Facebook结交各路盟友 AI开放架构与车用软件样样来
2017-09-18 来源:DIGITIMES
科技巨擘竞相发展人工智能(AI)之际,各自发展自家的深度学习框架来深化机器学习的能力,如今此一趋势在Facebook与微软(Microsoft)共同推出开放神经网路交换框架(Open Neural Network Exchange;ONNX)后出现变化,未来Facebook自家的PyTorch、Caffe2,或是微软的Cognitive Toolkit,皆相容于ONNX的框架。
ONNX将相容于PyTorch、Caffe2、Cognitive Toolkit
ONNX做为开源性框架,允许开发者将其神经网路在不同框架中移转,免除不同框架下无法相容的问题。Extremetech指出,由于目前有好几款神经网路框架,开发者在操作深度学习工作前,得选择一套适宜的框架模型,但提供测试与调校的最佳神经网路框架,不一定适合做为发表在市场上的选择,同样地,独立的深度学习框架解决方案或许适合企业内部使用,但若想要推广到市面上,便需要拥有标准化的架构来吸引外界的使用,举例来说,Facebook的PyTorch为神经网路框架的元老级产品,拥有出色运算效能,但该公司随后推出的Caffe2更有利于像是手机或是内嵌装置等终端装置,而目前Caffe2的产品能见度也高于PyTorch。
Extremetech认为,ONNX让研究人员得以从过去的运算框架中得到解放,并且更便于向外界表达自己的开发思维。不过,Extremetech也报导ONNX尚未相容PyTorch的动态流量控制,且Facebook在相关声明中也暗示PyTorch的高级程序中也有其他不相容的问题,但Extremetech仍认为,如同过去USB格式、4G通信协议,甚至是Wi-Fi,最后朝向标准化迈进,ONNX的出现代表未来深度学习运算的相关开发者将有更便利的开发环境。
值得一提的是,Extremetech认为ONNX的相容性更有利于在AI资源相对较薄弱的微软,其不管在AI或是深度学习的产品上,与其他科技巨头的同类型产品最大的不同在于,微软没有适合于消费端的产品,在Win 10 Mobile已然穷途末路之际,微软能面世的AI产品只剩下智能语音助理Cortana,与苹果(Apple)与Google相比,后两者有庞大的移动装置数量,即便是ONNX的合作伙伴Facebook,也拥有10亿名用户资源。在目前机器学习讲求数据资源作为开发基础上,微软借由与Facebook合作共组ONNX,明显对其有利。
不过,目前主流的神经网路框架仍是Google的TensorFlow,不管在GitHub或是自身的生态圈资源,倍受开发者拥戴,其目前也未有加入ONNX的迹象,而亚马逊(Amazon)的MXnet同样未加入。
Facebook宣示深化与德国汽车大厂的合作
Facebook除了与微软共组ONNX外,在9月14日于德国法兰克福国际车展上,其营运长Sheryl Sandberg誓言将深化与戴姆勒(Daimler)与福斯(Volkswagen)等德国汽车大厂的合作。Sandberg在车展上公开宣示,其正向汽车制造商广发邀请,就AI议题展开合作,并加速汽车产业在数位化工具的发展。
Sandberg更表示,Facebook是硅谷科技业中唯一不造车的公司,进一步消除外界传闻Facebook将进军汽车制造业的传闻。
彭博(Bloomberg)则认为,实际上,汽车产业与科技界的界线已日益模糊,如今新上市的新车,内部布满各类感测器与芯片,而行车软件的开发也日益受到消费者重视。汽车产业更被视为下一波新科技浪潮的前线战场,诸如苹果与三星电子(Samsung Electronics)也重金押注在自驾车计划上。同样的,BMW与丰田(Toyota)对于自家车技术也是充满高度兴趣,更研议发展开放平台。
此外,Sandberg也透露,Facebook非常高兴获邀参与在慕尼黑的Mobility Hub,在这个由戴姆勒、BMW与SAP合作的新创计划中,Facebook的工程师将一同协力进行不管是AI或是产品开发等一系列工作。
- 遭受苹果iOS App跟踪透明化阻挠后,Facebook广告表现突然转好
- Facebook及三星参加IEEE IEDM大会,探讨内存及AR应用
- 谷歌和Facebook“非法交易”曝光:CEO串谋操纵广告市场
- 伟时电子:已给Facebook旗下产品供应背光显示模组
- 伟时电子:已经为Facebook旗下产品供应背光显示模组
- 元宇宙是希望,也是 Facebook 一次逃亡
- u-blox助力Facebook新一代授时系统加速数据中心高效运转
- 俄罗斯法院向Facebook公司追讨236万元罚款
- Facebook发布TAP应用的Time Card时钟同步开源项目
- 曝FaceBook自主研发机器学习芯片