在2019世界人工智能大会期间，TensorFlow全球产品总监Kemal EI Moujahid在主题论坛环节发表演讲。Kemal表示，今天，人们思考、和计算机互动的方式发生了很大的改变。得益于人工智能，有些行业会发生根本性的改变，比如农业、医疗、教育。

人工智能可以用来解决有挑战性的现实问题，例如：帮助农民监测作物（如全球5亿人口依靠的木薯）中的病虫害；协助海洋生物学家识别濒危物种；帮助医生诊断疾病，如利用视网膜扫描技术诊断心血管疾病。

Kemal在提到人工智能与机器学习的关系时表示，前者研究的是如何让机器更智能，帮人解决问题。而后者是人工智能的一个部分，人工智能是通过规则让机器变聪明，而机器学习是让机器自己去学习而变得更加智能。

在演讲中，Kemal提出，机器学习领域的三大进步使得人工智能的这些应用在今天成为可能。

第一，数据变得更加普遍化和易获得。机器学习需要海量的数据，过去数据没有像现在这么充足，而现在甚至有很多免费的数据供给机器学习。各类学科中的各种数据集已成为机器学习系统的燃料，例如，Open Images Dataset就是一个由涵盖数千个类别的超过900万张图像组成的数据集。

第二，计算能力取得了飞速进步。人工智能的发展需要非常充沛的算力，算力的发展目前呈现出指数级的增长。例如，Tensor Processing Units（TPUs），能在短短几分钟内而非几小时内，就训练完成机器学习模型。一套TPUs的计算能力是1990年的计算机的10000倍。

第三，以更快的速度构建更复杂的模型和技术。例如，在自然语言理解领域，研究人员正在取得令人难以置信的进展。

“有了这三个最重要的要素，如何整合起来呢？答案就是TensorFlow。”

Kemal表示，自2015年开源以来，TensorFlow已成长为一个灵活的机器学习框架，目前已到2.0阶段，下载量4100万，提交次数5万+，代码改动请求（PR）9900+，贡献量1800+。

TensorFlow2.0的特点是更容易去使用、易于掌握；功能更强大，能让每个人快速去做大量数据集数据的运算；可扩展，通过在谷歌全系统基础上进行测试，可部署在从小型设备到大型服务器的各类设备上。

其中，随着TensorFlow社区在全球范围内扩展，可以帮助新接触机器学习的开发者学习利用TensorFlow去解决当地社区问题。

比如空气质量监测，全球每年有420万人因为空气污染而丧生，而印度的空气污染问题尤其严重，在冬季，其空气质量指数可达到正常值的4倍。

德里的一群学生就利用TensorFlow实现了一个成本低廉的空气质量监测解决方案。他们开发的AirCognizer应用程序，利用手机相机拍摄的照片进行实时空气质量评估，只需拍下一张天空的照片，便可得知空气质量指数。

本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/442/441.htm]