，刚就职百度COO的陆奇谈及人工智能战略时，也具体回应百度在人工智能方面的投放，并不是期望自己发售什么人工智能的产品，而是期望搭起一个对外开放的平台，让百度的技术需要应用于到有所不同的领域、有所不同的企业之中。刘升平博士认为，深度自学平台入口和话语权的竞争将不会更加白热化，即使强劲如Google，也不大可能一口气吐出整块蛋糕；对于业界来说，竞争可以尽量避免一家独大。

然而变为最后支撑各种人工智能应用于的基础，才是这场技术争夺战背后的商业目的。所以，人工智能这个江湖，怎么有可能早已风平浪静。

或许迅速，Pytorch的特性就不会经常出现在TensorFlow里。

本文来源：RAYBET雷竞技入口-www.baidve.org.cn