5月23日，柯洁与AlphaGo的围棋大战在浙江乌镇举行正式打响，最终，柯洁以1/4子的劣势惜败AlphaGo。
在乌镇举办的AI论坛可谓是精英尽出，DeepMind的联合创始人兼应用人工智能主管Mustafa Suleyman就在演讲中回答了许多关于人工智能具体应用的问题，揭示了这项划时代的技术对于整个人类社会的潜在深远影响。
同样是在比赛当天，DT君采访了谷歌TensorFlow技术总监Rajat Monga，以下是DT君从现场发回的采访纪录：
TensorFlow在AlphaGo的升级过程中的角色是？
Rajat Monga：TensorFlow对于AlphaGo来说更多的是底层支撑技术。我们主要的作用是让这个系统运转更加的流畅、速度更快。至于AlphaGo本身在围棋技巧上的提升，这更多的还是由DeepMind团队去完成。
TensorFlow 衍生的各种高层 API 封装，最有可能推广的是哪一款？
Rajat Monga：实际上，TensorFlow有许多具有创新意义的定制化封装，其中一个就是Keras，我们也在积极和Keras的开发人员合作，把两者更好地集成在一起，同时我们也为TensorFlow加了一些API，例如Keras和Estimator。
我们的想法是，希望越来越多的TensorFlow封装可以实现开箱即用。
TensorFlow这种成熟框架的存在是否也意味着，深度学习的工程师不再需要数学上的积累？他们的价值是否会贬值？
Rajat Monga：DeepLearning有不同的工作种类：
其中一种是研究类的，专注于开发新模型，这方面的研究工作仍然需要数学专业背景；还有一种工作是做应用集成以及新产品的开发，在这个领域，开发工作确实会因为一些顺手的工具相对而言变得简单。
目前，TensorFlow是开源的，随着时间的推移系统会越来越复杂，其透明度就会降低，这是否会形成一种不健康的生态？TPU未来会开源吗？
Rajat Monga：首先，在有关透明度的问题上，我们一直以来都在TensorFlow上进行不同的堆栈，就是一层一层这样的构架。所以，在上层可能会存在更多的层叠，但是底层的透明度会一直保持。
有关第二的问题，其实我们也一直与英伟达交涉，希望他们也能开源，但是到目前为止，英伟达还未给出明确答复。我们希望越来越多的人能用它，所以我们会在未来考虑这件事情。
您提到中国有着数量最庞大的TensorFlow开发人群，具体是多少呢？以后会如何增长？
Rajat Monga：目前TensorFlow的下载量是14万，不少公司以及大学都在使用TensorFlow。
今年谷歌云大会上，您提到了越来越多的企业正在接纳TensorFlow，其中有英特尔、小米和京东，这些企业正在用TensorFlow从事哪些方面的研究和应用？
Rajat Monga：首先，这些企业毫无疑问都是一些有硬件产出的厂商。我们任务，像小米这样的一些厂商应该是用TensorFlow做云分析的相关应用，更具体的我们就不得而知了。
TensorFlow是否会为企业提供定制化的服务？
Rajat Monga：首先，TensorFlow在谷歌内部的使用更接近于技术研究的领域，我们不会期待把它打造成企业级的业务。但是，我们把TensorFlow开源之后，像Github这样一些开源社区就会需要TensorFlow的技术支持，我们会给予一些支持。当然，如果有一些企业有兴趣与谷歌进行深入合作，我们也会考虑。
谷歌内部使用的TensorFlow与开源版本是否有区别？
Rajat Monga：二者几乎完全一样，不过有些时候我们内部会在局部的小插件上做一些改变，另外，我们也有专门团队与谷歌内部使用TensorFlow的其他团队对接。
谷歌是如何评估和看待类似于torch等其他竞品？
Rajat Monga：其实，DeepMind的一位创始人之一很久以前也是做torch的，因为torch存在的时间比TensorFlow长，它很早就诞生了。之后，用户发现TensorFlow有更多的优点，比如说规模更大等等，这样的优势让从Torch已经切换到了TensorFlow上了。我们刚才谈到DeepLearning，它已经是在TensorFlow的基础上去进行了。
-End-
点击图片查看报名方式
