谷歌的AI布局：机器学习是重心继续在中国招人

（原标题：谷歌的AI布局：机器学习是重心 继续在中国招人） 来莎莎自发布AI First战略后，谷歌在人工智能道路上越走越坚定。不仅有Google Assistant智能助手，还在秋季发布会上发布了包括手机、耳机和智能音箱等多款AI硬件，构建AI生态

（原标题：谷歌的AI布局：机器学习是重心 继续在中国招人）

来莎莎

自发布AI First战略后，谷歌在人工智能道路上越走越坚定。不仅有Google Assistant智能助手，还在秋季发布会上发布了包括手机、耳机和智能音箱等多款AI硬件，构建AI生态。在特斯拉CEO马斯克等不断发出AI威胁论下，谷歌则表示，专注AI的前沿研究和解决实际问题。

近几年，Google每年都会举行APAC(亚太区年度媒体会议)。作为从Mobile First战略转移到AI First的科技巨头,此次媒体会议的焦点自然是人工智能，“Made with AI”。

11月28日的会议上，谷歌大脑(Google Brain)负责人Jeff Dean表示，谷歌在人工智能领域最终目标是三点：利用人工智能和机器学习让谷歌的产品更加实用(Making products more useful);帮助企业和外部开发者利用人工智能和机器学习进行创新(Helping others innovate);为研究人员提供更好的工具，以解决人类面临的重大挑战。

AI+软件+硬件

目前，机器学习在谷歌的大部分产品中都有应用。如Google Photos云端相片集，利用图像识别技术，可以提供人脸检测和照片自动分类;Google Lens基于图像识别和OCR技术，能实时识别用智能手机拍摄的物品并提供与之相关的内容;Google Maps可以通过街道、街景的数据获取更多有关地区详细的情况，还可以了解停车难易程度;Gmail 和 Inbox 在收到邮件后，智能系统会给用户提供回复建议(Smart Reply);YouTube 中的自动字幕(Auto captions)则是通过机器学习给超过10亿的视频自动加上字幕;Google Translator利用神经网络机器翻译(Neural Machine Translation)。

Google Assistant是2016年5月19日推出的一款语音助手，核心是语音识别。Google Assistant 工程总监Pravir Gupta表示，该产品基于 Google 在机器学习、自然语言处理和搜索领域的经验之上。

在这些产品中，谷歌翻译或许是中国用户能够使用最多的。Jeff指出，过去的翻译系统使用更简单的统计翻译模型，由 50 万行代码组成。2016年，神经网络机器翻译系统(GNMT：Google Neural Machine Translation)正式应用到谷歌翻译中。Jeff称，该系统仅由 500 行 TensorFlow 代码组成。使用新的系统后，翻译准确性得到了很大改进，“堪比过去十年取得的成果”。Jeff提到，目前翻译效果提升最明显的是日英互译。

不过，谷歌不是最早在翻译中运用神经网络机器翻译系统的企业。2016年的百度机器翻译技术开放日上，百度技术委员会联席主席、自然语言处理部技术负责人吴华博士表示，百度早在一年多前(2015年)就率先发布了世界上首个神经网络的机器翻译系统(NMT)，克服了传统方法将句子分割为不同片段进行翻译的缺点，充分利用上下文信息，对句子进行整体的编码和解码，从而产生更为流畅的译文。

吴华当时称，谷歌翻译强在基于统计的机器翻译上，但是在基于神经网络的机器翻译上，百度要领先。此外，谷歌翻译以英语为中心，百度翻译以中文为中心。

构建生态很重要的一点便是要让其中各成分有机融合。谷歌也正在努力让硬件、软件以及 AI 相互结合。今年秋季发布会上，谷歌发布了九款硬件产品，包括智能音响Google Home Mini / Google Home Max，笔记本Pixelbook，智能手机Pixel 2和Pixel 2 XL，Google Pixel Buds耳机，这些新硬件都与AI有关，整合了谷歌的智能语音助理 Google Assistant，凸显了谷歌在AI领域从软件到向硬件领域的野心。

其中，Google Home还具有语音配对功能(Voice Match)，通过机器学习能识别不同的语音，可使最多六个用户连接到同一台 Google Home。Google Home Max 还运用了AI 技术 Smart Sound，可依据所处位置自动调整声音品质。谷歌首款无线蓝牙耳机Pixel Buds还可便捷地接入Google翻译，运用语音识别和翻译技术，进行实时翻译。

与华为、iPhone X 智能手机采用双摄像头不同，谷歌的Pixel 2/2 XL结合了机器学习和计算摄影技术来分析图像，将主体与背景分离。虽然只使用一枚摄像头，也具备人像模式功能，在拍摄人像时可柔和虚化背景。通常，这需要多镜头的专业相机。

除了内部产品使用AI，谷歌也为企业及开发者提供三种创新工具：TensorFlow，云机器学习 API (Cloud Machine Learning APIs) 以及张量处理器 (Tensor Processing Unit, TPU) 电脑芯片.

