Google の AI 覇権を解決する別の方法は?開発プラットフォームのエコシステム包囲

編集者注：この記事はWeChatパブリックアカウント「脑极体」（ID：unity007）からのもので、36氪の許可を得て公開されています。

モバイル インターネットと比較すると、AI は開発者にとってより急進的なゲームになります。

学術界であれ大企業であれ、提供できるのはルールや参考資料、そして少数の模範的な応用例だけです。最終的に人工知能を実現し価値を生み出せるのは、頭の中にひらめきを持つ何千人もの開発者だけです。

この特徴に駆り立てられ、人工知能開発の基盤を掌握し、質の高い開発者エコシステムを集めることが、AI軍拡競争における巨人たちのハイライトとなっている。このコンペティションの中核となるのは、ディープラーニング開発プラットフォームです。

[[204125]]

見渡す限り、機械学習やディープラーニングのためのさまざまなフレームワークやプラットフォームが次々と登場しています。多くのプラットフォームは企業や科学研究機関が内部的に利用したり、半オープンであったりするため、類似のプラットフォームがいくつあるかを完全に数えることは困難です。しかし、確かなのは、市場には少なくとも 15 を超える主流のフレームワークが存在するということです。

これらのプラットフォームとその背後にある企業体がそれほど友好的ではないことは注目に値します。プラットフォーム、コミュニティ、開発者グループを中心に、人工知能をめぐる新たな戦いが進行中です。

現時点でのこの戦いの主なテーマは、GoogleとTensorFlowをいかに包囲するかだ。

[[204126]]

マイクロソフトとフェイスブックが協力して囲碁をプレイ

機械学習プラットフォームは当初、学術界での使用に限定されており、アルゴリズムやモデルのエンジニアリング基盤が不十分であったため、開発プラットフォームは主に研究室によって立ち上げられました。誰もが自分のゲームをプレイしており、団結力が足りません。

このソリューションの欠点は、業界の手がかりが絡むと、人工知能開発プラットフォームが非常に複雑になり、断片化されてしまうことです。製品にさまざまな機能を持たせるためには、開発者はさまざまなプラットフォームを使用し、多大な労力をかけてそれらを統合する必要があることがよくあります。

この状況に対処するため、9月8日、MicrosoftとFacebookは共同でオープンソースツール「ONNX」をリリースしました。

いわゆる ONNX は、「Open Neural Network Exchange」の略で、「オープン ニューラル ネットワーク交換」を意味します。名前が示すように、このツールの価値は、開発者がトレーニング済みのニューラル ネットワーク アーキテクチャをさまざまなプラットフォーム間でシームレスに接続し、変換コストを大幅に節約できることにあります。

Microsoft と Facebook が発表したニュースによると、ONNX は現在、Microsoft の Microsoft Cognitive Toolkit、Facebook のディープラーニング フレームワーク PyTorch、そして非常に主流のディープラーニング開発プラットフォーム Caffe2 と互換性があります。

[[204127]]

これら 3 つの開発プラットフォーム間の接続は確かに価値がありますが、興味を持っている人は別の情報についてもっと心配しています。Google の TensorFlow は接続されたプラットフォームの中に含まれていません。

そこで、次のような憶測が浮かび上がってきた。AIへの大口投資者であるFacebookとMicrosoftは、開発プラットフォームの開放によってもたらされる技術標準化の価値、柔軟な運用の経験的利点、プラットフォームの境界を突破した後のコミュニティリソースの共有に頼って開発者の関心をより刺激し、開発プラットフォームレベルでのGoogleの潜在能力を分離したいと考えているのかもしれない。

これは、インターネット企業の同盟における「囲碁」のルールが、AI という比較的純粋な領域で実行され始めたことを示しているのかもしれない。

湘荘の剣舞：TensorFlow の生態学的成長を阻止する

ここで説明する必要があるのは、なぜ TensorFlow をターゲットにする必要があるのか​​ということです。

TensorFlow はもともと、Google Brain プロジェクトのディープラーニング開発プラットフォームでした。2015 年に、このプロジェクトは正式にオープンソース化され、一般に公開されました。 Google の AI プロジェクトの多様な利点により、その利用成長率は高いまま維持されています。

