TensorFlow+Cloud TPU，是谷歌AI贯穿所有应用的主牌

      本次人机大战中，谷歌官方特意强调了AlphaGo 2.0运用的硬件设备。在这方面，TensorFlow也为AlphaGo提供了底层支撑。

      在近举办的Google在I/O大会上，第二代TPU横空出世，针对训练及推理而设计，具有能够相互连接的设计，能够达到180万亿次浮点预算。在Google的TPU舱室，拥有64台第二代TPU，能够达到每秒11.5千次浮点运算。谷歌的二代TPU比市面上最好的GPU快4倍。目前，新型估算接口已经接入到TF1.2上，还可以通过谷歌云获得，也就是TensorFlow研究云（TFRC），它可以达到每秒180千万次浮点预算。

      也就是说，未来TensorFlow将于Cloud TPU深度融合，为AI开发者提供服务。Tensorflow是一个深度学习框架，也是进行深度学习训练的工具，可以在分布式系统上执行的引擎，具备灵活性、规模化、易用等特点。对谷歌而言，TensorFlow贯穿了整个公司，同时并行被应用到谷歌的各个产品和应用中。

      Google TensorFlow软件工程师Rajat Monga透露，目前TensorFlow下载量已经达到14万，而中国拥有全球最大开发者人群，希望TensorFlow可以服务于更多的中国开发者。

      Rajat在演讲中举了两个例子，一是如何使用Tensorflow运用到农业领域，比如在一个农场上，利用传感器跟踪牛只，然后发送数据到进展，数据发送到云，并加以分析，然后给农场主提供建议。另外一个例子是如何利用机器学习拯救濒临灭绝的海牛，通过对海牛生活的地区进行图像扫描分析，能够得出更加精准的信息。

下一步，谷歌想实现自动化AI

      当然，这一切都离不开谷歌AI优先的战略布局，Google资深研究员、Google Brain负责人Jeff Dean在接受记者采访时表示，机器学习是谷歌的产品核心，在近5年的进步非常大，在未来的5年时间将开始大规模应用。

　  　JEFF DEAN称：“人工智能机器学习贯穿于谷歌各个部门，根据机器学习我们会做硬件定制化，还会与各产品组做配合，贯穿整个系统，任何产品服务都会有AI，不会孤立。”

　 　此外，在今年5月，谷歌揭示了人工智能发展的一种主要新方法，它被称为“自动机器学习（AutoML）”，它允许人工智能成为另一个人的架构师，并在无需人工工程师输入的情况下进行自我创造。

      AutoML项目专注于深度学习，一种涉及到通过神经网络层传递数据的技术。创建这些层是很复杂的，因此谷歌的想法是创造能够自我创造的人工智能。

     谷歌的这个想法，就是让现有的人工智能创建自己的代码层，而事实证明，它比它的人类技术人员更快、更有效地完成了它的工作。

     不过，根据谷歌的说法，AutoML的主要目标并不是要将人类从开发过程中剥离出去，甚至也不是要开发全新的人工智能，而是让人工智能继续以我们多年来一直享受的速度来改变世界。