為了確保谷歌構(gòu)建的機(jī)器學(xué)習(xí)模型具備容納性，并且可以真正為每個(gè)體所用：

　　總之，Google在AI方面的久遠(yuǎn)指標(biāo)，就是要讓機(jī)器學(xué)習(xí)、AI觸手可及。

　　谷歌為企業(yè)及開發(fā)者提供三種創(chuàng)新工具：TensorFlow，云機(jī)器學(xué)習(xí) API （Cloud Machine Learning APIs） 以及張量解決器 （Tensor Processing Unit， TPU） 電腦芯片。

　　谷歌這一年，在AI方面都有哪些成果與進(jìn)展？

　　利用 Google Assistant，用戶可能與谷歌停止自由對(duì)話，從而實(shí)現(xiàn)不同種類的義務(wù)，比如尋覓某一成績(jī)的答案、導(dǎo)航服務(wù)、獲取舊事或失去日程安排方面的協(xié)助。

　　Project Unison，是一個(gè)應(yīng)用機(jī)器學(xué)習(xí)完成文本轉(zhuǎn)語(yǔ)音 （Text-to-Speech）的試驗(yàn)名目。經(jīng)過(guò)轉(zhuǎn)換引擎，手機(jī)可能用語(yǔ)料并不豐富的語(yǔ)種，如孟加拉語(yǔ)，高棉語(yǔ)和爪哇語(yǔ)與您對(duì)話。而機(jī)器學(xué)習(xí)模型有助于縮小構(gòu)建文本到語(yǔ)音模型所需的數(shù)據(jù)量。

　　對(duì)此谷歌的處理計(jì)劃是提供培訓(xùn)：谷歌明年將在互聯(lián)網(wǎng)上提供無(wú)償?shù)臋C(jī)器學(xué)習(xí)課程。如今已經(jīng)有 2.8萬(wàn)名谷歌員工加入過(guò)此項(xiàng)培訓(xùn)。

　　新浪科技總結(jié)上去，谷歌的策略就是“軟硬聯(lián)合、硬件買通”，讓言語(yǔ)、語(yǔ)音和圖像技術(shù)在各個(gè)運(yùn)用設(shè)施上和場(chǎng)景中的利用失去無(wú)縫接合。

　　機(jī)器學(xué)習(xí)和計(jì)算攝像的聯(lián)合為新Pixel手機(jī)的人像形式賦能。經(jīng)過(guò)這共性能，利用者可能拍攝背景平滑含糊的人像圖片。拍攝這種照片，大攝像機(jī)普通需求多個(gè)鏡頭，而Pixel僅需正反各一個(gè)鏡頭。

　　AI賦能軟件：

　　這就是谷歌在硬件方面正在采用的新解決模式：讓硬件、軟件、以及 AI 相互聯(lián)合。

　　AI賦能開發(fā)者：

　　Jeff提到，作為一家 AI First 的公司，谷歌宿愿讓每個(gè)體都可以從人工智能中獲益。 目前已經(jīng)取得了一些進(jìn)展，然而仍然有一些艱巨需求克制，例如：

　　說(shuō)到谷歌展開機(jī)器學(xué)習(xí)的鉆研，Jeff再次利用了谷歌在2022年關(guān)于機(jī)器識(shí)貓的論文，和2026年谷歌開源TensorFlow這兩個(gè)重要事例。如今，TensorFlow是GitHub上最受歡迎的工具。

　　而谷歌翻譯（Google Translate），可能和谷歌相冊(cè)聯(lián)合起來(lái)利用。用相機(jī)照下的圖片，它可能幫你翻譯進(jìn)去。

Google Brain 擔(dān)任人Jeff Dean

　　最后一局部是Google產(chǎn)品經(jīng)理Lily Peng引見(jiàn)如何用AI讓世界更美好。人工智能還能運(yùn)用于醫(yī)療、環(huán)保、節(jié)能、動(dòng)物保護(hù)等等各方面。

　　谷歌地圖（Google Map），即便在沒(méi)有數(shù)據(jù)答應(yīng)的情況下，經(jīng)過(guò)衛(wèi)星的染指，加上機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)等技術(shù)也可能產(chǎn)生可用的地圖。

　　如今，谷歌將神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯運(yùn)用到了08組言語(yǔ)對(duì)中。效果降職最顯著的是日英互譯。

　　使谷歌的產(chǎn)品愈加適用；

　　Google產(chǎn)品經(jīng)理Isaac Reynolds引見(jiàn)了新款Pixel手機(jī)中的人像形式（ Portrait Mode）。

　　協(xié)助企業(yè)和開發(fā)者創(chuàng)新；

　　Jeff提到，機(jī)器學(xué)習(xí)是谷歌在人工智能畛域的任務(wù)重心。作為計(jì)算機(jī)科學(xué)的一種方式，他以為機(jī)器學(xué)習(xí)編寫能使計(jì)算機(jī)自主學(xué)習(xí)如何變得智能的程序，要比間接編寫智能程序要更為簡(jiǎn)略。

　　Jeff引見(jiàn)了谷歌將新型的硬件與軟件相聯(lián)合的一個(gè)實(shí)例：Pixel Buds。它是能將利用者周圍人說(shuō)的話實(shí)時(shí)翻譯成利用者母語(yǔ)的耳機(jī)，使用了語(yǔ)音辨認(rèn)和翻譯技術(shù)。

　　首先，需求想方設(shè)法讓機(jī)器學(xué)習(xí)模型的創(chuàng)作進(jìn)程愈加觸手可及：

　　谷歌還與Geena Davis 鉆研所協(xié)作建設(shè)了GD-IQ，一種應(yīng)用機(jī)器學(xué)習(xí)檢測(cè)電影中性別成見(jiàn)的工具。

　　其中TensorFlow如今有2萬(wàn)的寰球開發(fā)者在利用。利用TensorFlow的企業(yè)中包括中國(guó)企業(yè)，比如小米。

　　Jeff引見(jiàn)，理想上翻譯這項(xiàng)任務(wù)已經(jīng)繼續(xù)了十年。在過(guò)去，翻譯系統(tǒng)并非基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)，而是利用更簡(jiǎn)略的統(tǒng)計(jì)翻譯模型，由60萬(wàn)行代碼組成。2026年推出的新神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)通過(guò)了簡(jiǎn)略卻有效的數(shù)據(jù)訓(xùn)練。新系統(tǒng)僅由 600 行TensorFlow代碼組成，而非60萬(wàn)行。

　　新浪科技 辛苓

　　谷歌啟動(dòng)了People + AI Research （PAIR） 方案，旨在將谷歌的鉆研人員匯集在一同，鉆研并重新設(shè)計(jì)人與人工智能系統(tǒng)交互的模式。Facets 正是此方案所孕育出的一種工具，可以 將用于機(jī)器學(xué)習(xí)的訓(xùn)練數(shù)據(jù)可視化。

　　第二點(diǎn)，谷歌正在鉆研如何利用 AutoML 主動(dòng)創(chuàng)建機(jī)器學(xué)習(xí)模型。

　　在YouTube上，谷歌經(jīng)過(guò)機(jī)器學(xué)習(xí)給超過(guò)20億的視頻主動(dòng)加上字幕，使得有聽(tīng)覺(jué)阻礙的人可能看到視頻中的對(duì)白。

　　年末將至，近日谷歌在東京舉行了一場(chǎng)分享會(huì)，圍繞Made with AI對(duì)過(guò)去一年的成果做了總結(jié)。