谷歌有限公司今天推出了TensorFlow的新迭代，这是一个流行的人工智能框架和一对互补模块，旨在使算法能够更负责任地处理用户数据。
TensorFlow2.0专注于提高可用性。这个版本带来了一个基于Keras的简化应用编程接口，Keras是一个开源工具，旨在使AI开发框架更容易使用。它使工程师能够在一个地方访问以前跨多个API扩展的功能，并为定制开发工作流提供了更多选项。
另一个关键的增强是支持所谓的急切实现。TensorFlow2.0启动AI模型的速度比以前的版本快得多，这使得工程师可以在测试运行之间的短暂延迟内尝试不同的模型更改。考虑到机器学习开发的高度迭代性，有可能节省相当多的时间。
然而，尽管TensorFlow2.0有了显著的改进，但谷歌推出的两个配套工具还是吸引了业内最大的关注。他们的目的是帮助开发人员将隐私控制直接构建到他们的人工智能软件中，以更好地保护用户信息。
第一个模块，TensorFlow Privacy，使机器学习模型能够丢弃他们不应该处理的潜在敏感数据。它通过自动过滤不同于信息分析算法的输入来实现这一点。例如，基于人工智能的拼写检查器主要以字母为输入，这意味着像信用卡号码这样的长数字序列可以很容易地被识别和过滤。
“要使用TensorFlow隐私，你不需要隐私或其基本的数学专业知识：使用标准TensorFlow机制的人不应该改变他们的模型架构、培训计划或流程，”谷歌工程师凯里雷德博(Carey Redbaugh)和乌尔法埃利林森(Urfar Ehrlingsson)在他们的博客文章中详细介绍了这一点。
