[東京直擊]為何Google要推開源機器學習系統TensorFlow？|數位時代 BusinessNext

Google宣佈將其最新的機器學習技術TensorFlow以開放源碼專案釋出。Google 以 Apache 2.0 授權模式開放以 Python 或 C++ 為主要服務語言的 TensorFlow 專案，並將這個專案的程式碼與相關工具放在 Github 上。

TensorFlow 是 Google 繼 2011 年開發了 DistBelief 之後，透過使用資料流 (flow) 圖像，來進行數值演算的新一代開源機器學習工具。這個機器學習工具的基礎設計，主要透過圖學裡的「節點」來表達數學運算，「邊」來表示「節點」間的多維度資料陣列 (tensors，張量)，因此命名做 TensorFlow。TensorFlow 主要由 Google 機器智慧研究室與 Google 大腦研究組 (Google Brain Team ) 的學者與工程師所開發，容許開發者自由配置運算環境來做深度神經網絡研究，但也足以支持普通環境所需要的服務（例如透過影片進行圖像辨識）；你可以部署 TensorFlow 在使用一個或多個 CPU 或 GPU的桌機或伺服器上，也可以透過一個 API 部署在行動裝置裡。

Gmail的垃圾郵件判讀、Google相簿臉部識別、Google翻譯，我們天天都在使用 Google的機器學習系統，現在Google將TensorFlow以開放源碼專案釋出了。相比IBM，微軟與百度等競爭對手的封閉路線，再次打出開源牌的Google是否又會成為機器學習領域的霸主呢？Goolge為什麼要推開源機器學習系統？

沒資料，光有技術，機器學習就只是空談

「如果將機器學習比喻成一架火箭，那大量的『數據』就是驅動它的能源，並且需要各種創意、多方思考設立出來的模型和運算能力來支持整個學習過程，而且電腦不比人腦，人腦只需要有限的例子和經驗就能夠成功學習。電腦則是需要『非常多樣本和案例』來建立認知。」Google人工智慧、運算神經科學及可量化機器學習研究員科拉多（Greg Corrado）強調。

Google人工智慧、計算神經科學及可量化機器學習研究員指科拉多

（圖說：Google人工智慧、計算神經科學及可量化機器學習研究員科拉多。圖片來源：Google。）

言下之意，只靠Google自己發展機器學習技術勢必會遇到一些難題，資料量不夠多元。「電腦的學習過程是相當緩慢，曠日費時，深度學習需要投入大量的人力與資源進行相關研究」科拉多說。在這樣的情況下，Google透過開放機器學習讓開源社群幫Goolge收集、整理各式各樣大量可用來訓練類神經網絡的『資料』。

「沒資料，光有技術，機器學習就只是空談。就像火箭要有燃料，要不然只有推進器，火箭也飛不起來！」台北大學資訊工程學系教授戴志華進一步解釋，一但開放機器學習系統，用的人越多，資料越多元，越多量多變，Google 機器學習系統更聰明，能提供的服務就越好，可以提供更多種服務，形成一個正向循環。

戴志華舉例， Google 想要讓機器學習認 a~z 26個小寫字母，但每個人的字跡不同，Google若自己要準備各種不同筆跡字母太曠日費時，但若全世界有20%的人，一人給 Google 一份自己寫的a-z字母，有了這些大量，又多形變的資料，Google 機器認字母的能力也就越強。因此 Google 利用「開放」模式解決以上的難題。

也許你要問， Google 不是手握大量使用者數據了嗎？為什麼這些數據量還不夠呢？

Google過去收集的資料不適合用來做機器學習

「Google過去收集的資料都不適合用來做機器學習，因為那些資料並沒有被賦予足夠具體的意義。」戴志華指出。

舉例來說，Google手邊有很多「1」、「one」與「一」等資料，但機器並不懂得什麼意思。機器不知道「1 」... 是 1 不是 2 、「one」是 1 不是 2 、「一」是 1 不是 2 。「機器學習就跟教小孩很類似，你要他叫爸爸，你就得先告訴他誰是爸爸。」戴志華舉例。

因為類神經網絡是模擬人的大腦，訓練類神經網絡，就跟教育嬰幼兒一樣。資料要大量、多變化，資料的品質也重要，就是要大量且要含括足夠的變化，所以需要整個社群提供資料並且賦予這些資料正確具體的意義。因此，透過開源 TensorFlow 這個工具， Google 得以號召整個開發社群透過利用該工具提供相關服務時，幫 Google 完成收集真實世界資料的任務。

那對開發者或研究員來說，Google的開源機器學習系統吸引點在哪裡呢？

利用開源精神先把餅做大

Google 雖然發展機器學習10年，但還有許多領域未探索。因此需要這個社群共享力量，加速機器學習進展。「利用機系學習系統獲利並非 Google 現行目標，現在最重要的是社群的建立，透過開源社群的快速分享，建立共同標準。這對機器學習的發展非常重要。」科拉多說。

