谷歌推出了该公司的第一代机器学习系统

    导语：近些年，机器学习人工智能技术的研究又掀起新高潮。机器学习人工智能技术在美国、欧洲和日本发展迅速，并且带动了多种信息科学领域的发展，信息学、控制学、仿生学、计算机学等领域的技术突破均被运用到人工智能应用中去，本专题将带大家一起了解人工智能技术的发展与未来应用。

机器学习

    机器学习作为人工智能技术的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今，机器学习在硅谷非常流行，并吸引了多家知名企业竞相涉猎该领域。例如，Facebook就大力投资机器学习；微软不甘示弱，也在加大对机器学习的投资力度；苹果也在悄然涉足这一领域。谷歌(微博)当然不甘落后，如今又开始加大在机器学习领域的研究。为了保持自己的创新力——也为了吸引宝贵的人才——谷歌需要维持自己在先进技术方面的领导者地位。
    事实上，多年以来，谷歌内部一直在使用一种机器学习系统，代号为“TensorFlow”。如今，谷歌正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员。

    此举极具谷歌的风格。打个不太恰当的比喻，如今谷歌对待TensorFlow系统，有点类似于该公司对待旗下移动操作系统Android。长期以来，谷歌一直非常积极地参与到机器学习相关的科研事务之中。与之相比，作为谷歌竞争对手的苹果公司就没有这样做，尽管苹果可能会采取类似的方法来寻求类似的目的，例如在语音识别、地图甚至是在可能的汽车制造方面。如果更多的数据科学家开始使用谷歌的系统来从事机器学习方面的研究，那么这将有利于谷歌对日益发展的机器学习行业拥有更多的主导权。
    另外，更为重要的是，作为人工智能的一个分支，机器学习正在逐步从学术论文向实际产品转化。谷歌此前已经推出了该公司的第一代机器学习系统，代号为“DistBelief”，以此来识别谷歌应用中的语言和Photos中的图片。如今的TensorFlow系统也是在那些产品的基础之上而发展起来的，并对早期系统的不足进行了改进。除此之外，谷歌上周还宣布在旗下邮箱应用Inbox里推出智能自动回复功能：Smart Reply，它能帮助用户筛选适合语境的回复短句。Smart Reply正是基于强大的机器学习系统，对海量邮件里的场景、邮件写作风格和写作语气进行分析，从而生成一些场景化极强的回复内容。
    除此之外，机器学习还在向纵深领域发展，如今又诞生了“深度学习”业务。作为机器学习的一种，深度学习能够支持像由致幻药引起幻觉的神经网络图像识别等功能。谷歌公司内部目前已经在1200多个不同的产品分类和产品代码库对深度学习进行了测试。
    谷歌首席执行官桑德·皮采（Sundar Pichai）在最近一次财报电话会议上表示：“机器学习是一种核心的转变方式，通过机器学习，我们再重新思考我们所从事的一切。我们目前正处于初期阶段，但用户将看到谷歌以系统的方式来思考我们将如何把机器学习应用到所有的这些领域。”
    谷歌方面在解释TensorFlow时声称，“应当有一种真正的工具，能够让研究人员用来尝试他们疯狂的创意。如果那些创意产生作用的话，那么他们将能够直接转化成产品，而不需要研究人员再重新编写代码。”
    蛋君说：直至今天的机器学习人工智能技术，连接在用户角度完成一次从主动获取到被动接受的转变，但后者的被动不是强迫式给予，而是用户本来需要主动完成所获取的，这也是人工智能技术对于连接过程中用户体验的升级，这也是互联网公司在这个时代，企业使命和价值的重要体现，人工智能技术式的连接，也成为了凸显中国互联网巨头野心和影响力的重要标志。