打開谷歌（微博）翻譯APP，將手機鏡頭對準你看不懂的外語，然后屏幕上便自動顯示翻譯結果。

谷歌翻譯實時顯示

收到朋友發來的email，在查看郵件的時候，Gmail已經為你準備好了可能需要回復的內容。

無論是谷歌翻譯還是Gmail，它們已被推出多時，均非新鮮產品，但在用戶看不見的地方，谷歌已經并正在繼續對它們進行“升級”。上述翻譯及Gmail提供的改進，便得益于此。

“升級”源于谷歌AI first戰略的執行和落地，2016年，谷歌CEO Sundar Pichai宣布谷歌戰略從Mobile First（移動先行）轉向AI First（人工智能先行），在對人工智能技術進行多年投入后，現在，谷歌正在通過深度學習、機器學習等技術，讓旗下的產品變得更加智能。

升級旗下產品只是谷歌期望通過AI實現的目標之一。11月28日，在日本東京舉行的Google亞太地區媒體開放日上，Google資深研究員、Google Brain負責人Jeff Dean表示，谷歌在人工智能領域的愿景，是通過三種途徑讓每個人都從中受益：使得 Google 產品更加實用、幫助企業和開發者創新，以及為研究人員提供工具，從而解決人類面對的各項重大挑戰。

從谷歌展示的一系列產品及案例可以看出，谷歌正在為了實現上述目標而努力。

谷歌的新魔法

AI究竟讓產品變得怎樣實用？實際體驗是回答這個問題的最好方式。

在今年Google亞太地區媒體開放日現場，谷歌準備了不同產品的展示，包括各類圖像產品、Google assistant、Google translate以及一系列運用了機器學習等AI技術的小應用。

以圖像應用為例，現實生活中，人們經常會遇到需要將紙質版圖片或文件轉為電子版的場景，通常情況下用戶需要借助專業掃描設備才能得到理想的電子版，因為如果使用手機拍照，會出現反光、畸變等問題。

針對這一需求，谷歌推出一個名為“照片掃描儀”的APP，用戶按照指引對紙質版物品拍攝五張不同角度的照片，該APP會對拍攝的圖片進行計算和合成，最終輸出一個與用專業設備掃描效果類同的電子版。

照片掃描儀（PhotoScan）APP效果

照片掃描儀只是谷歌在借助AI技術改進應用體驗方面的一個案例，除了圖像應用外，語音、文字等相關產品也有不同程度的體驗改進。

不止是軟件方面，在讓AI技術落地上，谷歌還在嘗試將AI、軟件、硬件結合起來。

作為谷歌落地語音交互產品的重要硬件，Google Home如今可以提供非常多樣的服務，比如它能夠識別不同用戶的聲音，并給予不同的反饋。例如，A與B都養了寵物狗，當A對Google Home說想看寵物照片的時候，Google Home可以識別出A的聲音，并將A的寵物照片調出；而當B提出同樣要求的時候，Google Home調出的是B的寵物照片。

這一功能為Google Home的語音配對功能（Voice Match），它之所以能夠實現，源于在機器學習的幫助下，語音助手能夠識別不同的語音。據介紹，語音配對目前支持最多六個用戶連接到同一臺 Google Home，Google Home是目前市場上首個具備此功能的智能音箱。

機器學習還被運用到醫療領域，通過與印度和美國的醫生合作，谷歌創建了一個包含12.8萬張眼底掃描圖片的數據集，來用于訓練一個檢測糖尿病性視網膜病變的深度神經網絡。

經過訓練，模型識別眼底掃描圖的專業準確度甚至超過了專業醫生的平均水平，而這可以幫助醫生提高診斷效率，使患者盡早得到治療。

同時，通過TensorFlow、云機器學習API（Cloud Machine Learning APIs）以及張量處理器（Tensor Processing Unit， TPU）電腦芯片，谷歌將AI能力向更多開發者開放出來。食品企業得以借此提高食物檢查效率，生物學家得以更加高效的了解鳥類的習性并提升保護的效果。

