2017 年 11 月 28 日，以 Made With AI 為主題，Google 在日本東京舉行了一場關于人工智能的媒體溝通會。
更好用的 Google 產(chǎn)品
首先，Google 資深研究員 Jeff Dean 首先登臺。他用一個通過 Google Translation 進行實時識別翻譯的案例，來介紹了人工智能與機器學習的區(qū)別。他表示，機器學習其實是人工智能的一部分；本質上，機器學習是一個創(chuàng)造問題解決系統(tǒng)的新方式。
Jeff Dean 提到，正如 Google CEO Sundar Pichai 在 2016 年 10 月所言，在接下來的 10 年間，Google 將會成為一個 AI First 的公司；而 Google 在人工智能領域的愿景是：
在演講中，Jeff Dean 著重提到了 TensorFlow。據(jù)雷鋒網(wǎng)了解，TensorFlow 于 2015 年 11 月在 GitHub 上正式開源；與 MXNet、Caffe 等其他的機器學習框架相比，TensorFlow 頗受歡迎，用戶量的增長速度也比較快。而根據(jù) Google 方面提供的數(shù)據(jù)，到目前為止，TensorFlow 已經(jīng)成為用戶數(shù)量排名第一的機器學習框架。
Jeff Dean 表示，在近 20 年的發(fā)展中，神經(jīng)網(wǎng)絡（Neural Networks）在數(shù)據(jù)量和結算模型上已經(jīng)超越其他的計算方案；總結來說，一個計算的新時代已經(jīng)到來。
實際上，作為最早開始研究人工智能和機器學習的科技公司之一，人工功能和機器學習的元素實際上已經(jīng)出現(xiàn)在 Google 多項產(chǎn)品中。在溝通會現(xiàn)場，Jeff Dean 列出了一些較為典型的產(chǎn)品，并對它們的人工智能元素進行了簡單介紹：
軟硬件與 AI 的一體化
不過，除了 AI 和軟件產(chǎn)品，Google 在產(chǎn)品層面也已經(jīng)延伸到了硬件；也就是說，Google 已經(jīng)形成了 AI + 軟件 + 硬件三位一體的布局。一個最簡單的例子是：在與 Google Pixel 相連接的情況下，Pixel Buds 耳機可以實時翻譯。
不過，Pixel Buds 當然不是全部。在溝通會現(xiàn)場，Google 產(chǎn)品經(jīng)理 Isaac Reynolds 登臺介紹了 AI And Hardware 的關系；這里說的 Hardware，主要指的是 Google Home 系列和 Pixel 手機。
第一款著重提到的產(chǎn)品是 2016 年發(fā)布的 Google Home。Isaac Reynolds 表示，Google Home 內置了語音配對（Voice Match）功能，其本質在于用機器學習來幫助識別不同的語音，可以讓最多 6 位用戶連接到同一臺 Google Home；無論這六位用戶說話的聲音大小，Google Home 都能夠聽見并給出回應，這就是硬軟件與機器學習相結合的最好案例。
與之相比，今年 10 月最新發(fā)布的 Google Home Max 的音質更好；它可以通過機器學習在數(shù)千種房間中進行聲音模型訓練，對不同音質的效果進行衡量，最后提供一個適合所在房間的聲音模型。
關于 Pixel 2 XL，Isaac Reynolds 主要提到了 Pixel 2 的人像模式。實際上 Pixel 2 只有一個攝像頭，但它能夠通過機器學習對圖像進行結構化的識別，從而區(qū)分出背景和人像，并給出相應的深度圖（Depth Maps）；在形成 Segmentation Mask 之后，對背景進行虛化，最終實現(xiàn)人像效果。
在溝通會現(xiàn)場，雷鋒網(wǎng)（公眾號：雷鋒網(wǎng)）就 Pixel 2 內置的 Pixel Visual Core 輔助芯片進行了提問。Isaac reyonld 表示，Pixel Visual Core 實際上已經(jīng)在數(shù)年前就開始研發(fā)了，目前可以用于 HDR+ 照片的拍攝； 隨著 Android 8.1 的推出，第三方應用開發(fā)者也可以應用 Pixel 2/XL 的這一芯片來拍攝 HDR+ 照片。
