李根 假装发自 Tokyo

Google在AI方面又有什么新进展？

每年年尾，Google都习惯在东京举办“座谈会”，围绕当年核心关注的话题，回溯过去，展望未来。

毫无疑问，这一年的话题自然是人工智能。今年的主题叫：Made with AI.

主要有三大部分：

1）AI赋能产品：如何用AI让产品更有用；

2）AI赋能开发者：利用AI帮助他人更富创造力；

3）AI让世界更美好：利用AI解决人类面临的大问题。

下面跟随课代表量子位一一了解下最新动态。

AI赋能产品

首先登场的是Jeff Dean.

这位Google senior Fellow的演讲主题是《AI和机器学习》，主要宏观上科普了什么是AI、什么是机器学习，它们是如何发挥作用的。

回答几个问题，什么是人工智能？什么是机器学习？

对于机器学习工作原理，Jeff Dean再次祭出“机器识猫”的例子。

这个著名的实验当时的领导者正是Google大脑的负责人Jeff Dean，不过后来中国人民更熟知的参与者叫吴恩达。

接着，Jeff Dean谈到了AI和机器学习这些年取得重大突破的基础：计算力和大数据，比如一个模型的数据集可以达到100亿级别，这是之前难以想象的。

不过，不是每一个开发者都能有这样的数据搜集及处理能力，所以Google在2015年1月正式推出了TensorFlow，并成为了GitHub上最受欢迎的工具。

最后，Jeff Dean认为，现在正在经历一个“计算”的新纪元、新时代，当然，也是一个AI大发展大繁荣的时代。

高屋建瓴的主题演讲结束后，紧接着就是具体的应用。

如何通过ML AI让产品变得更好？

首先介绍Google翻译，2016年利用神经网络，实现了97种语言的机器自动翻译，准确性提升也超过了过去10年。

除了更准确，Google翻译的使用也更加亲民，可以直接语音输入，可以拍照，也能键盘输入文字。

当然，最关键的是，这个Google翻译的App全球都能用，作为自信中国人，你懂的。

紧接着就是一些好用，但可能不太自信的App，可以带着批判的眼光听下介绍。

比如，Google相册，可以通过图像识别，自动归类，让相册能搜能用，使用更简单。

还有Google地图、Google Allo、拍照搜索应用Google Lens，以及Google Play音乐等，都在AI帮助下更智能。

YouTube中，利用语音识别和机器翻译，可以自动配备字幕。目前有10亿的视频，可以自动配备10种语言。

另外，还谈到了Gmail&Inbox，在AI帮助下，Gmail的自动回复能力大大提升。目前，Gmail数据中有12%的回复来自手机，所以机器帮助给出更准确的自动回复建议，对效率提升帮助很大。

