Google 稍早在日本東京總部舉辦 AI Day，與來自日、韓、中等11個國家、將近60家媒體，說明有關(guān) Google 發(fā)展 AI 的三個方向，強調(diào) AI 主要在幫助人類解決日常所需，并非用來取代人類。而對所有領(lǐng)域來說，AI 跟機器學(xué)習(xí)雖然有很大的進展，但一切都只是剛起步而已，唯有人工智能進入人類生活，才能抓住它改善全人類生活的潛力與機會。

Google 發(fā)展人工智能已經(jīng)長達15年，不過近期來說，全球人工智能真正開始積極推展的，主要還是 AlphaGo 在韓國對上李世石一役，因為圍棋擁有驚人的10 的170 次方種可能的棋盤布局，相較于1997 年打敗棋王Gary Kasparov 的西洋棋程式 DeepBlue，可謂大幅度進展。

首度抵日的 Google 研究團隊資深研究員 Jeff Dean 在這次的大會中揭示 Google 發(fā)展 AI 的三個方向，分別為「貼近人類需求的Google 產(chǎn)品」、「持續(xù)打造創(chuàng)新的服務(wù)跟應(yīng)用」，以及「研究出可解決人類難題的工具」。

Google 研究團隊資深研究員 Jeff Dean。

方向一：持續(xù)打造創(chuàng)新的服務(wù)跟應(yīng)用

大家都知道，Google CEO Sundar Pichai 在 Google I/O 期間，曾明確揭示 Google 公司的下個十年將會從 Mobile-First 朝向以 AI-First 為核心發(fā)展。事實上，像是Android、Chrome、Google Search、Google Play、Gmail、Google Maps、YouTube 等 7 個導(dǎo)入人工智能的產(chǎn)品，目前已經(jīng)有超過 10 億用戶。

Jeff Dean 在現(xiàn)場展示了透過機器學(xué)習(xí)怎么樣學(xué)習(xí)貓、狗、汽車、蘋果、花等影像，然后最后辨識出貓。現(xiàn)在透過 Goolge Lens 可以辨識獅子、聲音語調(diào)、文字內(nèi)容，甚至照片，好比說你給他一張火車的照片，系統(tǒng)已經(jīng)可以清楚辨識，并告訴你這是一輛藍、黃相間車身的火車，目的地是往哪里。

除此之外， Google Lens 還可以輕易辨識地點、路邊書本的名字、圖片上的地圖、拍攝美術(shù)館，還可以進一步了解美術(shù)館正在展覽的內(nèi)容，而導(dǎo)入機器學(xué)習(xí)的 Gmail 現(xiàn)在可以成功阻擋 99.9% 的垃圾郵件；最新推出的 Google Home 可支援多達 6 個人的語音配對。

其他還有像是 Google Play Music 透過導(dǎo)入 AI 技術(shù)，能理解用戶喜歡的音樂、然后提供相對應(yīng)的個性推薦。如果是美國部分城市用戶，使用 Google Maps 還有「停車預(yù)測」功能，其背后更集合了群眾回饋以及機器學(xué)習(xí)技術(shù)，建構(gòu)了一套系統(tǒng)來幫助使用者預(yù)測停車位。至于大家?guī)缀趺刻焓褂玫?YouTube 平臺，透過機器學(xué)習(xí)為YouTube 自動上了超過十億支影片，讓全球三億以上的失聰或聽障朋友也能了解影片內(nèi)容。 Google 翻譯透過神經(jīng)機器翻譯系統(tǒng) (Neural Machine Traslation, NMT)，也有效提升翻譯的品質(zhì)，目前已可支援近 97 種語言跟英文的互譯，其中包括許多亞太地區(qū)的語言...等等。

Google Maps 在美國 25 個城市提供停車廠建議功能。

透過 Google Lens 可以在拍下照片之后，確實了解身邊的事物，或者快速翻譯不熟悉的語言。

透過導(dǎo)入機器學(xué)習(xí)，現(xiàn)在 Gmail 與 Inbox 已經(jīng)能夠 12% 辨識信件內(nèi)容，并給予回覆建議。

方向二：貼近人類需求的產(chǎn)品

除了軟件之外，這兩年積極搶攻硬件市場的 Google，同樣透過 AI 進行產(chǎn)品軟硬件整合。負責(zé) Google Pixel 相機開發(fā)的產(chǎn)品經(jīng)理 Isaac Reynolds 表示，透過 Googe Home，家中的所有人（最多同時6 人）都跟機器對話，而機器可以快速回應(yīng)各種不同需求，好比說請它設(shè)定房間的鬧鐘、問它義大利的時間、要它開啟客廳的電視并播放 Netflix 等等，而且可以清楚辨識每個人的聲音，這是深度學(xué)習(xí)的一環(huán)，Google 已經(jīng)導(dǎo)入超過 1000 個不同的房間位置的聲音模組，現(xiàn)在透過機器學(xué)習(xí)機制，它能了解每個人的聲音、回應(yīng)每個人的需求，后續(xù)推出的 Google Home Max 是高階的音箱，提供跟Google Home 一樣的功能，并且更能夠理解人們的所在地點。

