Google：AlphaGo2.0思考快速的关键在于TensorFlow学习框架

针对此次乌镇围棋峰会首场人机大战由AlphaGo 2.0取下首胜，Google开源学习框架TensorFlow项目负责人Rajat Monga在受访时表示，AlphaGo运作系统背后由TensorFlow学习框架作为许多底层运算支撑，并且让AlphaGo系统运算效率更加流畅。

根据Rajat Monga说明，AlphaGo整体运作流畅表现源自采开源架构设计的TensorFlow学习框架，并且成为AlphaGo底层诸多技术基础，而如何让AlphaGo变得更会下棋则是DeepMind团队主要负责工作。因此整体来看，TensorFlow学习框架成为此次AlphaGo 2.0思考时间变得更短的主要关键。

从过去推行的TensorFlow 1.0开始，Google此项开源架构设计的学习框架已经累积众多应用，除了Google自行打造的TPU强化此项学习框架加速应用，就连NVIDIA采Volta显示架构的Tesla V100加速卡也在硬件设计导入Tensor核心，借此提升人工智能学习加速效果，甚至在对应自驾车使用的学习系统也针对TensorFlow学习框架优化。

目前TensorFlow学习框架已经对应Python、C++、Java、R、Haskell、Go等常见程式语言，因此更容易衔接各项应用服务，分别由Airbnb、Uber、Twitter、Intel、Qualcomm、小米、京东、百度等厂商用于旗下服务与产品设计，并且能对应自然语音识别、电脑视觉或数据分析等使用需求，甚至在今年Google I/O 2017期间更针对装置端运算应用提出简化版TensorFlow Lite，让App应用内容也能进行深度学习，借此让端点运算更具效率。

而就Google立场，目前仍维持将TensorFlow以开源架构提供使用，并不会特别针对厂商需求优化，但仍可针对不同使用情况协助客制化。