Google LLC今天推出了TensorFlow的新版本，其流行的人工智能框架以及一對互補(bǔ)模塊，旨在使算法能夠更負(fù)責(zé)任地處理用戶數(shù)據(jù)。

TensorFlow 2.0主要致力于提高可用性。該版本帶來了基于Keras的簡化的應(yīng)用程序編程接口，Keras是一種開放源代碼工具，旨在使AI開發(fā)框架更易于使用。它使工程師能夠在一處訪問以前分散在多個API中的功能，并提供了更多選項(xiàng)來自定義開發(fā)工作流程。

另一個重要的增強(qiáng)功能是增加了對所謂的“急切執(zhí)行”的支持。TensorFlow 2.0能夠比以前的版本更快地啟動AI模型，這使工程師可以嘗試不同的模型變化，并在測試運(yùn)行之間延遲更短。考慮到機(jī)器學(xué)習(xí)開發(fā)的高度迭代性，這有可能節(jié)省大量時間。

盡管TensorFlow 2.0有了重大改進(jìn)，但與該版本一同推出的兩個附帶工具卻引起了業(yè)界的最大關(guān)注。它們旨在幫助開發(fā)人員直接在其AI軟件中構(gòu)建隱私控制，以更好地保護(hù)用戶信息。

第一個模塊TensorFlow Privacy使機(jī)器學(xué)習(xí)模型可以丟棄不應(yīng)處理的潛在敏感數(shù)據(jù)。它通過自動過濾與算法通常攝取的信息不同的輸入來實(shí)現(xiàn)。例如，基于AI的拼寫檢查工具通常會將字母作為輸入，這意味著很容易識別和過濾諸如信用卡號之類的長數(shù)字序列。

Google工程師Carey Radebaugh和Ulfar Erlingsson在博客中詳細(xì)介紹：“使用TensorFlow Privacy，不需要任何隱私或其基礎(chǔ)數(shù)學(xué)方面的專業(yè)知識：使用標(biāo)準(zhǔn)TensorFlow機(jī)制的人員不必更改其模型架構(gòu)，培訓(xùn)過程或流程，”發(fā)布。

Google的另一個新的隱私模塊稱為TensorFlow Federated。該軟件針對越來越多的依靠AI支持核心功能的移動服務(wù)。

由于移動設(shè)備的處理能力有限，應(yīng)用程序通常通過將用戶數(shù)據(jù)發(fā)送到基于云的后端進(jìn)行分析來處理機(jī)器學(xué)習(xí)的學(xué)習(xí)方面。TensorFlow Federated使應(yīng)用程序可以直接在用戶的手機(jī)上執(zhí)行分析。然后，開發(fā)人員可以收集所得到的見解，并使用它們來改進(jìn)其AI算法，而不必訪問基礎(chǔ)數(shù)據(jù)，從而為消費(fèi)者增加了隱私。

“借助TFF [TensorFlow Federated]，我們可以表達(dá)我們選擇的ML模型架構(gòu)，然后在所有作者提供的數(shù)據(jù)上訓(xùn)練它，同時保持每個作者的數(shù)據(jù)分別和局部。”兩位工程師Alex Ingerman和Krzys Ostrowski誰幫助開發(fā)該項(xiàng)目，在一個單獨(dú)的寫帖子。

與TensorFlow本身非常相似，新模塊可在開源許可下使用。