自發佈AI First戰略后，谷歌在人工智慧道路上越走越堅定。不僅有Google Assistant智能助手，還在秋季發佈會上發佈了包括手機、耳機和智能音箱等多款AI硬體，構建AI生態。在特斯拉CEO馬斯克等不斷發出AI威脅論下，谷歌則表示，專注AI的前沿研究和解決實際問題。

　　近幾年，Google每年都會舉行 APAC（亞太區年度媒體會議）。作為從Mobile First戰略轉移到AI First的科技巨頭，此次媒體會議的焦點自然是人工智慧，「Made with AI」。

　　11月28日的會議上，谷歌大腦（Google Brain）負責人Jeff Dean表示，谷歌在人工智慧領域最終目標是三點：利用人工智慧和機器學習讓谷歌的產品更加實用（Making products more useful）；幫助企業和外部開發者利用人工智慧和機器學習進行創新（Helping others innovate）；為研究人員提供更好的工具，以解決人類面臨的重大挑戰。

　　AI+軟體+硬體

　　目前，機器學習在谷歌的大部分產品中都有應用。如Google Photos 雲端相片集，利用圖像識別技術，可以提供人臉檢測和照片自動分類；Google Lens基於圖像識別和OCR技術，能實時識別用智能手機拍攝的物品並提供與之相關的內容；Google Maps可以通過街道、街景的數據獲取更多有關地區詳細的情況，還可以了解停車難易程度；Gmail 和 Inbox 在收到郵件后，智能系統會給用戶提供回復建議（Smart Reply）；YouTube 中的自動字幕（Auto captions）則是通過機器學習給超過 10 億的視頻自動加上字幕；Google Translator利用神經網路機器翻譯（Neural Machine Translation）。

　　Google Assistant是2016年5月19日推出的一款語音助手，核心是語音識別。Google Assistant 工程總監Pravir Gupta表示，該產品基於 Google 在機器學習、自然語言處理和搜索領域的經驗之上。

　　在這些產品中，谷歌翻譯或許是中國用戶能夠使用最多的。Jeff指出，過去的翻譯系統使用更簡單的統計翻譯模型，由 50 萬行代碼組成。2016年，神經網路機器翻譯系統（GNMT：Google Neural Machine Translation）正式應用到谷歌翻譯中。Jeff稱，該系統僅由 500 行 TensorFlow 代碼組成。使用新的系統后，翻譯準確性得到了很大改進，「堪比過去十年取得的成果」。Jeff提到，目前翻譯效果提升最明顯的是日英互譯。

　　不過，谷歌不是最早在翻譯中運用神經網路機器翻譯系統的企業。2016年的百度機器翻譯技術開放日上，百度技術委員會聯席主席、自然語言處理部技術負責人吳華博士表示，百度早在一年多前（2015年）就率先發佈了世界上首個神經網路的機器翻譯系統（NMT），克服了傳統方法將句子分割為不同片段進行翻譯的缺點，充分利用上下文信息，對句子進行整體的編碼和解碼，從而產生更為流暢的譯文。

　　吳華當時稱，谷歌翻譯強在基於統計的機器翻譯上，但是在基於神經網路的機器翻譯上，百度要領先。此外，谷歌翻譯以英語為中心，百度翻譯以中文為中心。

　　構建生態很重要的一點便是要讓其中各成分有機融合。谷歌也正在努力讓硬體、軟體以及 AI 相互結合。今年秋季發佈會上，谷歌發佈了九款硬體產品，包括智能音響Google Home Mini / Google Home Max，筆記本Pixelbook，智能手機Pixel 2和Pixel 2 XL，Google Pixel Buds耳機，這些新硬體都與AI有關，整合了谷歌的智能語音助理 Google Assistant，凸顯了谷歌在AI領域從軟體到向硬體領域的野心。

　　其中，Google Home還具有語音配對功能（Voice Match），通過機器學習能識別不同的語音，可使最多六個用戶連接到同一台 Google Home。Google Home Max 還運用了AI 技術 Smart Sound，可依據所處位置自動調整聲音品質。谷歌首款無線藍牙耳機Pixel Buds還可便捷地接入Google翻譯，運用語音識別和翻譯技術，進行實時翻譯。

　　與華為、iPhone X 智能手機採用雙攝像頭不同，谷歌的Pixel 2/2 XL結合了機器學習和計算攝影技術來分析圖像，將主體與背景分離。雖然只使用一枚攝像頭，也具備人像模式功能，在拍攝人像時可柔和虛化背景。通常，這需要多鏡頭的專業相機。

　　除了內部產品使用AI，谷歌也為企業及開發者提供三種創新工具：TensorFlow，雲機器學習 API （Cloud Machine Learning APIs） 以及張量處理器 （Tensor Processing Unit， TPU） 電腦晶元。