Google HOME 的實際應(yīng)用很廣，可在居家辨別6 個不同的家族成員的聲音，并給予即時回應(yīng)，包括可以在電視還未開啟的前提下，使用「幫我在電視里秀出我養(yǎng)的狗狗的照片」的指令。

至于 Google Pixel 的人像模式，同樣也是導(dǎo)入機器學(xué)習(xí)技術(shù)，借由認識環(huán)境，以及誰是主體，借此模擬出景深效果。至于 Pixel 2 人像模式又更進階，除了上述的學(xué)習(xí)機制，透過兩個不同的 Photodiode，在一個非常小的單鏡頭當(dāng)中，可以認識環(huán)境做出深度地圖，有效區(qū)別出人像與背景，接著將「劃分遮罩」和「深度圖」組合成一張優(yōu)化過的深度圖，然后根據(jù)估計的距離決定背景模糊的程度，兩者互相結(jié)合起來，做出更自然的人像模式。

Google Pixel 相機開發(fā)產(chǎn)品經(jīng)理 Isaac Reynolds。

方向三：研究出可解決人類難題的工具

首先談到自然語言學(xué)習(xí)，Google 人工智慧研究總監(jiān) Linne Ha 分享一位名為 Arm 的故事，一名泰國工人透過跟機器對話，轉(zhuǎn)換成文字之后，成功找到失散多年的家人。目前全球有超過6000 種語言，當(dāng)中的4000 種語言人口只有100 萬人，如果能夠透過機器學(xué)習(xí)的技術(shù)，讓每個能夠上線的人們都能用自己的語言與其他人交流，將可望創(chuàng)造更多類似Arm 的故事。

Google 人工智慧研究總監(jiān) Linne Ha。

除了自然語言，最近這幾年相當(dāng)火紅的語音助理當(dāng)中，Google Assistant 應(yīng)該是近年來最具有人工智慧色彩的語音助理。 Google Assistant 工程技術(shù)總監(jiān)Pra Gupta 表示，一年前推出的 Google Assistant，現(xiàn)在已經(jīng)在搜尋、Google Maps、Android Wear、Android TV、Google Home 等服務(wù)當(dāng)中都有她的影子，透過Google Assistant 用戶可以輕易地控制家電、操作App，而且不用遙控器就可以讓電視透過聲控的方式啟動、選擇影片等等。

Pra Gupta 指出，Google Assistant 還在成長當(dāng)中，目前支援英文、德文、韓文、西班牙文、法文、義大利文、日文、葡萄牙文，現(xiàn)在希望能為更多的裝置提供 Assistant 服務(wù)。

Google Assistant 工程技術(shù)總監(jiān) Pra Gupta。

而事實上除了Google Assistant，Google 云端平臺開發(fā)顧問 Kaz Sato 表示，Google 發(fā)展云端應(yīng)用超過18 年，現(xiàn)在也已經(jīng)全面導(dǎo)入 AI 技術(shù)，現(xiàn)在已經(jīng)可以有效地處理旗下與第三方合作廠商各項服務(wù)的后端處理，這包括影像分析、數(shù)據(jù)管理等等，有效提升企業(yè)運作效率。

除了 Google 內(nèi)部，這次也有第三方合作廠商導(dǎo)入 AI 技術(shù)。像是創(chuàng)立于 1919 年的兒童食品公司 Kewpie，在日本因為當(dāng)?shù)匦枨螅枰铀偕a(chǎn)才能因應(yīng)市場變化，因此該公司最后選擇導(dǎo)入 AI 技術(shù)。

正所謂「好的產(chǎn)品從好的想法開始」，AI 提供許多很好的建議，好比說透過AI 來協(xié)助檢驗?zāi)男R鈴薯是適合嬰兒食用，快速篩檢哪些條件的馬鈴薯是不適合食用的，初期食品廠在 2 個月內(nèi)提供 AI 超過100 萬顆馬鈴薯給它辨識，像是有些馬鈴薯已經(jīng)變色了、代表不安全，借此減少人工檢測上的負擔(dān)，現(xiàn)在生產(chǎn)線已經(jīng)突破以往的生產(chǎn)效率。這是我們與 Google 合作的一個重大突破。

兒童食品公司Kewpie 導(dǎo)入 AI 技術(shù)，透過機器學(xué)習(xí)的方式協(xié)助機器每天過濾上萬顆馬鈴薯顆粒，協(xié)助控管兒童食品安全。

談到機器學(xué)習(xí)，Google 研究團隊產(chǎn)品經(jīng)理、醫(yī)學(xué)博士彭浩怡（Lily Peng）再次說明了Google 與印度當(dāng)?shù)蒯t(yī)療機構(gòu)的合作，以及透過機器學(xué)習(xí)能夠快速篩檢出糖尿病視網(wǎng)膜病變，借此知道哪些人是高風(fēng)險的糖尿病患者。

