打開谷歌（微博）翻譯APP，將手機鏡頭對準你看不懂的外語，然后屏幕上便自動顯示翻譯結果。
谷歌翻譯實時顯示
收到朋友發(fā)來的email，在查看郵件的時候，Gmail已經為你準備好了可能需要回復的內容。
無論是谷歌翻譯還是Gmail，它們已被推出多時，均非新鮮產品，但在用戶看不見的地方，谷歌已經并正在繼續(xù)對它們進行“升級”。上述翻譯及Gmail提供的改進，便得益于此。
“升級”源于谷歌AI first戰(zhàn)略的執(zhí)行和落地，2016年，谷歌CEO Sundar Pichai宣布谷歌戰(zhàn)略從Mobile First（移動先行）轉向AI First（人工智能先行），在對人工智能技術進行多年投入后，現在，谷歌正在通過深度學習、機器學習等技術，讓旗下的產品變得更加智能。
升級旗下產品只是谷歌期望通過AI實現的目標之一。11月28日，在日本東京舉行的Google亞太地區(qū)媒體開放日上，Google資深研究員、Google Brain負責人Jeff Dean表示，谷歌在人工智能領域的愿景，是通過三種途徑讓每個人都從中受益：使得 Google 產品更加實用、幫助企業(yè)和開發(fā)者創(chuàng)新，以及為研究人員提供工具，從而解決人類面對的各項重大挑戰(zhàn)。
從谷歌展示的一系列產品及案例可以看出，谷歌正在為了實現上述目標而努力。
谷歌的新魔法
AI究竟讓產品變得怎樣實用？實際體驗是回答這個問題的最好方式。
在今年Google亞太地區(qū)媒體開放日現場，谷歌準備了不同產品的展示，包括各類圖像產品、Google assistant、Google translate以及一系列運用了機器學習等AI技術的小應用。
以圖像應用為例，現實生活中，人們經常會遇到需要將紙質版圖片或文件轉為電子版的場景，通常情況下用戶需要借助專業(yè)掃描設備才能得到理想的電子版，因為如果使用手機拍照，會出現反光、畸變等問題。
針對這一需求，谷歌推出一個名為“照片掃描儀”的APP，用戶按照指引對紙質版物品拍攝五張不同角度的照片，該APP會對拍攝的圖片進行計算和合成，最終輸出一個與用專業(yè)設備掃描效果類同的電子版。
照片掃描儀（PhotoScan）APP效果
照片掃描儀只是谷歌在借助AI技術改進應用體驗方面的一個案例，除了圖像應用外，語音、文字等相關產品也有不同程度的體驗改進。
不止是軟件方面，在讓AI技術落地上，谷歌還在嘗試將AI、軟件、硬件結合起來。
作為谷歌落地語音交互產品的重要硬件，Google Home如今可以提供非常多樣的服務，比如它能夠識別不同用戶的聲音，并給予不同的反饋。例如，A與B都養(yǎng)了寵物狗，當A對Google Home說想看寵物照片的時候，Google Home可以識別出A的聲音，并將A的寵物照片調出；而當B提出同樣要求的時候，Google Home調出的是B的寵物照片。
這一功能為Google Home的語音配對功能（Voice Match），它之所以能夠實現，源于在機器學習的幫助下，語音助手能夠識別不同的語音。據介紹，語音配對目前支持最多六個用戶連接到同一臺 Google Home，Google Home是目前市場上首個具備此功能的智能音箱。
機器學習還被運用到醫(yī)療領域，通過與印度和美國的醫(yī)生合作，谷歌創(chuàng)建了一個包含12.8萬張眼底掃描圖片的數據集，來用于訓練一個檢測糖尿病性視網膜病變的深度神經網絡。
經過訓練，模型識別眼底掃描圖的專業(yè)準確度甚至超過了專業(yè)醫(yī)生的平均水平，而這可以幫助醫(yī)生提高診斷效率，使患者盡早得到治療。
同時，通過TensorFlow、云機器學習API（Cloud Machine Learning APIs）以及張量處理器（Tensor Processing Unit, TPU）電腦芯片，谷歌將AI能力向更多開發(fā)者開放出來。食品企業(yè)得以借此提高食物檢查效率，生物學家得以更加高效的了解鳥類的習性并提升保護的效果。
