Em 9 de novembro de 2015, o Google liberou o TensorFlow, seu sistema de aprendizado de máquina de segunda geração, sob a licença aberta Apache 2.0. A ferramenta substituía o DistBelief interno e permitiu que empresas e pesquisadores usassem a mesma base que o Google aplicava em seus produtos.
Em 9 de novembro de 2015, o Google tornou público o código do TensorFlow, seu sistema de aprendizado de máquina de segunda geração, sob a licença Apache 2.0. A biblioteca foi apresentada por Jeff Dean e Rajat Monga como sucessora do DistBelief, sistema interno criado em 2011, e era, segundo o Google, cerca de duas vezes mais rápida que ele em alguns testes. Com a abertura, qualquer empresa passou a ter acesso gratuito à mesma ferramenta que a empresa já usava em produtos como a busca.
O lançamento é um dos marcos que ajudam a explicar por que o aprendizado de máquina saiu dos laboratórios e entrou na rotina de equipes de desenvolvimento a partir da segunda metade da década.
O que era o TensorFlow?
No anúncio, o Google descreveu o TensorFlow como um sistema flexível e portátil, capaz de expressar qualquer cálculo que pudesse ser representado como um grafo de fluxo de dados. O suporte a redes neurais profundas era apenas uma parte do escopo. A biblioteca oferecia diferenciação automática e otimizadores prontos, o que simplificava o treinamento de modelos baseados em gradiente.
O lançamento incluiu, além da biblioteca, ferramentas, tutoriais e exemplos.
| Aspecto | TensorFlow (2015) | DistBelief (2011) |
|---|---|---|
| Disponibilidade | Código aberto, licença Apache 2.0 | Uso interno no Google |
| Foco | Qualquer cálculo em grafo de fluxo de dados | Principalmente redes neurais |
| Configuração | Pensado para ser flexível e portátil | Difícil de configurar |
| Desempenho | Cerca de 2 vezes mais rápido em alguns testes | Referência de comparação |
| Compartilhamento de pesquisa | Viável fora do Google | Quase impossível, por depender da infraestrutura interna |
Por que o Google decidiu abrir o código?
O próprio anúncio explica parte da motivação. O DistBelief estava preso à infraestrutura interna do Google, o que tornava praticamente impossível compartilhar código de pesquisa com a comunidade externa. Com o TensorFlow, pesquisadores e engenheiros poderiam trocar ideias e modelos usando uma base comum.
O Google também informou que seus engenheiros já usavam o TensorFlow para adicionar sinais derivados de redes neurais profundas à busca e para construir recursos ainda não lançados. O anúncio atribuiu ao DistBelief, a geração anterior, avanços como a melhora de 25% no reconhecimento de voz do aplicativo do Google e a busca de imagens do Google Fotos.
O que mudou para empresas e desenvolvedores?
A abertura do TensorFlow, somada a outras bibliotecas que surgiram na mesma época, reduziu a barreira de entrada para projetos de aprendizado de máquina. Para equipes de software, alguns efeitos práticos ficaram evidentes nos anos seguintes:
- Custo de licença zero: a licença Apache 2.0 permite uso comercial, o que viabilizou projetos em empresas de qualquer porte.
- Base comum de conhecimento: tutoriais e exemplos oficiais facilitaram a formação de profissionais.
- Portabilidade: a proposta de rodar o mesmo modelo em diferentes ambientes interessava a quem precisava levar IA para servidores e dispositivos.
- Ecossistema: com uma ferramenta amplamente adotada, fornecedores e consultorias passaram a oferecer serviços em torno dela.
Qual era o contexto da IA em 2015?
O lançamento aconteceu poucas semanas depois de o Google revelar, em reportagem da Bloomberg, que usava o RankBrain, um sistema de aprendizado de máquina, para interpretar buscas. Em dezembro do mesmo ano, foi anunciada a criação da OpenAI, organização sem fins lucrativos dedicada à pesquisa em inteligência artificial. O ano ficou marcado pela passagem do aprendizado profundo de tema acadêmico para infraestrutura de produto.
O que isso significa hoje para quem contrata projetos de IA?
A abertura de ferramentas como o TensorFlow ajudou a criar o mercado de consultorias e software houses especializadas em IA. Para quem contrata, a lição prática é que o diferencial raramente está na biblioteca usada, já que as principais são abertas e acessíveis. O valor está na qualidade dos dados, na definição do problema, na avaliação dos resultados e na capacidade de colocar o modelo em produção e mantê-lo funcionando.
Fontes
- Google Research Blog: TensorFlow, Google's latest machine learning system, open sourced for everyone (9 nov. 2015)
- Google Open Source Blog: TensorFlow, Google's latest machine learning system, open sourced for everyone
- 9to5Google: Google RankBrain, artificial intelligence in search (out. 2015)
- TechCrunch: Non-profit OpenAI launches with backing from Elon Musk and Sam Altman (dez. 2015)
Compare nota, avaliações verificadas e score, e fale direto com a empresa pela Citeo.
Perguntas frequentes
Quando o TensorFlow foi lançado como código aberto?
O Google anunciou a abertura do código do TensorFlow em 9 de novembro de 2015, em post assinado por Jeff Dean e Rajat Monga. A biblioteca foi publicada sob a licença Apache 2.0, que permite uso comercial.
Qual era a diferença entre TensorFlow e DistBelief?
O DistBelief era o sistema interno de aprendizado profundo do Google, criado em 2011, focado em redes neurais e dependente da infraestrutura da empresa. O TensorFlow foi apresentado como mais flexível, portátil, aberto e, em alguns testes, cerca de duas vezes mais rápido.
Uma empresa pode usar o TensorFlow em produtos comerciais?
Sim. A licença Apache 2.0, adotada desde o lançamento em 2015, permite uso, modificação e distribuição comercial, desde que respeitadas as condições da licença, como a preservação dos avisos de direitos autorais.