而無論是優化現有產品、開放AI能力以及解決人類的共同問題，實現上述目標的基本前提是持之以恒的投入AI方面的研究，并取得進展。在谷歌的AI戰略中，機器學習是重中之重。

改變這樣發生

機器學習是計算機科學的一種形式，認為編寫能使計算機自主學習如何變得智能的程序，要比直接編寫智能程序要更為簡單。通俗的來講，機器學習的目的是讓機器自身變得智能。

Jeff Dean介紹，機器學習是谷歌在人工智能領域的工作重心，谷歌開展機器學習的研究已經很長時間，但目前機器學習仍處于發展初期。如今，機器學習對分類、預測、理解和生成這四個關鍵方面很有幫助。而這些功能幾乎已經被應用于谷歌所有的產品中。

無論是Goolge Photos 、Google Translate、Google Lens，還是Gmail 、Inbox 、Google Maps ，亦或者Google Assistant、YouTube，機器學習技術的加入，讓它們可以提供更好的體驗。

新款Pixel手機具備了人像模式，這一模式拍攝人像時可以柔和虛化背景，傳統技術條件下，這需要一個多鏡頭的專業相機才能實現，但機器學習和計算攝影技術的結合，使得Pixel手機依靠每側各有一個鏡頭便實現了同樣的效果。

未使用人像模式（Portrait mode）的照片（左）和使用人像模式（Portrait mode）的照片（右）

根據谷歌搜索項目總監Linne Ha的介紹，深度神經網絡技術大大提高了語音搜索中語音識別的準確性，這使得用戶在嘈雜的環境中也可以與手機自由對話。在機器學習的幫助下，自然語言處理系統能夠更好地理解你想說的話。在利用機器學習實現文本向語音轉換的實驗項目Project Unison的幫助下，通過轉換引擎，手機可以用語料并不豐富的語種，如孟加拉語，高棉語和爪哇語。

實際成果已經證明，機器學習與具體應用結合可以取得非常好的效果，但Jeff Dean仍舊提示目前機器學習存在的兩大挑戰，首先是機器學習模型的觸達性；二是機器學習模型的包容性。

為了解決第一個問題，谷歌將在明年在互聯網上提供免費的機器學習課程，為了解決第二個問題，谷歌啟動了People + AI Research （PAIR） 計劃，并與與Geena Davis 研究所合作建立了GD-IQ（一種利用機器學習檢測電影中性別偏見的工具）。

上述措施對解決機器學習面臨的挑戰提供了幫助，但于谷歌而言，在AI frist的戰略指引下，其面臨的挑戰不止于此。

從行業競爭的角度而言，越來越多公司推出了機器學習開源平臺，谷歌要如何應對競爭，保持對開發者的吸引力？而從國家間的競爭來看，谷歌還面臨著美國政府是否愿意投入和支持AI產業發展的影響。

面對行業競爭，Jeff Dean表示，“TensorFlow在不斷的發展，不斷地增加新的功能。它們可能針對不同的人群，有的針對研究者，有的更多傾向于移動平臺。所以這樣的競爭是好的。TensorFLOW的開源軟件是有很靈活的Apache 2.0 許可機制。”

而面對國家間的競爭，谷歌選擇了建立本土團隊提升AI發展速度的做法。Jeff Dean表示，谷歌正在中國組建AI團隊，團隊主要分布于北京和上海兩個城市。

這一做法顯然是從新人才的角度出發——“我們想關注下一代有更好計算能力的人，解決實際的問題，有意思的問題。我們并不擔心競爭對手，我們關心的是我們自己的研究。”

從研究到應用，再到開放，Google在AI first戰略的指引下，已經形成了比較完成的拼圖，盡管人工智能的發展讓部分公眾對其安全性產生擔憂，但在一直投身于這個行業的Jeff Dean看來，機器學習可以幫助人類解決更復雜的問題，“我們現在應該著眼于解決眼前的問題”，而這也將影響著谷歌未來發展AI的路。