Google已全力投资以开发人工智能的潜力。该公司发布了一系列工具，文档，教程和平台，以帮助开发人员将机器学习应用于应用程序。TensorFlow是他们在该领域最重要的项目之一。这是一个开源开发平台，可帮助团队和个人通过机器学习来训练模型。在第三届年度TensorFlow开发者峰会上，Google宣布了TensorFlow 2.0的第一个Alpha版本。峰会还介绍了许多其他内容，我们将在下面总结。
TensorFlow 2.0的第一个公开Alpha版本现已上市。虽然该平台的旧版本对具有ML经验的开发人员而言更有用，但TensorFlow 2.0在简化所有人的工作流程方面迈出了重要的一步。TensorFlow 2.0将依靠tf.keras来简化环境的使用。该平台背后的开发人员还计划从中淘汰一些API。正如他们所解释的，有两种工具几乎可以完成相同的事情。由于团队决定坚持使用tf.keras，因此可以安全删除许多不必要的API。TensorFlow也因其急切优先的性质而在被调用时立即运行。TensorFlow 2.0的完整版本将于2019年第2季度开始。您可以在TensorFlow团队的博客文章中查看迁移，安装和参考说明。。
大数据虽然有好处，但也有一些缺点。从字面上看，数十亿的设备每天都在生成新数据，但在大多数情况下，它们会经过一个集中式环境(数据中心，云等)。从功能上讲，该方法对最终用户的意义不大，但它可能引起注重隐私的用户的注意。TensorFlow团队已经意识到了这个缺陷，因为他们现在正在让开发人员采用更加分散的方法。TensorFlow Federated是一个新的开源框架，允许开发人员使用TF中的所有ML训练工具，同时将数据保留在本地。TensorFlow博客文章提到了Google如何在设备上训练键盘发短信预测的示例。您可以在TensorFlow团队的博客文章中查看所有技术细节。
机器学习专家不仅考虑数据，还考虑隐私。我敢肯定，您有时会偶然发现与您最近发送的电子邮件或收到的消息有关的可疑广告。为了确保安全地处理和培训所有这些敏感数据，专家提出了与隐私进行交互的新友好方式。Google投入大量精力来确保用户可以处理自己的数据。宣布TensorFlow Privacy的博客文章中有一句非常重要的句子：“理想情况下，经过训练的机器学习模型的参数应该对一般模式进行编码，而不是对特定训练示例的事实进行编码。” 这是AI的目标-处理数据而不存储数据的敏感部分，从而使用户不那么容易受到攻击。
TensorFlow Privacy使用差异隐私理论来处理数据。这意味着，只有它们足够相关，它才会学习数据的特定组成部分。它仅在处理和了解最重要的内容时才会删除稀有的细节。因此，如果您将本文提交给TensorFlow Privacy，它可能会学到一两个关于TensorFlow和我对隐私的热爱，而同时又会模糊使用不多的隐喻。这样，您可以确保使用TensorFlow Privacy的ML平台不仅仅接受您提供的任何东西并将其变成广告或其他东西。这里有更深入的示例和参考。
激活图集
目前，神经网络是处理图形内容的最有效，最准确的方法。由于许多新技术的性质，它们常常在功能方式上被误解。这就是Google决定发布“使用激活图集探索神经网络”的原因。激活地图集可视化并准确解释了神经网络如何处理图像。