Google 研究團隊產(chǎn)品經(jīng)理、醫(yī)學(xué)博士彭浩怡（Lily Peng）分享 Google 怎么與第三方醫(yī)療機構(gòu)協(xié)助貧苦人家進行診斷醫(yī)療。

人工智能應(yīng)用也能應(yīng)用在生態(tài)環(huán)境保護方面，新西蘭威靈頓維多利亞大學(xué)博士Victor Anton 分享他在威靈頓，透過多的設(shè)置錄音裝置（如黃色的點），錄制超過 15,000 小時的聲音資料，接著搭配機器學(xué)習(xí)的方式，然后整理資料、訓(xùn)練Tebsorflow、測試、分辨，讓機器可以明確分析出哪些鳥在什么時候在哪些地方。

新西蘭威靈頓維多利亞大學(xué)博士 Victor Anton 分享他在威靈頓，透過多的設(shè)置錄音裝置（如黃色的點），搭配機器學(xué)習(xí)的方式，分析鳥類習(xí)性。

舉例來說，透過不斷的測試，團隊已經(jīng)可以清楚了解 Kakariki、hihi 兩種不同的鳥叫聲，下一步，只要透過手機，就可以確認附近會有哪一種鳥。

Victor Anton 表示，目前團隊已經(jīng)訓(xùn)練三種鳥類模組，透過搜集影像跟相關(guān)資料了解動物行為，包括他們遷徙的狀況、獵食與被獵食的狀況，對于政府與保育團體來說，這類型的研究可說已經(jīng)解決生態(tài)保育當(dāng)中最大的難題，實際上當(dāng)?shù)卣膊粩嗤高^提供資源跟技術(shù)，應(yīng)用在生態(tài)保育。

不過畢竟導(dǎo)致鳥不在某個棲息地的變因很多，這包括鳥的棲息地、移動的位置，透過機器學(xué)習(xí)還沒有辦法一次性的解決所有人類對于動物生態(tài)的問題，目前還是需要透過專業(yè)研究、以實驗的方式搭配足夠量的數(shù)據(jù)，不過目前這些數(shù)據(jù)還未公開，主要的原因是整個研究還未結(jié)束，透過參數(shù)的調(diào)整，研究出一個模組之后，才會分享給更多保育團體參考。

Google 發(fā)展 AI 的下一步

談到下一步，Google 這次談得相當(dāng)深入，包括建構(gòu)出更普及的機器學(xué)習(xí)(Accessibility of building ML)訓(xùn)練模組，這包括在教育領(lǐng)域幫助更多人建構(gòu)自己的機器學(xué)習(xí)模型，內(nèi)部也將持續(xù)透過機器學(xué)習(xí)速成課程，訓(xùn)練更多Googler。外部將擴大影響范圍，募集更多學(xué)生與科學(xué)家參與培訓(xùn)計畫，預(yù)計 2018 年初會把這個免費的線上課程開放給所有使用者。

Jeff Dean 也談到 SketchRNN 跟 Auto Mechine Learning，前者讓使用者和神經(jīng)網(wǎng)路一起合作畫畫。使用者僅需畫一朵花就能讓系統(tǒng)自動完成畫作。后者透過建立一組作為控制組網(wǎng)路 (controller network) 的神經(jīng)網(wǎng)路能夠推導(dǎo)出上千個子模型架構(gòu) (“child” model architecture)，以找出執(zhí)行效率最好的一個子模型架構(gòu)。

而在未來，Google 希望能有效提升機器學(xué)習(xí)技術(shù)的精準(zhǔn)與正確性，目前也開放讓公民大眾參與研究，為 TensorFlow 提供足夠的訓(xùn)練資料并驗證分類的正確性。

再者透過遠端感測可以讓科學(xué)家更輕易的獲得大量數(shù)據(jù)資料，未來希望透過建立人工智慧開源的方式，讓生物學(xué)家可以利用機器學(xué)習(xí)歸納大量數(shù)據(jù)，其他時間就可以省下來做后續(xù)的結(jié)果判讀和歸納，進而更有效的保育鳥類。

相較于微軟亞洲研究院院長洪小文在 AI Day 當(dāng)中宣布微軟投入 AI 領(lǐng)域的六大承諾、三大研發(fā)面向、以及十二項產(chǎn)業(yè)應(yīng)用情境，Google 研究團隊資深研究員Jeff Dean 在這次的大會中揭示 Google 發(fā)展 AI 的三個方向，兩者其實都是殊途同歸，同樣著重攜手開發(fā)者導(dǎo)入自家人工智慧研究，不過微軟看起來比較朝向商務(wù)合作領(lǐng)域發(fā)展，而 Google 則是著重人本應(yīng)用，從行動面下手。

Jeff Dean 表示，在理想的人工智能之前，我們相信一切只是開端，并相信唯有讓人工智能進入每個人的生活，才能發(fā)現(xiàn)與抓住它改善全人類生活的潛力和機會。