相較競爭對手微軟、IBM 與百度，機器學習技術需要付費，Google 的免費對於開發者的吸引力巨大。

利用開源社群資料，壯大Google自身系統

「讓全球聰明人，給 Google 很好的回饋與貢獻，甚至連競爭對手的團隊都會用它， Google 不走常人之路。」 Alphabet 集團執行董事長施密特（Eric Schmidt）強調。

Google 目前透過兩方面應用機器學習技術強化現有的產品服務（如：Google 搜尋裡的排名建議）與提供更先進更新穎的產品服務。如語音文字與圖像辨識。科拉多指出「Google 的語音搜尋就是透過機器學習讓正確度不斷提升。」

「這對 Google 的 Mobile Only 政策具有重大的影響，在行動的世界，不需要手，我們使用語言溝通，電腦直接辨識圖像。」科拉多說。不過對於外界非常關切的 Google 自動駕駛車的機器學習成果，科拉多語帶保留，並不多談，是個敏感議題。

以下整理出目前已經使用機器學習的 Google 相關服務：

目前 Gmail 已經可以自動判斷約 99%的垃圾郵件。

Gmail 的 Smart Reply 功能，自動偵測對方寄來的郵件內容，並建立簡單的回覆（像是：對不起，我沒有空參加這個活動）。

Google 相簿已經可以讓使用者透過標籤搜尋找到相關的照片（例如輸入關鍵字「海」，也許就會出現前幾天在海邊拍的海景照）。

結合拍照功能即刻看到結果的 Google 翻譯。

Google 語音辨識功能的錯誤量已經減少逾 20%。

延伸學習：
1.圖解機器學習
2.百度首席科學家吳恩達：不只「機器學習」，更要「模擬人類大腦」。
3.微軟Adam挑戰Google Brain：我的機器學習比你快

隨著全球勞動力老化與新血招募困難，從製造、零售到醫療與長照，各行各業皆面臨同樣的缺工挑戰，面對人力不足，機器人逐漸走出工廠，進入醫院、門市與家庭。但當生成式 AI 讓機器人不再只是「會動」，而是開始「能懂」時，新的問題隨之而來——我們是否能信任它？

尤其在台灣，隨著2025年正式進入超高齡社會，長照體系首當其衝，人力不足、服務品質不均、家屬壓力沉重，AI 與機器人被期待成為新解方，但即便生成式 AI 浪潮席捲全球，各國際大廠持續精進自家大型語言模型，市場仍缺乏能直接面向C端消費者、大規模商用且精準可控的 AI。

「很多機器人廠商強調的是功能能做什麼，但如果長者不願意互動，再多的功能都沒有意義。」橘子集團策略長暨 Vyin AI 負責人陳冠宇指出，「接觸點不成立，後面所有服務都用不上。而那個接觸點，就是可信任的聊天與陪伴。」

這樣的觀察，也成為 Vyin AI 切入發展「機器人大腦即服務（Robot Intelligence as a Service, RIaaS）」的契機。

在9月底舉辦的台北國際照護博覽會中，Vyin AI 宣布攜手台灣機器人新創女媧創造，搶先展示共同打造的居家陪伴型 AI 機器人「Gilee 桔利」。結合 Vyin AI 核心技術 Vyin Brain 智慧中樞與女媧創造的機器人互動設計，展現 AI 機器人從「任務驅動（task-based）」邁向「語意與情境驅動（context-based）」的可能性。

橘子集團旗下生成式 AI 新創 Vyin AI 攜手女媧創造，於 2025 台北國際照顧博覽會展示「可控 AI × 機器人」應用，透過居家陪伴機器人 Gilee 桔利，展現可控 AI 理解語意、感知情緒並標記風險，揭示機器人大腦即服務（Robot Intelligence as a Service, RIaaS）的未來方向。橘子集團策略長暨 Vyin AI 負責人陳冠宇（左）與女媧創造營運長張智傑（右），分享機器人特點。

圖／橘子集團

從長照產業切入以「可控 AI 大腦」打造能被信任的陪伴

女媧創造耕耘陪伴型機器人多年，擅長機器外觀設計及互動體驗，但在長照領域的推廣仍多停留在試行階段。營運長張智傑表示：「要守護長者的健康、撫慰孤獨長輩的孤獨感，光靠形體與互動還不夠，更需要一個可靠的大腦。」

過去的照護型機器人大多停留在衛教知識宣導或生理監測階段，缺乏與使用者互動的能力。面對照護需求快速攀升與人力斷層，雙方都意識到，若 AI 要真正走進家庭與長照現場，「信任」將是唯一關鍵。而對 Vyin AI 而言，這正是可控 AI 發揮價值的最佳場域。

陳冠宇指出，自大型語言模型（LLM）問世以來，雖展現出驚人的語意生成、邏輯推理與知識應用能力，但其核心仍屬於機率預測模型，本質上是透過複雜的機率計算模擬人類語言分布，即使經過人為的情境工程（context engineering）的修正，仍難完全避免「AI 幻覺」的發生。「在一般應用場景中，幻覺頂多造成資訊錯誤，但在醫療與照護產業，錯誤的回答可能直接影響生命安全。」

