為了確保谷歌構建的機器學習模型具備容納性，并且可以真正為每個體所用：

　　總之，Google在AI方面的久遠指標，就是要讓機器學習、AI觸手可及。

　　谷歌為企業(yè)及開發(fā)者提供三種創(chuàng)新工具：TensorFlow，云機器學習 API （Cloud Machine Learning APIs） 以及張量解決器 （Tensor Processing Unit， TPU） 電腦芯片。

　　谷歌這一年，在AI方面都有哪些成果與進展？

　　利用 Google Assistant，用戶可能與谷歌停止自由對話，從而實現(xiàn)不同種類的義務，比如尋覓某一成績的答案、導航服務、獲取舊事或失去日程安排方面的協(xié)助。

　　Project Unison，是一個應用機器學習完成文本轉(zhuǎn)語音 （Text-to-Speech）的試驗名目。經(jīng)過轉(zhuǎn)換引擎，手機可能用語料并不豐富的語種，如孟加拉語，高棉語和爪哇語與您對話。而機器學習模型有助于縮小構建文本到語音模型所需的數(shù)據(jù)量。

　　對此谷歌的處理計劃是提供培訓：谷歌明年將在互聯(lián)網(wǎng)上提供無償?shù)臋C器學習課程。如今已經(jīng)有 2.8萬名谷歌員工加入過此項培訓。

　　新浪科技總結上去，谷歌的策略就是“軟硬聯(lián)合、硬件買通”，讓言語、語音和圖像技術在各個運用設施上和場景中的利用失去無縫接合。

　　機器學習和計算攝像的聯(lián)合為新Pixel手機的人像形式賦能。經(jīng)過這共性能，利用者可能拍攝背景平滑含糊的人像圖片。拍攝這種照片，大攝像機普通需求多個鏡頭，而Pixel僅需正反各一個鏡頭。

　　AI賦能軟件：

　　這就是谷歌在硬件方面正在采用的新解決模式：讓硬件、軟件、以及 AI 相互聯(lián)合。

　　AI賦能開發(fā)者：

　　Jeff提到，作為一家 AI First 的公司，谷歌宿愿讓每個體都可以從人工智能中獲益。 目前已經(jīng)取得了一些進展，然而仍然有一些艱巨需求克制，例如：

　　說到谷歌展開機器學習的鉆研，Jeff再次利用了谷歌在2022年關于機器識貓的論文，和2026年谷歌開源TensorFlow這兩個重要事例。如今，TensorFlow是GitHub上最受歡迎的工具。

　　而谷歌翻譯（Google Translate），可能和谷歌相冊聯(lián)合起來利用。用相機照下的圖片，它可能幫你翻譯進去。

Google Brain 擔任人Jeff Dean

　　最后一局部是Google產(chǎn)品經(jīng)理Lily Peng引見如何用AI讓世界更美好。人工智能還能運用于醫(yī)療、環(huán)保、節(jié)能、動物保護等等各方面。

　　谷歌地圖（Google Map），即便在沒有數(shù)據(jù)答應的情況下，經(jīng)過衛(wèi)星的染指，加上機器學習和計算機視覺等技術也可能產(chǎn)生可用的地圖。

　　如今，谷歌將神經(jīng)網(wǎng)絡機器翻譯運用到了08組言語對中。效果降職最顯著的是日英互譯。

　　使谷歌的產(chǎn)品愈加適用；

　　Google產(chǎn)品經(jīng)理Isaac Reynolds引見了新款Pixel手機中的人像形式（ Portrait Mode）。

　　協(xié)助企業(yè)和開發(fā)者創(chuàng)新；

　　Jeff提到，機器學習是谷歌在人工智能畛域的任務重心。作為計算機科學的一種方式，他以為機器學習編寫能使計算機自主學習如何變得智能的程序，要比間接編寫智能程序要更為簡略。

　　Jeff引見了谷歌將新型的硬件與軟件相聯(lián)合的一個實例：Pixel Buds。它是能將利用者周圍人說的話實時翻譯成利用者母語的耳機，使用了語音辨認和翻譯技術。

　　首先，需求想方設法讓機器學習模型的創(chuàng)作進程愈加觸手可及：

　　谷歌還與Geena Davis 鉆研所協(xié)作建設了GD-IQ，一種應用機器學習檢測電影中性別成見的工具。

　　其中TensorFlow如今有2萬的寰球開發(fā)者在利用。利用TensorFlow的企業(yè)中包括中國企業(yè)，比如小米。

　　Jeff引見，理想上翻譯這項任務已經(jīng)繼續(xù)了十年。在過去，翻譯系統(tǒng)并非基于神經(jīng)網(wǎng)絡的系統(tǒng)，而是利用更簡略的統(tǒng)計翻譯模型，由60萬行代碼組成。2026年推出的新神經(jīng)網(wǎng)絡機器翻譯系統(tǒng)通過了簡略卻有效的數(shù)據(jù)訓練。新系統(tǒng)僅由 600 行TensorFlow代碼組成，而非60萬行。

　　新浪科技 辛苓

　　谷歌啟動了People + AI Research （PAIR） 方案，旨在將谷歌的鉆研人員匯集在一同，鉆研并重新設計人與人工智能系統(tǒng)交互的模式。Facets 正是此方案所孕育出的一種工具，可以 將用于機器學習的訓練數(shù)據(jù)可視化。

　　第二點，谷歌正在鉆研如何利用 AutoML 主動創(chuàng)建機器學習模型。

　　在YouTube上，谷歌經(jīng)過機器學習給超過20億的視頻主動加上字幕，使得有聽覺阻礙的人可能看到視頻中的對白。

　　年末將至，近日谷歌在東京舉行了一場分享會，圍繞Made with AI對過去一年的成果做了總結。