谷歌有限责任公司今天推出了TensorFlow的新迭代，它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主要关注提高可用性. 该版本带来了基于Keras的简化应用程序编程接口，Keras是一种开源工具，旨在使AI开发框架更容易使用.. 它使工程师能够访问以前在一个地方跨多个API扩展的特性，并为定制开发工作流提供更多选项。

另一个关键的增强是对所谓的热切执行的支持。 TensorFlow2.0启动AI模型的速度比以前的版本快得多，这让工程师可以尝试不同的模型变化，在测试运行之间有较短的延迟。 考虑到机器学习开发的高度迭代性质，这有可能节省相当多的时间。

然而，即使TensorFlow2.0有了显著的改进，谷歌推出的两个附带工具也引起了业界最大的关注。 它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隐私，使机器学习模型能够丢弃它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，一个基于人工智能的拼写检查工具主要将字母作为输入，这意味着像信用卡号码这样的长数字序列可以很容易地识别和过滤。

“要使用TensorFlow隐私，不需要隐私或其基本数学方面的专业知识：使用标准TensorFlow机制的人不应该改变他们的模型体系结构、培训程序或流程，”谷歌工程师凯里·雷德鲍和乌尔法尔·埃林松在博客文章中详细介绍了这一点。