智东西（公众号：zhidxcom）
文 | 十四

今天，扎克·伯格表示要把自家的人工智能硬件平台开源化，供程序猿“散修”们免费地使用、学习和修改，并承诺会公开完整的人工智能任务创建方法。

上一次这么做的“冤大头”是谷歌，两者玩的都是时下人工智能最为流行的“深度学习”。十一月，谷歌以开源方式免费提供自家TensorFlow机器学习软件，它能用于安卓手机的语音控制，也能帮助出国旅游的用户实时地理解看不懂的地标、说明等。

Facebook是怎么做人工智能的？

Facebook这次开源的代码名为“Big Sur”，是一种易于组装的计算机服务器，可以运行最新的人工智能算法。与一般服务器不同的是，它包含了8个图像处理单元，也就是NVIDIA的Tesla M4 GPU板。

GPU是一种适用于深度学习算法的微处理器，每个GPU都包含了数十个功耗300瓦的芯片。与CPU类似，GPU是专为执行复杂的数学和几何计算而设计的。

据称，经过一年半的试验，Big Sur运行深度学习算法的速度比Facebook之前使用的服务器翻了一番。换言之，它能是计算机同时运行更多程序，实现更高层次的人工智能，能进一步推动计算机的人脸识别和使用自然语言的功能。

不要小看社交网站，新闻排序、图像识别等都涉及大量的数据处理。更何况Facebook还搞了一个用自然语言为盲人描述照片的软件。所以说，Facebook的运转一直依赖着大量人工智能技术的支持。

值得一提的是，之前企业做服务器都只能找戴尔、惠普、IBM等大公司，但随着Facebook、谷歌、亚马逊等越来越多公司开源设计，现在企业们能自己联系亚洲芯片制造商，比如正和Facebook合作的广达，节约大量成本。

“深度学习”究竟什么鬼？

近几年的实际应用，已经充分论证了“深度学习”在图片识别等计算机领域的优越性。

举几个栗子：谷歌萌萌的猫脸识别软件、澳大利亚协助放射科图像诊疗的Enlitic软件、微软的Skype翻译、Yelp的餐厅菜单勾选功能，以及大boss——智脑沃森，都运用了“深度学习”。

“深度学习”是一种模仿神经构造的算法，被认为是未来计算机可能性的所在。随着研究的进展，Facebook、谷歌、百度等公司已经发现，GPU在构建神经网络结构上更有优势。

而Facebook此次公布的硬件平台，主要突破在于拓展深度算法的层次，推动深度算法的演变。用深度算法大牛（一说“深度算法之父”），也就是现在Facebook人工智能负责人Yann LeCun的话来说：卷积神经网络构造得越大，它们工作得就越好。

大佬们都这么无私搞开源？

开源这件“蠢事”能获利，最直观的例子就是安卓手机的逆袭。由于开源，安卓系统创建了强大的开发者社区，才逐步夺回了手机市场。日前，苹果也把Swift开源化了。

而做人工智能开源这件“慈善事业”的，不止是谷歌和Facebook，还有微软、IBM、百度等。当然，大佬们也不傻，开源的大都是比较顶层的算法。

与手机软件不同的是，“深度学习”算法相对来说比较年轻，借用Facebook发表的声明：共享工艺和技术，这种开放式的合作，不仅有助于促进设计的创新，也能帮助人类进一步构建复杂的人工智能系统。

换言之，“深度学习”这一领域需要通过开源来吸引更多的开发者加入，来推动技术的进步；同时，这也是科技公司们集思广益，减少自己科研经费压力的一种方式。

总结

就像LeCun说的，越多的人使用一个平台，这个平台就会变得越来越好，这是一种网络效应。因为在某个特定的平台和标准上，团结到更多的人，才能让这个平台，或标准为更多的人服务。

也许这就是为什么，距离谷歌推出TensorFlow才短短几个星期，Facebook就急不可耐地宣布要开源硬件平台。这是一场“深度学习”技术的“圈地战争”。