行业动态

Google 自创立之初起，一直努力用深奥的计算机技术和洞察来解决人们生活中的各种问题。

Google 日益成为越来越多人生活中的一部分：Android 设备月活跃用户刚刚突破了 20 亿；YouTube 不仅有 10 亿用户，更有长达 10 亿小时的日播放时长；Google 地图日导航里程超 10 亿公里。计算机向移动设备转变的大潮流也让 Google 开始重新思考对产品的改造，以适应新型的交互模式，例如多点触控。

如今，计算机又面临着新的转变：从移动优先转变为人工智能优先。与以前一样，Google 将会努力构想一个能够进行更加自然、无缝的技术交互的世界。现在，通过深度学习技术的革新，机器对图像、照片和视频的理解也逐渐成熟，这在以往都是不能实现的。

在以上提到的诸多 AI 新进展中，Google Assistant 就是一个很好的例子。它已经能够在 1 亿个设备上运行，并且日益发挥更大的作用。现在，Google Home 已经可以辨别不同的声音，从而让用户在与设备互动时能够获得更个性化的体验。与此同时，智能手机的相机功能也可以帮助用户完成许多工作。

Google Lens 是一组基于视觉的计算功能，可以识别用户正在查看的内容，并帮助用户根据该信息采取行动。最关键的是，用户不需要事先通过学习来实现此功能 -人机交互体验比在智能手机上完成跨应用程序的复制和粘贴更为直观。

所有的这一切都需要相应的计算架构。去年的 I/O，Google 发布了第一代 TPUs，这使得 Google 的机器学习算法能够更快更有效地运行。今天，Google 发布了下一代 TPUs-Cloud TPUs，新版的 TPUs 针对推理和训练进行了优化并且可以处理大量信息。Google 将把 Cloud TPUs 引入 Google Compute Engine，以便公司和开发人员更好地使用。

Google 致力于将日新月异的技术投入应用，使其能更好地为每个人服务，而不只是服务于 Google 产品的用户。 Google 相信，如果科学家和工程师可以拥有更好的计算机工具，创造出更强大的研究成果，那么复杂社会问题的解决将有巨大的突破。然而，目前看来要实现这样的突破，还面临着很多的障碍。 

这就是 Google.ai 的创立初衷。它聚合了 Google 在人工智能领域做的所有努力，从而减少了研究过程中的障碍，并提升了研究人员、开发者以及公司在这一领域的工作效率。

Google 希望通过简化神经网络的机器学习模型的设计，降低人工智能的门槛。设计神经网络是极其耗费时间的，其对专业知识的极高要求将适用人群缩小到了科研人员和工程师。这就是 Google 创造 AutoML 的原因，AutoML 表明神经网络设计神经网络也是可行的。Google 希望 AutoML 能拥有现在一些博士所具备的能力，在 3 到 5 年内使众多的开发者也能通过 AutoML 设计神经网络，来满足其特定的需求。

除此之外，Google.ai 已经与 Google 的研究人员、科学家以及开发者们进行合作，来解决各个领域的问题，并取得了前景广阔的结果。例如，使用机器学习来改进检测乳腺癌扩散到相邻淋巴结的算法。Google 也看到了人工智能在运算速度及准确性上的巨大飞跃，使研究人员可以对分子性质进行预测，或是进行人类基因组排序。

Google 欣喜地看到，人工智能终于结出了每个人均可品尝享用的硕果。倘若 Google 能让人工智能技术越来越便捷地为民众所用-无论是在工具层面，还是应用方式层面-那么，所有人都会更快地从人工智能技术中获益。
 

版权声明：文章来源互联网，如有侵权行为，请联系我们删除。