今年 2 月に TensorFlow 1.0 が正式リリースされ、重要な変更が行われました。この正式版では、言語の適応性が最適化され、アルゴリズムのサポートがさらに追加されるだけでなく、TensorFlow で開発されたモデルを携帯電話などのモバイル デバイスに展開できるようにする XLA (Accelerated Linear Algebra) も​​追加されます。

開発者にとって、この変化はある程度、次の時代と大きなビジネスチャンスを意味します。その効果はすぐに現れました。今年 2 月以降、TensorFlow は正式に Caffe を上回り、最も広く使用されている機械学習プラットフォームとなり、その差は広がり続けています。

Caffe のような学術的な学校とは異なり、TensorFlow が「リーダー」になったことで、業界は当時 Android に支配されるのではないかという恐怖を即座に思い出した。そして、これは事実です。Google は TensorFlow のエンジニアリングと産業化に投資を続けており、Google Brain、TPU、クラウド コンピューティングなどのビジネスとのつながりを築いています。さらに、Deepmind などの専門家が常に新しいアイデアやツールをリリースしているため、TensorFlow は最も話題になり、商業的に想像力豊かな AI プラットフォームとなっています。

他の AI 大手にとって、Google の AI エコシステムが徐々に形を整えつつあることは、AI 分野における Google の覇権に対する脅威を意味するかもしれない。諺にあるように、湘荘の剣舞は沛公を狙う。業界の問題を解決するのは表面的な仕事に過ぎない。Google AIが完全な自己エコシステムに発展するのをいかに阻止するかが戦略目標だ。

[[204128]]

TensorFlow に対抗するために力を合わせるのが最も現実的な選択肢のようです。特に、TensorFlow は最良ではなく、その独自の弱点により、この分野での競争にさらなる不確実性が残ります。

多数派を掌握する：ディープラーニングプラットフォーム間のAIの秘密戦争

エンジニアの友人たちにインタビューしてみました。機械学習に対する考え方は人それぞれですが（これは勉強する価値あり）、一般的にTensorFlowの評価は「始めるのは簡単だが習得するのは難しい」というものでした。

内部プラットフォームとして、TensorFlow は多くの反復を経てきましたが、そのコンピューティング効率は依然として批判されています。さらに、多くの派手で役に立たない機能があるため、開発者が学習してうまく実行することが難しく、複雑なニューラル ネットワークを開発することも困難です。

しかし、TensorFlow の弱点は、他のプラットフォーム所有者がそれを軽視するほどのものではありません。 Google 自身の非常に意図的な自己アップデートは言うまでもなく、より大規模な開発者環境の観点から見ると、Google と TensorFlow は弱点から強みへと変わる可能性もあります。

ほとんどの開発者は、ディープラーニング機能に非常に近い PyTorch などのプラットフォームの方が「専門家」に適していると考えているようです。一方、TensorFlow は、シンプルな API インターフェースと非常に強力なコミュニティ リソースを備えているため、初心者に適しています。

[[204129]]

しかし、このポジショニングが確立されると、他のプラットフォームにとって非常に危険になります。なぜなら、AI産業化のプロセスが加速する今日、焦点は熟練した開発者とどのように協力するかではなく、より多くの初心者とのつながりを開き、すでにトレンドを察知し、開発者の地位を獲得しようとしている「大多数」を獲得する方法にあるからです。

この場合、自分のプロフィールを下げてドアを開けることが、自然にプラットフォームの製品運営の核となる考え方になります。開発者にとって、ディープラーニングやニューラルネットワーク開発用のプラットフォームを選択する際に考慮すべきことは、スムーズで使いやすいかどうか、学習コストを多く消費するかどうか、強力なコミュニティリソースとディスカッション環境があるかどうかの3つだけです。

おそらく、Microsoft と Facebook がツールを使ってプラットフォームを接続するのは、単なる第一歩に過ぎないのでしょう。端末の応用シナリオがより多様化し、AI実装の需要が強くなるという前提の下、開発プラットフォームの再編と統合が今後の中心的な焦点となるでしょう。

結局のところ、「AI時代にGoogleがAndroidを開発することはもはや許されない」というのが、ほとんどのAI大手の一般的な合意であるはずだ。