相較之下，Vyin AI 研發的智慧中樞 Vyin Brain 採用獨創的仿生大腦架構，由「語言、知識、理解、動作」四大中樞分工協作，層層把關 AI 的思考與回應流程。另外可將醫療、零售、教育等專業領域的資料轉化為透明的知識圖譜，建立清晰的知識邊界，確保所有回應均具可追溯性、可驗證性與可解釋性，最大程度的消除 AI 幻覺風險，讓生成式 AI 在需要高度精準與信任的場景中得以安全落地。

讓機器人更像人：客製化設定與長期記憶，讓長輩感受理解

首度亮相的桔利，以活潑童語與長輩對話：「爺爺，今天有什麼開心的事嗎？」「奶奶，妳該吃高血壓的藥囉！」展區人潮絡繹不絕，將 Vyin AI 的展攤擠得水洩不通，中化銀髮總經理李宗勇及團隊親自體驗後，更是對桔利讚不絕口，直言這位 AI 金孫外型討喜，是長輩絕佳的陪伴者。

事實上，被設定為「10歲金孫」的桔利，不僅能理解長者的語意與意圖，陪他們閒聊、安排行程、提醒用藥，還能透過長期記憶與個人化設定，根據長者的個性、家庭與健康狀況調整互動內容，主動引導長者分享興趣、回憶過往，甚至向他們請益，讓長者在互動中感受到被理解、被需要，進而產生「情感價值」。

相較多數廠商強調的是「生理監測」功能，桔利更重視的是「情感陪伴」。負責桔利產品功能設計與規劃的產品經理蔣欣諭補充，在傳統華人文化中，子女常羞於直接表達愛與關懷，因此設計出「專屬家人的 AI 仿聲語音信」功能。

子女只需透過專屬 App 輸入文字訊息，桔利便能以 AI 仿聲技術，轉換成兒女或孫子的聲音唸給長輩聽。這項功能在現場引發驚喜與共鳴，它觸動的不只是科技的體驗，而是家人之間「說不出口的愛」。

在日常生活中，桔利也具備智慧照護的即時偵測能力。會在對話中持續判斷語氣與內容的變化，進行風險標記。若偵測到異常，會透過女媧的通報系統推播給家屬，並依照情況分級提醒，且所有對話內容都會被自動收錄於後台，以簡潔明瞭的儀表板呈現，讓家屬與照護人員能快速掌握長者近期的身心理狀況。

「我們設計桔利的目的，不是取代家人，而是成為家屬與長者之間的橋樑。」她說。

從長照出發，邁向多元 RIaaS 生態

桔利在照護博覽會的初登場，不僅引發長輩熱烈回應，也為 Vyin AI 與女媧創造的合作奠定良好開局。對團隊而言，這不只是一次成功的展出，更是「情感連結」價值的具體驗證，同時也證明雙方在軟硬整合上的實力。

「我們從長照出發，是因為這是最難的場域，能最大化檢驗技術的可控性與穩定度，凸顯我們技術的價值。」Vyin AI 負責人陳冠宇表示。

除了以可控 AI 大腦杜絕幻覺外，要讓機器人能像人一樣反應，關鍵不只是速度，更在於整合。要達到像人一樣的回應速度與精準度，必須同時整合語音辨識（ASR）、語意理解、知識調用與語音合成（TTS）四層技術。「這不只是速度問題，更是理解與反應的平衡，這種全鏈路整合能力，就是我們最重要的護城河。」

陳冠宇透露，目前雙方正持續開發的全鏈路版本，預計於明年第一季推出，屆時回應時間將縮短至三秒內，讓人機互動更自然流暢。於此同時，團隊正推進「機器人大腦即服務（RIaaS）」模式，將同樣的可控 AI 能力延伸至零售、教育與照顧產業等領域。

以零售為例，Vyin AI 自研的 D-RAG（DistilGraph RAG）技術，可自動整合商品規格、客服紀錄或保健品資訊等非結構化資料，轉化為可即時調用的知識圖譜，讓機器人能在銷售、客服或導覽場景中快速回應顧客問題，提供準確建議，甚至根據互動內容動態導購、推薦商品，並在適當時機「轉真人」接手，協助品牌提升轉換效率。

同樣的架構，也能延伸至教育、照顧產業與智慧導覽等多種場景，讓機器人化身銷售助理、賣場導覽員、教學助教，根據使用者需求與語境，自動生成可信任的回應與互動體驗。「只要運用 Vyin AI 解決幻覺問題，『機器人即服務』的時代就會正式來臨。」陳冠宇說

他進一步指出，全球市場已對 RIaaS 商業模式產生迫切需求，Vyin AI 憑藉可控 AI 大腦的技術優勢，正積極布局海外市場。「我們希望透過 RIaaS，把這套可控 AI 大腦服務化，讓各行各業都能快速導入可信任的 AI 機器人，不只是替代人力，而是打造溫度的互動，讓未來的人機合作更加順暢、緊密。」

立即了解更多 Vyin AI 解決方案

[東京直擊]為何Google要推開源機器學習系統TensorFlow？