当人们认为人工智能很遥远时，Google却打算让每个人都用上AI

2017年11月28日，以MadeWithAI为主题，Google在日本东京举行了一场关于人工智能的媒体沟通会。

更好用的Google产品

首先，Google资深研究员JeffDean首先登台。他用一个通过GoogleTranslation进行实时识别翻译的案例，来介绍了人工智能与机器学习的区别。他表示，机器学习其实是人工智能的一部分；本质上，机器学习是一个创造问题解决系统的新方式。

JeffDean提到，正如GoogleCEOSundarPichai在2016年10月所言，在接下来的10年间，Google将会成为一个AIFirst的公司；而Google在人工智能领域的愿景是：

在演讲中，JeffDean着重提到了TensorFlow。据雷锋网了解，TensorFlow于2015年11月在GitHub上正式开源；与MXNet、Caffe等其他的机器学习框架相比，TensorFlow颇受欢迎，用户量的增长速度也比较快。而根据Google方面提供的数据，到目前为止，TensorFlow已经成为用户数量排名第一的机器学习框架。

JeffDean表示，在近20年的发展中，神经网络（NeuralNetworks）在数据量和结算模型上已经超越其他的计算方案；总结来说，一个计算的新时代已经到来。

实际上，作为最早开始研究人工智能和机器学习的科技公司之一，人工功能和机器学习的元素实际上已经出现在Google多项产品中。在沟通会现场，JeffDean列出了一些较为典型的产品，并对它们的人工智能元素进行了简单介绍：

软硬件与AI的一体化

不过，除了AI和软件产品，Google在产品层面也已经延伸到了硬件；也就是说，Google已经形成了AI+软件+硬件三位一体的布局。一个最简单的例子是：在与GooglePixel相连接的情况下，PixelBuds耳机可以实时翻译。

不过，PixelBuds当然不是全部。在沟通会现场，Google产品经理IsaacReynolds登台介绍了AIAndHardware的关系；这里说的Hardware，主要指的是GoogleHome系列和Pixel手机。

第一款着重提到的产品是2016年发布的GoogleHome。IsaacReynolds表示，GoogleHome内置了语音配对（VoiceMatch）功能，其本质在于用机器学习来帮助识别不同的语音，可以让最多6位用户连接到同一台GoogleHome；无论这六位用户说话的声音大小，GoogleHome都能够听见并给出回应，这就是硬软件与机器学习相结合的最好案例。

与之相比，今年10月最新发布的GoogleHomeMax的音质更好；它可以通过机器学习在数千种房间中进行声音模型训练，对不同音质的效果进行衡量，最后提供一个适合所在房间的声音模型。

关于Pixel2XL，IsaacReynolds主要提到了Pixel2的人像模式。实际上Pixel2只有一个摄像头，但它能够通过机器学习对图像进行结构化的识别，从而区分出背景和人像，并给出相应的深度图（DepthMaps）；在形成SegmentationMask之后，对背景进行虚化，最终实现人像效果。

在沟通会现场，雷锋网（公众号：雷锋网）就Pixel2内置的PixelVisualCore辅助芯片进行了提问。Isaacreyonld表示，KUKA机器人示教器维修，PixelVisualCore实际上已经在数年前就开始研发了，目前可以用于HDR+照片的拍摄；随着Android8.1的推出，第三方应用开发者也可以应用Pixel2/XL的这一芯片来拍摄HDR+照片。

不过在未来，PixelVisualCore也能够被开发者应用于机器学习。

人类语言问题的解决

接下来，Google负责机器学习的一个项目总监LinneHa登台介绍了Google的机器学习在人类语言方面的成绩。

LinneHa表示，当今世界上，有6000多种语言（算上方言可能会更复杂），其中只有400多种拥有超过100万的使用人口。然而在互联网上，有50%的内容都是英文的，而世界使用人口数量排名第四的印度语，其内容量在网上的排名不到前30。这种人类语言上的不平衡，正是Google试图通过人工智能解决的问题。

Google在语言方面所做的努力包括对多种语言字体进行Unicode编码，使其不仅仅能够用在桌面电脑上，还能用在移动设备上。不仅如此，Google还开发了几乎可以支持任何语言的Noto字体；而针对字符数量比较多的语言，GoogleKeyboard能够利用机器学习在用户输入时进行预测，从而让用户输入效率大大增加。

利用深度神经网络，Google推出了VoiceSearch功能，即使是在嘈杂环境中，用户也可以与手机对话；目前该功能已经支持119种语言，库卡机器人，其中包括11中印度语言和3种印度尼西亚语言。另外一个值得一提的是Google的ProjectUnison项目，它可以利用机器学习实现文本向语音的转换，主要针对语料并不丰富的语种，比如孟加拉语、高棉语和爪哇语。而机器学习模型可以减少构建文本到语音模型所需的数据量。

在说完语言之后，GoogleAsssitant工程总监PraviaGupta上台对GoogleAssistant进行了简单介绍。除了众所周知的功能，PraviaGupta再次强调称GoogleAssistant已经拥有Voice、Type、Tap、Lens等四种输入方式；而且可以覆盖iPhone&Android智能手机、Chromebook笔记本、电视机、汽车、智能手表等多种设备。

当然在现场，PraviaGupta也少不了对GoogleAssistant进行了一番Demo。

用AI来赋能行业、应对人类挑战

当然，除了致力于自身产品的发展，Google也不忘记强调它对其他企业和开发者创新的影响。Google表示，目前它为企业及开发者提供了三种创新工具，分别为TensorFlow、云机器学习API以及TPU电脑芯片。在沟通会现场，来自日本的丘比公司，就登台介绍了它如何使用TensorFlow来提高食品材料的质量和安全性。

在行业创新之外，Google表示机器学习也可以帮助我们解决人类的一些重大挑战，比如说医疗保健、能源和环境问题。比如说机器学习目前已经用于诊断糖尿病引起的眼部疾病、乳腺癌等疾病；实际上雷锋网已经报道过，就在11月26日，Google旗下的DeepMind团队正式宣布将利用AI来对抗乳腺癌。

不过，来自新西兰维多利亚大学的博士生VictorAnton则试图通过人工智能来识别鸟叫声，以便来保护鸟类。

在沟通会的结尾，JeffDean展望了Google人工智能的未来。

他表示，www.zr-kuka.com，未来要面临的主要困难是如何想方设法让机器学习模型的创作更加触手可及；为此，Google明年将在互联网上免费提供机器学习课程，而且Google相关团队也在研究如果使用AutoML自动创建机器学习模型。

最后，JeffDean补充称，目前Google已经启动了People+AIResearch（PAIR）计划，这个计划旨在研究并重新设计人与人工智能系统的交互方式，其最终目的是让机器学习模型具有包容性，并能够真正地为每个人可用。