使谷歌的產(chǎn)物加倍適用；
贊助企業(yè)和開辟者立異；
為研討人員供給對象，從而處理人類面臨的各項(xiàng)嚴(yán)重挑釁。
AI賦能軟件
Jeff提到，機(jī)械進(jìn)修是谷歌在人工智能范疇的任務(wù)重心。作為盤算機(jī)迷信的一種情勢，他以為機(jī)械進(jìn)修編寫能使盤算機(jī)自立進(jìn)修若何變得智能，要比直接編寫智能法式要更加簡略。
說到谷歌展開機(jī)械進(jìn)修的研討，Jeff再次應(yīng)用了谷歌在2012年關(guān)于機(jī)械識(shí)貓的論文，和2015年谷歌開源TensorFlow這兩個(gè)主要事例。如今，TensorFlow是GitHub上最受迎接的對象。
Jeff以為，機(jī)械進(jìn)修仍處于成長早期。現(xiàn)在，機(jī)械進(jìn)修對分類、猜測、懂得和生成這四個(gè)癥結(jié)方面很有贊助。這些功效簡直被運(yùn)用于谷歌一切的產(chǎn)物中，使產(chǎn)物加倍適用，例如：谷歌相冊，谷歌翻譯，谷歌地圖和Google Lens等等。上面分離做一扼要總結(jié)引見。
谷歌相冊（Google Photos），被重點(diǎn)提出的功效是照片搜刮（Photo Search）。谷歌相冊可以經(jīng)由過程圖象辨認(rèn)妥當(dāng)分類一切照片，使查找更便利。
而谷歌翻譯（Google Translate），可以和谷歌相冊聯(lián)合起來應(yīng)用。用相機(jī)照下的圖片，它可以幫你翻譯出來。
Jeff引見，現(xiàn)實(shí)上翻譯這項(xiàng)任務(wù)曾經(jīng)連續(xù)了十年。在曩昔，翻譯體系并不是基于神經(jīng)收集，而是應(yīng)用更簡略的統(tǒng)計(jì)翻譯模子，由50萬行代碼構(gòu)成。2016年推出的新神經(jīng)收集機(jī)械翻譯體系，經(jīng)由了簡略卻有用的數(shù)據(jù)練習(xí)。新體系僅由500行TensorFlow代碼構(gòu)成，而非50萬行。
“我們客歲秋季開端應(yīng)用新的神經(jīng)收集翻譯體系后，翻譯精確性獲得了很年夜的改良，可比肩曩昔十年中獲得的晉升。”Jeff說。
如今，谷歌將神經(jīng)收集機(jī)械翻譯運(yùn)用到了97組說話傍邊。后果晉升最顯著的是日英互譯。
谷歌地圖（Google Map），即使在沒稀有據(jù)允許的情形下，經(jīng)由過程衛(wèi)星的參與，加上機(jī)械進(jìn)修和盤算機(jī)視覺等技巧也能夠發(fā)生可用的地圖。
Google Lens，可以把你看到的器械搜刮出來，獲得相干的信息。
而文本懂得才能的晉升，讓Gmail更好用。好比智能體系經(jīng)由過程讀取內(nèi)容和猜測回應(yīng)，可以給用戶供給答復(fù)謎底或建議。Gmail數(shù)據(jù)顯示，今朝有12%的答復(fù)來自手機(jī)，這將令人們的平常任務(wù)加倍便捷。
這里值得一提的是谷歌助理（Google Assistant），它的焦點(diǎn)技巧是語音辨認(rèn)，包括了許多機(jī)械進(jìn)修的相干技巧。“沒有人工智能和機(jī)械進(jìn)修，這個(gè)產(chǎn)物是弗成能存在的。”Jeff強(qiáng)調(diào)道。
應(yīng)用 Google Assistant，用戶可以與谷歌停止自在對話，從而完成分歧品種的義務(wù)，好比尋覓某一成績的謎底、導(dǎo)航辦事、獲得消息或獲得日程支配方面的贊助。
Google Assistant 可以在分歧裝備間通用。今朝，Google Assistant 可以使用的國度和地域包含：
澳年夜利亞，巴西，加拿年夜（英文和法文），德國，法國，意年夜利，印度（英文，印度文），印度尼西亞，日本，韓國，墨西哥，新加坡，西班牙，英國和美國（英文，西班牙文）。（是的，并沒有中國。）
在YouTube上，谷歌經(jīng)由過程機(jī)械進(jìn)修給跨越10億的視頻主動(dòng)加上字幕，使得有聽覺妨礙的人可以看到視頻中的對白。
軟硬聯(lián)合：AI賦能硬件
Jeff引見了谷歌將新型的硬件與軟件相聯(lián)合的一個(gè)實(shí)例：Pixel Buds。作為一款耳機(jī)，它能將應(yīng)用者四周人說的話及時(shí)翻譯成應(yīng)用者的母語，應(yīng)用了語音辨認(rèn)和翻譯技巧。