Google 在 2015年发布了人工智能系统TensorFlow并宣布开源，之后TensorFlow成为了开源社区GitHub上最受欢迎的机器学习工具。除了TensorFlow，其他的深度学习工具还有Caffe, CNTK，Theano等。而在中国，2016年9月，百度也宣布其深度学习开源平台PaddlePaddle在Github及百度大脑平台开放。

面对这些竞争，Jeff在媒体交流会上回应称，每个平台都有各自优点和缺点，针对不同的人群，这样的竞争是好的。“Tensorflow开源软件基于Apache 2.0许可证，无论是大企业还是初创企业，每个人都可以利用它做自己想做的事情。这可能是Tensorflow成功的原因之一。我们看到一个很健康的生态系统，我们也从其他的开源平台当中学到了很多，不断改善Tensorflow平台，让这个平台更好。”

专注现实和研究问题

机器学习是谷歌在人工智能领域的工作重心。谷歌认为，编写能使计算机自主学习如何变得智能的程序，要比直接编写智能程序更好。但是，随着机器变得越来越智能，机器会不会哪天真的有意识，进而取代人类?特斯拉CEO 埃隆・马斯克(Elon Musk)和英国著名物理学家霍金都对AI发出过警告。

而Jeff认为，这些担心太远了，“我们在部署安全的AI系统的时候也可以利用其中很多的技术，我觉得这可能会是短期我们最需要关注的领域。现在的一些担心还为时过早。我们现在应该着眼于解决眼前的问题。”这也是上文提及的谷歌AI三大目标之一：解决人类面临的重大挑战(solving humanity’s big challenges)。

目前，谷歌正在利用机器学习解决如医疗保健、能源和环境保护问题等问题。例如，谷歌医疗成像团队产品经理与印度、泰国和美国的一些医院合作开发一种工具，可以通过机器学习帮助诊断糖尿病所引起的眼部疾病。在保护鸟类方面，研究员Victor Anton 收集了 5 万个小时的音频并将其转换成谱图，通过 TensorFlow 更加快速高效地分析这些音频，识别谱图中的鸟鸣声。

对于AI带来的失业问题，Jeff则表示，过去两百年的技术发展都会遇到这样的问题，他对此持乐观态度，“每次技术有了新的发展，代替了人力劳动，我们就会有一个新的、有意思的专业领域驾驭这个技术。我们会有新的工作，目前我们可能想象不出来。谁能够想到社交媒体会出现?发生以前是想象不到的。”

不担心竞争对手 继续在中国招人

11月初，Google 母公司Alphabet董事长、谷歌前CEO埃里克・施密特(Eric Emerson Schmidt)在人工智能与全球安全峰会上对新美国安全中心的保罗・沙雷说：“我认为，我们(美国)在未来5年内将继续保持领先地位，然后，中国将迅速赶上来。”

埃里克的这一观点源于中国政府发布的《新一代人工智能发展规划》，规划提出，到2020年，中国人工智能总体技术和应用与世界先进水平同步;到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平;到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。

面对中美AI竞赛问题，Jeff表示，目前全球很多公司对机器学习以及AI感兴趣，很多政府非常清楚AI的潜力，分阶段、务实地进行研究，建立生态系统。“中国政府倡导AI，并制定政策;美国政府可能不像中国这么有组织，但是我们(美国)也有很多在公司、学术界发生的研究，也有生态系统。”

机器学习和AI不仅影响着计算科学，还涉及到各行各业。因此，在世界范围内，一些政府和公司都在招募相关人才，这也直接带来了人才储备的竞争。另一方面，还涉及到AI人才的培训问题。Jeff称，“我相信随着时间推移，会有更多人有这样的相关技能，他们可以通过这个技能解决很多问题。”

谷歌如何看待百度之类的竞争者?Jeff表示，谷歌主要关注下一代前沿研究问题，雇佣人才，并为他们提供最好的计算机硬件去解决实际的、有意思的问题。“我们并不担心竞争对手，我们关心的是我们自己的研究”，他还补充称，谷歌也将在上海、北京持续招聘AI相关人才。

在2016年乌镇的围棋峰会上，Google首次对外承认在中国招人组建AI团队。相关的招聘岗位有机器学习软件工程师、机器学习技术主管、机器学习研究员、云端机器学习产品经理等。不过招聘信息上并未显示招聘人数，谷歌方面表示，没有具体统计过中国地区AI员工数量。