最后不得不提的是Google Assistant（Google助手），这是一个没有AI和机器学习就不可能存在的产品。

AI赋能硬件

软件产品之后，主要谈到了硬件。如果是量子位的老读者，这部分想来挺熟悉。

介绍AI+硬件的是Google产品经理Isaac Reynolds，他负责Pixel的相机，主要介绍AI时代的硬件产品打造思路。

核心思路一句话：AI时代，能用算法解决的问题，千万别堆硬件。

比如Pixel 2 XL手机中，我们用算法解决了拍照中背景虚化的问题。如果不通过AI算法，可能就要通过双摄像头的硬件打磨。

原理如下：

△Google用算法实现图像背景虚化

再次总结：Google方面在硬件的思路是“软硬件一体”，还会打造更多的AI硬件产品出来。

Google产品经理Isaac Reynolds说：之前很多人认为，硬件的创新时代，已经结束了，但AI的到来，让我们意识到硬件创新还有很多事情可做。

还谈到了一些产品系统级的AI应用，比如在语言方面的Unicode，让更多语言进行统一编码，还有Noto Fonts，从字体库层面，让输入变得更加个性化和易用。

顺带介绍了一个众包项目：unison，可以为更多小语种打造TTS(语音合成)，下一步还会围绕方言做些事情，比如新加坡英语口语。

△unison项目

总之，目标是让所有App都能用语音交互，无缝使用自己的语言进行交互。

AI赋能产品之后，是2B方面的应用：赋能开发者。

AI赋能开发者

主要还是TensorFlow。最新使用情况来说，现在有1万的全球开发者在使用。

也介绍了一些使用TensorFlow的企业，比如中国的小米。

未来可以用TensorFlow做什么？Google会开放语音、翻译、理解、客服等方面的API，企业开发者可以直接根据自己的需求去定制化开发和应用。

总而言之，TensorFlow的使命就是让更多人利用AI和机器学习，并且惠及更多人。

AI让世界更美好

最后一部分是Google产品经理Lily Peng介绍如何用AI让世界更美好。

加入Google前，Lily Peng是一名医生，现在她主要负责把深度学习应用到医疗成像领域。她介绍了三方面的应用。

环保领域

如何追踪海牛。海牛是当前濒临灭绝的珍惜物种，也很难肉眼监测，所以Google团队与澳洲生物学家一起建立了一个TensorFlow模型，自动追踪海牛，更好保护濒临灭绝的动物。

节能

在Google数据中心应用机器学习，用神经网络去监测温度，预测冷却情况，从而降低数据中心的能耗。

利用机器学习和AI，Google的数据中心能耗降低40%，Google的总能耗降低了15%。

医疗健康领域

通过视网膜图像监测糖尿病，以及机器读CT图像筛选乳腺癌。

尤其是乳腺癌筛选，之前误诊率很高，每12个患者中，就有1个会被误诊为乳腺癌。

Lily Peng介绍，利用AI，可以更精准，在FROC评比中，利用AI得分0.89，超过了人类医生0.73的得分。更加可喜的是，AI模型可以快速复制，打破时空和医疗资源的不平衡。

除了医疗领域，AI还能应用在各种各样的科学领域，比如基因测序等。

Google AI 下一步

最后的最后，Jeff Dean再次登场，介绍了当前一段时间内Google在AI方面的主要思路。

一是如何让每个人都能把机器学习用起来？如何让机器自动创建模型？

在Google内部，已经对1.8万员工进行了机器学习方面的培训。不仅要掌握机器学习技能，也要有机器学习思维，然后依次不断拓展、辐射，让机器学习影响到更多人。

至于机器模型自动化，主要需要人类工程师在其中参与参与监督、反馈，让机器模型更精准。

另一方面的“AI动作”是让AI更加民主。

一方面通过PAIR计划：让更多人参与到AI系统打造中。

另一方面是“GD-IQ项目”，利用AI，帮助人类社会消解存在的偏见和歧视，比如职场中的性别歧视，可以通过视频和图像分析，帮助公司组织发现问题，更好解决问题。

总之，Google在AI方面的长远目标，就是要让机器学习、AI触手可及。

Jeff Dean说：“我们会加快开源，让更多人应用机器学习和AI解决更多现实问题。”

会后Q&A

“座谈会”结束后，还进行了短暂Q&A，量子位搬运如下：

Q：很多人担心AI带来的威胁，比如马斯克。

Jeff Dean：我认为对于AI威胁的担心，有些杞人忧天。现在还有很多眼前的问题需要解决，那些担忧都太过遥远，我们正在打造更好用的AI系统和产品，而且都在不断确保安全性。

Q：在你有生之年，觉得AI会发展成什么样？

Jeff Dean：会进入到更多的领域，与更多现实问题结合，AI会让世界更加美好。

Q：如何看待中国和美国在AI方面的竞争？

Jeff Dean：中国政府有组织地制定了AI政策，而美国可能更依靠民间组织，所以对于AI发展，大家都展现出了重视。我认为能让更多人掌握机器学习和AI方面的能力，大方向都是好的。

Google方面来说，我们更关注科技趋势，而不是国家间的竞争。我们在北京、上海，都招募了大量机器学习、AI方面的人才，会帮助我们把AI推动得更好。

Q：如何看待AI会带来的社会问题，比如失业。

Jeff Dean：这不是新话题，过去200年技术的发展，都有这样的问题。所以这可能不止是技术推动方去思考的问题，需要更多组织一起思考。

但核心来讲，技术也会带来更多的工作机会。比如社交媒体，就带来了很多的工作机会，只是现在我们还想象不到。一旦机器学习取代了一些重复性工作，人类就会有更多创造性的工作机会产生。

总之，这可能是一个整体性的正负消减、此消彼长的事情，而不是AI研究过程中要解决的。这其中还涉及道德的问题。

— 完—