谷歌确立AIfirst战略一年后成果如何？这里有答案

打开谷歌（微博）翻译APP，将手机镜头对准你看不懂的外语，然后屏幕上便自动显示翻译结果。谷歌翻译实时显示收到朋友发来的email，在查看邮件的时候，Gmail已经为你准备好了可能需要回复的内容。无论是谷歌翻译还是Gmail，它们已被推出多时，均非新鲜产品，但在用户看不见的地方，谷歌已经并正在继续对它们进行升级。上述翻译及Gmail提供的改进，便得益于此。升级源于谷歌AIfirst战略的执行和落地，2016年，谷歌CEOSundarPichai宣布谷歌战略从MobileFirst（移动先行）转向AIFirst（人工智能先行），在对人工智能技术进行多年投入后，现在，谷歌正在通过深度学习、机器学习等技术，让旗下的产品变得更加智能。升级旗下产品只是谷歌期望通过AI实现的目标之一。11月28日，在日本东京举行的Google亚太地区媒体开放日上，Google资深研究员、GoogleBrain负责人JeffDean表示，谷歌在人工智能领域的愿景，是通过三种途径让每个人都从中受益：使得Google产品更加实用、帮助企业和开发者创新，以及为研究人员提供工具，从而解决人类面对的各项重大挑战。从谷歌展示的一系列产品及案例可以看出，谷歌正在为了实现上述目标而努力。谷歌的新魔法AI究竟让产品变得怎样实用？实际体验是回答这个问题的最好方式。在今年Google亚太地区媒体开放日现场，谷歌准备了不同产品的展示，包括各类图像产品、Googleassistant、Googletranslate以及一系列运用了机器学习等AI技术的小应用。以图像应用为例，现实生活中，人们经常会遇到需要将纸质版图片或文件转为电子版的场景，通常情况下用户需要借助专业扫描设备才能得到理想的电子版，因为如果使用手机拍照，会出现反光、畸变等问题。针对这一需求，谷歌推出一个名为照片扫描仪的APP，用户按照指引对纸质版物品拍摄五张不同角度的照片，该APP会对拍摄的图片进行计算和合成，最终输出一个与用专业设备扫描效果类同的电子版。照片扫描仪（PhotoScan）APP效果照片扫描仪只是谷歌在借助AI技术改进应用体验方面的一个案例，除了图像应用外，语音、文字等相关产品也有不同程度的体验改进。不止是软件方面，在让AI技术落地上，谷歌还在尝试将AI、软件、硬件结合起来。作为谷歌落地语音交互产品的重要硬件，GoogleHome如今可以提供非常多样的服务，比如它能够识别不同用户的声音，并给予不同的反馈。例如，A与B都养了宠物狗，当A对GoogleHome说想看宠物照片的时候，GoogleHome可以识别出A的声音，并将A的宠物照片调出；而当B提出同样要求的时候，GoogleHome调出的是B的宠物照片。这一功能为GoogleHome的语音配对功能（VoiceMatch），它之所以能够实现，源于在机器学习的帮助下，语音助手能够识别不同的语音。据介绍，语音配对目前支持最多六个用户连接到同一台GoogleHome，GoogleHome是目前市场上首个具备此功能的智能音箱。机器学习还被运用到医疗领域，通过与印度和美国的医生合作，谷歌创建了一个包含12.8万张眼底扫描图片的数据集，来用于训练一个检测糖尿病性视网膜病变的深度神经网络。经过训练，模型识别眼底扫描图的专业准确度甚至超过了专业医生的平均水平，而这可以帮助医生提高诊断效率，使患者尽早得到治疗。同时，通过TensorFlow、云机器学习API（CloudMachineLearningAPIs）以及张量处理器（TensorProcessingUnit,TPU）电脑芯片，谷歌将AI能力向更多开发者开放出来。