自覺布AI First計謀后，谷歌在人工智能途徑上越走越果斷。不只有Google Assistant智能助手，還在春季宣布會上宣布了包含手機、耳機和智能音箱等多款AI硬件，構建AI生態。在特斯拉CEO馬斯克等賡續收回AI威逼論下，谷歌則表現，專注AI的前沿研討息爭決現實成績。
近幾年，Google每一年都邑舉辦 APAC（亞太區年度媒領會議）。作為從Mobile First計謀轉移到AI First的科技巨子，此次媒領會議的核心天然是人工智能，“Made with AI”。
11月28日的會議上，谷歌年夜腦（Google Brain）擔任人Jeff Dean表現，谷歌在人工智能范疇終究目的是三點：應用人工智能和機械進修讓谷歌的產物加倍適用（Making products more useful）；贊助企業和內部開辟者應用人工智能和機械進修停止立異（Helping others innovate）；為研討人員供給更好的對象，以處理人類面對的嚴重挑釁。
AI+軟件+硬件
今朝，機械進修在谷歌的年夜部門產物中都有運用。如Google Photos 云端相片集，應用圖象辨認技巧，可以供給人臉檢測和照片主動分類；Google Lens基于圖象辨認和OCR技巧，能及時辨認用智妙手機拍攝的物品并供給與之相干的內容；Google Maps可以經由過程街道、街景的數據獲得更多有關地域具體的情形，還可以懂得泊車難易水平；Gmail 和 Inbox 在收到郵件后，智能體系會給用戶供給答復建議（Smart Reply）；YouTube 中的主動字幕（Auto captions）則是經由過程機械進修給跨越 10 億的視頻主動加上字幕；Google Translator應用神經收集機械翻譯（Neural Machine Translation）。
Google Assistant是2016年5月19日推出的一款語音助手，焦點是語音辨認。Google Assistant 工程總監Pravir Gupta表現，該產物基于 Google 在機械進修、天然說話處置和搜刮范疇的經歷之上。
在這些產物中，谷歌翻譯也許是中國用戶可以或許應用最多的。Jeff指出，曩昔的翻譯體系應用更簡略的統計翻譯模子，由 50 萬行代碼構成。2016年，神經收集機械翻譯體系（GNMT：Google Neural Machine Translation）正式運用到谷歌翻譯中。Jeff稱，該體系僅由 500 行 TensorFlow 代碼構成。應用新的體系后，翻譯精確性獲得了很年夜改良，“堪比曩昔十年獲得的結果”。Jeff提到，今朝翻譯后果晉升最顯著的是日英互譯。
不外，谷歌不是最早在翻譯中應用神經收集機械翻譯體系的企業。2016年的百度機械翻譯技巧開放日上，百度技巧委員會聯席主席、天然說話處置部技巧擔任人吳華博士表現，百度早在一年多前（2015年）就率先宣布了世界上首個神經收集的機械翻譯體系（NMT），戰勝了傳統辦法將句子朋分為分歧片斷停止翻譯的缺陷，充足應用高低文信息，對句子停止全體的編碼息爭碼，從而發生更加流利的譯文。
吳華其時稱，谷歌翻譯強在基于統計的機械翻譯上，然則在基于神經收集的機械翻譯上，百度方法先。另外，谷歌翻譯以英語為中間，百度翻譯以中文為中間。
構建生態很主要的一點就是要讓個中各成份無機融會。谷歌也正在盡力讓硬件、軟件和 AI 互相聯合。本年春季宣布會上，谷歌宣布了九款硬件產物，包含智能音響Google Home Mini / Google Home Max，筆記本Pixelbook，智妙手機Pixel 2和Pixel 2 XL，Google Pixel Buds耳機，這些新硬件都與AI有關，整合了谷歌的智能語音助理 Google Assistant，凸顯了谷歌在AI范疇從軟件到向硬件范疇的野心。
個中，Google Home還具有語音配對功效（Voice Match），經由過程機械進修能辨認分歧的語音，可以使最多六個用戶銜接到統一臺 Google Home。Google Home Max 還應用了AI 技巧 Smart Sound，可根據所處地位主動調劑聲響品德。谷歌首款無線藍牙耳機Pixel Buds還可便捷地接入Google翻譯，應用語音辨認和翻譯技巧，停止及時翻譯。
與華為、iPhone X 智妙手機采取雙攝像頭分歧，谷歌的Pixel 2/2 XL聯合了機械進修和盤算攝影技巧來剖析圖象，將主體與配景分別。固然只應用一枚攝像頭，也具有人像形式功效，在拍攝人像時可柔和虛化配景。平日，這須要多鏡頭的專業相機。