不過在未來，Pixel Visual Core 也能夠被開發(fā)者應用于機器學習。
人類語言問題的解決
接下來，Google 負責機器學習的一個項目總監(jiān) Linne Ha 登臺介紹了 Google 的機器學習在人類語言方面的成績。
Linne Ha 表示，當今世界上，有 6000 多種語言（算上方言可能會更復雜），其中只有 400 多種擁有超過 100 萬的使用人口。然而在互聯(lián)網(wǎng)上，有 50% 的內容都是英文的，而世界使用人口數(shù)量排名第四的印度語，其內容量在網(wǎng)上的排名不到前 30。這種人類語言上的不平衡，正是 Google 試圖通過人工智能解決的問題。
Google 在語言方面所做的努力包括對多種語言字體進行 Unicode 編碼，使其不僅僅能夠用在桌面電腦上，還能用在移動設備上。不僅如此，Google 還開發(fā)了幾乎可以支持任何語言的 Noto 字體；而針對字符數(shù)量比較多的語言，Google Keyboard 能夠利用機器學習在用戶輸入時進行預測，從而讓用戶輸入效率大大增加。
利用深度神經(jīng)網(wǎng)絡，Google 推出了 Voice Search 功能，即使是在嘈雜環(huán)境中，用戶也可以與手機對話；目前該功能已經(jīng)支持 119 種語言，其中包括 11 中印度語言和 3 種印度尼西亞語言。另外一個值得一提的是 Google 的 Project Unison 項目，它可以利用機器學習實現(xiàn)文本向語音的轉換，主要針對語料并不豐富的語種，比如孟加拉語、高棉語和爪哇語。而機器學習模型可以減少構建文本到語音模型所需的數(shù)據(jù)量。
在說完語言之后，Google Asssitant 工程總監(jiān) Pravia Gupta 上臺對 Google Assistant 進行了簡單介紹。除了眾所周知的功能，Pravia Gupta 再次強調稱 Google Assistant 已經(jīng)擁有 Voice、Type、Tap、Lens 等四種輸入方式；而且可以覆蓋 iPhone & Android 智能手機、Chromebook 筆記本、電視機、汽車、智能手表等多種設備。
當然在現(xiàn)場，Pravia Gupta 也少不了對 Google Assistant 進行了一番 Demo。
用 AI 來賦能行業(yè)、應對人類挑戰(zhàn)
當然，除了致力于自身產(chǎn)品的發(fā)展，Google 也不忘記強調它對其他企業(yè)和開發(fā)者創(chuàng)新的影響。Google 表示，目前它為企業(yè)及開發(fā)者提供了三種創(chuàng)新工具，分別為 TensorFlow、云機器學習 API 以及 TPU 電腦芯片。在溝通會現(xiàn)場，來自日本的丘比公司，就登臺介紹了它如何使用 TensorFlow 來提高食品材料的質量和安全性。
在行業(yè)創(chuàng)新之外，Google 表示機器學習也可以幫助我們解決人類的一些重大挑戰(zhàn)，比如說醫(yī)療保健、能源和環(huán)境問題。比如說機器學習目前已經(jīng)用于診斷糖尿病引起的眼部疾病、乳腺癌等疾??；實際上雷鋒網(wǎng)已經(jīng)報道過，就在 11 月 26 日，Google 旗下的 DeepMind 團隊正式宣布將利用 AI 來對抗乳腺癌。
不過，來自新西蘭維多利亞大學的博士生 Victor Anton 則試圖通過人工智能來識別鳥叫聲，以便來保護鳥類。
在溝通會的結尾，Jeff Dean 展望了 Google 人工智能的未來。
他表示，未來要面臨的主要困難是如何想方設法讓機器學習模型的創(chuàng)作更加觸手可及；為此，Google 明年將在互聯(lián)網(wǎng)上免費提供機器學習課程，而且 Google 相關團隊也在研究如果使用 Auto ML 自動創(chuàng)建機器學習模型。
最后，Jeff Dean 補充稱，目前 Google 已經(jīng)啟動了 People + AI Research（PAIR）計劃，這個計劃旨在研究并重新設計人與人工智能系統(tǒng)的交互方式，其最終目的是讓機器學習模型具有包容性，并能夠真正地為每個人可用。