Google產(chǎn)物司理Isaac Reynolds引見了新款Pixel手機(jī)中的人像形式（ Portrait Mode）。
機(jī)械進(jìn)修和盤算攝像的聯(lián)合為新Pixel手機(jī)的人像形式賦能。經(jīng)由過程這個(gè)功效，應(yīng)用者可以拍攝具有必定景深后果的人像。拍攝這類照片，相機(jī)普通須要比擬年夜的光圈，而Pixel僅需正反各一個(gè)鏡頭。
這就是谷歌在硬件方面正在采取的新處置方法：讓硬件、軟件、和 AI 互相聯(lián)合。
接著，Isaac引見了Google Home中的語音配對功效（Voice Match）：機(jī)械進(jìn)修的參加有助于辨認(rèn)分歧的語音，使最多六個(gè)用戶銜接到統(tǒng)一臺(tái)Google Home。
在機(jī)械進(jìn)修和說話方面，搜刮項(xiàng)目總監(jiān)Linne Ha引見了語音搜刮和文本轉(zhuǎn)語音項(xiàng)目。
語音搜刮 （Voice Search），指在機(jī)械進(jìn)修的贊助下，天然說話處置體系可以或許更好地輿解人們想說的話。Linne引見道，谷歌的語音搜刮如今支撐119種說話，個(gè)中包含11種印度說話和3種印度尼西亞說話。
Project Unison，是一個(gè)應(yīng)用機(jī)械進(jìn)修完成文本轉(zhuǎn)語音 （Text-to-Speech）的試驗(yàn)項(xiàng)目。經(jīng)由過程轉(zhuǎn)換引擎，手機(jī)可以用語料其實(shí)不豐碩的語種，如孟加拉語、高棉語和爪哇語與用戶對話。而機(jī)械進(jìn)修模子有助于削減構(gòu)建文本到語音模子所需的數(shù)據(jù)量。
新浪科技總結(jié)上去，谷歌的戰(zhàn)略就是“軟硬聯(lián)合、硬件買通”，讓說話、語音和圖象技巧在各個(gè)裝備上和場景中無縫接合。
AI賦能開辟者
谷歌為企業(yè)及開辟者供給三種立異對象：TensorFlow，云機(jī)械進(jìn)修 API （Cloud Machine Learning APIs） 和張量處置器 （Tensor Processing Unit， TPU） 電腦芯片。
個(gè)中TensorFlow如今有1萬的全球開辟者在應(yīng)用。應(yīng)用TensorFlow的也包含一些中國企業(yè)，好比小米。
最初一部門是谷歌產(chǎn)物司理Lily Peng引見若何用AI讓世界更美妙。人工智能還能運(yùn)用于醫(yī)療、環(huán)保、節(jié)能、植物掩護(hù)等等各方面。
讓AI惠及每小我
分享會(huì)的最初，Jeff再次下臺(tái)，引見了當(dāng)下谷歌在AI方面的一些思緒。Jeff提到，作為一家AI First的公司，谷歌愿望讓每一個(gè)人都可以或許從人工智能中獲益。 今朝曾經(jīng)獲得了一些停頓，然則依然有一些艱苦須要戰(zhàn)勝，例如：
起首，須要千方百計(jì)讓機(jī)械進(jìn)修模子的創(chuàng)作進(jìn)程加倍觸手可及。
對此谷歌的處理計(jì)劃是供給培訓(xùn)。谷歌來歲將在互聯(lián)網(wǎng)上供給收費(fèi)的機(jī)械進(jìn)修課程，如今曾經(jīng)有1.8萬名谷歌員工加入過此項(xiàng)培訓(xùn)。
其次，谷歌正在研討若何應(yīng)用AutoML主動(dòng)創(chuàng)立機(jī)械進(jìn)修模子。
為了確保谷歌構(gòu)建的機(jī)械進(jìn)修模子具有包涵性，而且可以或許真正為每一個(gè)人所用，谷歌還啟動(dòng)了People + AI Research （PAIR） 籌劃，旨在將谷歌的研討人員集合在一路，研討偏重新設(shè)計(jì)人與人工智能體系交互的方法。Facets恰是此籌劃所孕育出的一種對象，可以或許用于機(jī)械進(jìn)修的練習(xí)數(shù)據(jù)可視化。
谷歌還與Geena Davis研討所協(xié)作樹立了GD-IQ，一種應(yīng)用機(jī)械進(jìn)修檢測片子中性別成見的對象。總之，谷歌在AI方面的久遠(yuǎn)目的，就是要讓機(jī)械進(jìn)修和AI變得觸手可及。