除外部產物應用AI，谷歌也為企業及開辟者供給三種立異對象：TensorFlow，云機械進修 API （Cloud Machine Learning APIs） 和張量處置器 （Tensor Processing Unit, TPU） 電腦芯片。
Google 在 2015年宣布了人工智能體系TensorFlow并宣告開源，以后TensorFlow成了開源社區GitHub上最受迎接的機械進修對象。除TensorFlow，其他的深度進修對象還有Caffe, CNTK，Theano等。而在中國，2016年9月，百度也宣告其深度進修開源平臺PaddlePaddle在Github及百度年夜腦平臺開放。
面臨這些競爭，Jeff在媒體交換會上回應稱，每一個平臺都有各自長處和缺陷，針對分歧的人群，如許的競爭是好的。“Tensorflow開源軟件基于Apache 2.0允許證，不管是年夜企業照樣始創企業，每一個人都可以應用它做本身想做的工作。這能夠是Tensorflow勝利的緣由之一。我們看到一個很安康的生態體系，我們也從其他的開源平臺傍邊學到了許多，賡續改良Tensorflow平臺，讓這個平臺更好。”
專注實際和研討成績
機械進修是谷歌在人工智能范疇的任務重心。谷歌以為，編寫能使盤算機自立進修若何變得智能的法式，要比直接編寫智能法式更好。然則，跟著機械變得愈來愈智能，機械會不會哪無邪的無意識，進而代替人類。特斯拉CEO 埃隆·馬斯克（Elon Musk）和英國有名物理學家霍金都對AI收回過正告。
而Jeff以為，這些擔憂太遠了，“我們在安排平安的AI體系的時刻也能夠應用個中許多的技巧，我認為這能夠會是短時間我們最須要存眷的范疇。如今的一些擔憂還為時過早。我們如今應當著眼于處理面前的成績。”這也是上文說起的谷歌AI三年夜目的之一：處理人類面對的嚴重挑釁（solving humanity’s big challenges）。
今朝，谷歌正在應用機械進修處理如醫療保健、動力和情況掩護成績等成績。例如，谷歌醫療成像團隊產物司理與印度、泰國和美國的一些病院協作開辟一種對象，可以經由過程機械進修贊助診斷糖尿病所惹起的眼部疾病。在掩護鳥類方面，研討員Victor Anton 搜集了 5 萬個小時的音頻并將其轉換成譜圖，經由過程 TensorFlow 加倍疾速高效地剖析這些音頻，辨認譜圖中的鳥鳴聲。
關于AI帶來的掉業成績，Jeff則表現，曩昔兩百年的技巧成長都邑碰到如許的成績，他對此持悲觀立場，“每次技巧有了新的成長，取代了人力休息，我們就會有一個新的、成心思的專業范疇駕御這個技巧。我們會有新的任務，今朝我們能夠想象不出來。誰可以或許想到社交媒領會涌現。產生之前是想象不到的。”
不擔憂競爭敵手 持續在中國招人
11月初，Google 母公司Alphabet董事長、谷歌前CEO埃里克·施密特（Eric Emerson Schmidt）在人工智能與全球平安峰會上對新美國平安中間的保羅·沙雷說：“我以為，我們（美國）在將來5年內將持續堅持搶先位置，然后，中國將敏捷遇上來。”
埃里克的這一不雅點源于中國當局宣布的《新一代人工智能成長計劃》，計劃提出，到2020年，中國人工智能整體技巧和運用與世界先輩程度同步；到2025年，人工智能基本實際完成嚴重沖破，部門技巧與運用到達世界搶先程度；到2030年，人工智能實際、技巧與運用整體到達世界搶先程度，成為世界重要人工智能立異中間。
面臨中美AI比賽成績，Jeff表現，今朝全球許多公司對機械進修和AI感興致，許多當局異常清晰AI的潛力，分階段、務虛地停止研討，樹立生態體系。“中國當局提倡AI，并制訂政策；美國當局能夠不像中國這么有組織，然則我們（美國）也有許多在公司、學術界產生的研討，也有生態體系。”
機械進修和AI不只影響著盤算迷信，還觸及到各行各業。是以，活著界規模內，一些當局和公司都在招募相干人才網job.vhao.net，這也直接帶來了人才網job.vhao.net貯備的競爭。另外一方面，還觸及到AI人才網job.vhao.net的培訓成績。Jeff稱，“我信任跟著時光推移，會有更多人有如許的相干技巧，他們可以經由過程這個技巧處理許多成績。”
谷歌若何對待百度之類的競爭者。Jeff表現，谷歌重要存眷下一代前沿研討成績，雇仆人才，并為他們供給最好的盤算機硬件去處理現實的、成心思的成績。“我們其實不擔憂競爭敵手，我們關懷的是我們本身的研討”，他還彌補稱，谷歌也將在上海、北京連續雇用AI相干人才網job.vhao.net。
在2016年烏鎮的圍棋峰會上，Google初次對外認可在中國招人組建AI團隊。相干的雇用崗亭無機器進修軟件工程師、機械進修技巧主管、機械進修研討員、云端機械進修產物司理等。不外雇用信息上并未顯示雇用人數，谷歌方面表現，沒有詳細統計過中國地域AI員工數目。