食品企业得以借此提高食物检查效率，生物学家得以更加高效的了解鸟类的习性并提升保护的效果。而无论是优化现有产品、开放AI能力以及解决人类的共同问题，实现上述目标的基本前提是持之以恒的投入AI方面的研究，并取得进展。在谷歌的AI战略中，机器学习是重中之重。改变这样发生机器学习是计算机科学的一种形式，认为编写能使计算机自主学习如何变得智能的程序，要比直接编写智能程序要更为简单。通俗的来讲，机器学习的目的是让机器自身变得智能。JeffDean介绍，机器学习是谷歌在人工智能领域的工作重心，谷歌开展机器学习的研究已经很长时间，但目前机器学习仍处于发展初期。如今，机器学习对分类、预测、理解和生成这四个关键方面很有帮助。而这些功能几乎已经被应用于谷歌所有的产品中。无论是GoolgePhotos、GoogleTranslate、GoogleLens，还是Gmail、Inbox、GoogleMaps，亦或者GoogleAssistant、YouTube，机器学习技术的加入，让它们可以提供更好的体验。新款Pixel手机具备了人像模式，这一模式拍摄人像时可以柔和虚化背景，传统技术条件下，这需要一个多镜头的专业相机才能实现，但机器学习和计算摄影技术的结合，使得Pixel手机依靠每侧各有一个镜头便实现了同样的效果。未使用人像模式（Portraitmode）的照片（左）和使用人像模式（Portraitmode）的照片（右）根据谷歌搜索项目总监LinneHa的介绍，深度神经网络技术大大提高了语音搜索中语音识别的准确性，这使得用户在嘈杂的环境中也可以与手机自由对话。在机器学习的帮助下，自然语言处理系统能够更好地理解你想说的话。在利用机器学习实现文本向语音转换的实验项目ProjectUnison的帮助下，通过转换引擎，手机可以用语料并不丰富的语种，如孟加拉语，高棉语和爪哇语。实际成果已经证明，机器学习与具体应用结合可以取得非常好的效果，但JeffDean仍旧提示目前机器学习存在的两大挑战，首先是机器学习模型的触达性；二是机器学习模型的包容性。为了解决第一个问题，谷歌将在明年在互联网上提供免费的机器学习课程，为了解决第二个问题，谷歌启动了People+AIResearch（PAIR）计划，并与与GeenaDavis研究所合作建立了GDIQ（一种利用机器学习检测电影中性别偏见的工具）。上述措施对解决机器学习面临的挑战提供了帮助，但于谷歌而言，在AIfrist的战略指引下，其面临的挑战不止于此。从行业竞争的角度而言，越来越多公司推出了机器学习开源平台，谷歌要如何应对竞争，保持对开发者的吸引力？而从国家间的竞争来看，谷歌还面临着美国政府是否愿意投入和支持AI产业发展的影响。面对行业竞争，JeffDean表示，TensorFlow在不断的发展，不断地增加新的功能。它们可能针对不同的人群，有的针对研究者，有的更多倾向于移动平台。所以这样的竞争是好的。TensorFLOW的开源软件是有很灵活的Apache2.0许可机制。而面对国家间的竞争，谷歌选择了建立本土团队提升AI发展速度的做法。JeffDean表示，谷歌正在中国组建AI团队，团队主要分布于北京和上海两个城市。这一做法显然是从新人才的角度出发我们想关注下一代有更好计算能力的人，解决实际的问题，有意思的问题。我们并不担心竞争对手，我们关心的是我们自己的研究。从研究到应用，再到开放，Google在AIfirst战略的指引下，已经形成了比较完成的拼图，尽管人工智能的发展让部分公众对其安全性产生担忧，但在一直投身于这个行业的JeffDean看来，机器学习可以帮助人类解决更复杂的问题，我们现在应该着眼于解决眼前的问题，而这也将影响着谷歌未来发展AI的路。

条漫海报
淘宝切图海报
Vlog视频封面海报