　　Google 在 2015年發佈了人工智慧系統TensorFlow並宣布開源，之後TensorFlow成為了開源社區GitHub上最受歡迎的機器學習工具。除了TensorFlow，其他的深度學習工具還有Caffe， CNTK，Theano等。而在中國，2016年9月，百度也宣布其深度學習開源平台PaddlePaddle在Github及百度大腦平台開放。

　　面對這些競爭，Jeff在媒體交流會上回應稱，每個平台都有各自優點和缺點，針對不同的人群，這樣的競爭是好的。「Tensorflow開源軟體基於Apache 2.0許可證，無論是大企業還是初創企業，每個人都可以利用它做自己想做的事情。這可能是Tensorflow成功的原因之一。我們看到一個很健康的生態系統，我們也從其他的開源平台當中學到了很多，不斷改善Tensorflow平台，讓這個平台更好。」

　　專注現實和研究問題

　　機器學習是谷歌在人工智慧領域的工作重心。谷歌認為，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更好。但是，隨著機器變得越來越智能，機器會不會哪天真的有意識，進而取代人類？特斯拉CEO 埃隆·馬斯克（Elon Musk）和英國著名物理學家霍金都對AI發出過警告。

　　而Jeff認為，這些擔心太遠了，「我們在部署安全的AI系統的時候也可以利用其中很多的技術，我覺得這可能會是短期我們最需要關注的領域。現在的一些擔心還為時過早。我們現在應該著眼於解決眼前的問題。」這也是上文提及的谷歌AI三大目標之一：解決人類面臨的重大挑戰（solving humanity』s big challenges）。

　　目前，谷歌正在利用機器學習解決如醫療保健、能源和環境保護問題等問題。例如，谷歌醫療成像團隊產品經理與印度、泰國和美國的一些醫院合作開發一種工具，可以通過機器學習幫助診斷糖尿病所引起的眼部疾病。在保護鳥類方面，研究員Victor Anton 收集了 5 萬個小時的音頻並將其轉換成譜圖，通過 TensorFlow 更加快速高效地分析這些音頻，識別譜圖中的鳥鳴聲。

　　對於AI帶來的失業問題，Jeff則表示，過去兩百年的技術發展都會遇到這樣的問題，他對此持樂觀態度，「每次技術有了新的發展，代替了人力勞動，我們就會有一個新的、有意思的專業領域駕馭這個技術。我們會有新的工作，目前我們可能想像不出來。誰能夠想到社交媒體會出現？發生以前是想像不到的。」

　　不擔心競爭對手 繼續在中國招人

　　11月初，Google 母公司Alphabet董事長、谷歌前CEO埃里克·施密特（Eric Emerson Schmidt）在人工智慧與全球安全峰會上對新美國安全中心的保羅·沙雷說：「我認為，我們（美國）在未來5年內將繼續保持領先地位，然後，中國將迅速趕上來。」

　　埃里克的這一觀點源於中國政府發佈的《新一代人工智慧發展規劃》，規劃提出，到2020年，中國人工智慧總體技術和應用與世界先進水平同步；到2025年，人工智慧基礎理論實現重大突破，部分技術與應用達到世界領先水平；到2030年，人工智慧理論、技術與應用總體達到世界領先水平，成為世界主要人工智慧創新中心。

　　面對中美AI競賽問題，Jeff表示，目前全球很多公司對機器學習以及AI感興趣，很多政府非常清楚AI的潛力，分階段、務實地進行研究，建立生態系統。「中國政府倡導AI，並制定政策；美國政府可能不像中國這麼有組織，但是我們（美國）也有很多在公司、學術界發生的研究，也有生態系統。」

　　機器學習和AI不僅影響著計算科學，還涉及到各行各業。因此，在世界範圍內，一些政府和公司都在招募相關人才，這也直接帶來了人才儲備的競爭。另一方面，還涉及到AI人才的培訓問題。Jeff稱，「我相信隨著時間推移，會有更多人有這樣的相關技能，他們可以通過這個技能解決很多問題。」

　　谷歌如何看待百度之類的競爭者？Jeff表示，谷歌主要關注下一代前沿研究問題，雇傭人才，併為他們提供最好的計算機硬體去解決實際的、有意思的問題。「我們並不擔心競爭對手，我們關心的是我們自己的研究」，他還補充稱，谷歌也將在上海、北京持續招聘AI相關人才。

　　在2016年烏鎮的圍棋峰會上，Google首次對外承認在中國招人組建AI團隊。相關的招聘崗位有機器學習軟體工程師、機器學習技術主管、機器學習研究員、雲端機器學習產品經理等。不過招聘信息上並未顯示招聘人數，谷歌方面表示，沒有具體統計過中國地區AI員工數量。