而無論是優(yōu)化現有產品、開放AI能力以及解決人類的共同問題，實現上述目標的基本前提是持之以恒的投入AI方面的研究，并取得進展。在谷歌的AI戰(zhàn)略中，機器學習是重中之重。
改變這樣發(fā)生
機器學習是計算機科學的一種形式，認為編寫能使計算機自主學習如何變得智能的程序，要比直接編寫智能程序要更為簡單。通俗的來講，機器學習的目的是讓機器自身變得智能。
Jeff Dean介紹，機器學習是谷歌在人工智能領域的工作重心，谷歌開展機器學習的研究已經很長時間，但目前機器學習仍處于發(fā)展初期。如今，機器學習對分類、預測、理解和生成這四個關鍵方面很有幫助。而這些功能幾乎已經被應用于谷歌所有的產品中。
無論是Goolge Photos 、Google Translate、Google Lens，還是Gmail 、Inbox 、Google Maps ，亦或者Google Assistant、YouTube，機器學習技術的加入，讓它們可以提供更好的體驗。
新款Pixel手機具備了人像模式，這一模式拍攝人像時可以柔和虛化背景，傳統技術條件下，這需要一個多鏡頭的專業(yè)相機才能實現，但機器學習和計算攝影技術的結合，使得Pixel手機依靠每側各有一個鏡頭便實現了同樣的效果。
未使用人像模式（Portrait mode）的照片（左）和使用人像模式（Portrait mode）的照片（右）
根據谷歌搜索項目總監(jiān)Linne Ha的介紹，深度神經網絡技術大大提高了語音搜索中語音識別的準確性，這使得用戶在嘈雜的環(huán)境中也可以與手機自由對話。在機器學習的幫助下，自然語言處理系統能夠更好地理解你想說的話。在利用機器學習實現文本向語音轉換的實驗項目Project Unison的幫助下，通過轉換引擎，手機可以用語料并不豐富的語種，如孟加拉語，高棉語和爪哇語。
實際成果已經證明，機器學習與具體應用結合可以取得非常好的效果，但Jeff Dean仍舊提示目前機器學習存在的兩大挑戰(zhàn)，首先是機器學習模型的觸達性；二是機器學習模型的包容性。
為了解決第一個問題，谷歌將在明年在互聯網上提供免費的機器學習課程，為了解決第二個問題，谷歌啟動了People + AI Research （PAIR） 計劃，并與與Geena Davis 研究所合作建立了GD-IQ（一種利用機器學習檢測電影中性別偏見的工具）。
上述措施對解決機器學習面臨的挑戰(zhàn)提供了幫助，但于谷歌而言，在AI frist的戰(zhàn)略指引下，其面臨的挑戰(zhàn)不止于此。
從行業(yè)競爭的角度而言，越來越多公司推出了機器學習開源平臺，谷歌要如何應對競爭，保持對開發(fā)者的吸引力？而從國家間的競爭來看，谷歌還面臨著美國政府是否愿意投入和支持AI產業(yè)發(fā)展的影響。
面對行業(yè)競爭，Jeff Dean表示，“TensorFlow在不斷的發(fā)展，不斷地增加新的功能。它們可能針對不同的人群，有的針對研究者，有的更多傾向于移動平臺。所以這樣的競爭是好的。TensorFLOW的開源軟件是有很靈活的Apache 2.0 許可機制。”
而面對國家間的競爭，谷歌選擇了建立本土團隊提升AI發(fā)展速度的做法。Jeff Dean表示，谷歌正在中國組建AI團隊，團隊主要分布于北京和上海兩個城市。
這一做法顯然是從新人才的角度出發(fā)——“我們想關注下一代有更好計算能力的人，解決實際的問題，有意思的問題。我們并不擔心競爭對手，我們關心的是我們自己的研究。”
從研究到應用，再到開放，Google在AI first戰(zhàn)略的指引下，已經形成了比較完成的拼圖，盡管人工智能的發(fā)展讓部分公眾對其安全性產生擔憂，但在一直投身于這個行業(yè)的Jeff Dean看來，機器學習可以幫助人類解決更復雜的問題，“我們現在應該著眼于解決眼前的問題”，而這也將影響著谷歌未來發(fā)展AI的路。
