Makoto Koike是日本一名农民，种植黄瓜。之前他是嵌入式系统设计师，在日本汽车行业工作，2015年他回到故乡，帮助父母种黄瓜。很快，他就发现要给黄瓜分类很麻烦，农民要根据颜色、形状、尺寸、特点（比如是否多刺）给黄瓜分类，工作很棘手，比种黄瓜还要费力。谷歌开发了AI软件AlphaGo，受到谷歌的启发，Makoto Koike想将任务变成自动化流程。
现在企业已经开始通过各种方式将AI应用于实际，不过还没有人看到过类似的技术出现过。Koike之前从没有从事过AI技术方面的工作，有了开源TensorFlow机器学习技术，他开始将黄瓜的图片输入系统。计算机视觉算法已经可以识别对象，深度学习可以根据黄瓜的细微差别训练TensorFlow，Koike意识到它可以用来识别、分类蔬菜，精准度很高。然后，Koike只用了TensorFlow和一台便宜的Raspberry Pi 3计算机就制作出自动分类机器，今天农场还在使用这台机器。
市场上有许多的开源算法和工具，TensorFlow只是其中之一，企业和开发者想用AI解决一些问题，TensorFlow可以为他们的工作带来革命性影响。谷歌将这些技术和应用程序界面（API）放进自己所做的一切事情中，将机器学习植入产品，从根本上重新定义了软件的运行流程。
最近，PCMag拜访了Googleplex（也就是谷歌总部），采访了一些高管，他们来自G Suite、谷歌云平台（Google Cloud Platform）、机器学习先进解决方案实验室（Machine Learning Advanced Solution Lab，ML ASL），了解谷歌是如何用AI技术重塑自我的。
假设你的一个客户遇到了问题，公司服务部门的一名代理用Google My Business与客户在网上沟通，Google My Business是一个聊天功能，目前还处在试点阶段。要帮助客户解决问题，用户需要将一些敏感个人数据发给代理。现在假设客户是你的祖母。客户服务代表要求你的祖母发一些数据，少量的数据，你的祖母在聊天过程中上传一张图片，一张社会保障卡的图片，但是她提交的信息比要求的多。
现在谷歌不是这样做的，它会将个人身份信息（PII）归档，带有社会保障号的图片出现之后，其它PII信息也会自动匹配。代理看不到多余的信息，也不会有任何数据放进谷歌加密档案。在加州谷歌山景城总部，公司员工演示了Google My Business的新功能，到底机器学习算法是怎样完成使命的呢？谷歌揭开了神秘的面纱。
谷歌云计算信任与安全营销主管Rob Sadowski解释称，自动编辑是通过谷歌数据损失预防（DLP） API完成的，它是底层技术，给敏感数据分类是表面。算法还可以用同样的方式处理一些数据，比如信用卡号码，如果号码是假的，它可以分析模式，进行识别。谷歌想将AI放进体验中，让企业、开发者（比如Koike）有资源做同样的事情，这只是谷歌精妙策略的一个例证。
有许多科技巨头正在尝试将互联智能层植入软件，不只是谷歌这样做，还有亚马逊和微软，不过与它们相比谷歌的云智能工具和服务无疑宽泛很多。分析谷歌产品，你会发现谷歌助手、多种机器学习系统、计算机视觉API无处不在。
谷歌搜索在RankBrain AI系统使用了机器学习技术，根据众多变量处理精炼提问、重新排序、聚合数据，不断改进搜索结果。谷歌Photos用计算机视觉技术拼接照片，将它化为回忆，将同一个地点的多张图片变成全景图。Inbox可以自动生成“智能回复（Smart Replies）”，供用户选择，通过将相似类型的邮件捆绑，让高度相关的邮件突出显示。新的谷歌Allo聊天APP内置了谷歌助手。还有更多的工具使用了AI技术。
所有这些APP都是在谷歌云基础设施上运行的，谷歌在数据中心使用了机器学习技术，用它降低能耗，根据负载、天气信息调整冷却泵。Sadowski说，在谷歌的安全战略中，机器学习也是最后的防护层，谷歌在安全堆栈中用机器智力、风险评分判断系统使用可预测分析是否存在缺陷。
Sadowski解释称：“谷歌开发了许多机器学习和AI模型，公司从安全角度着眼将所有模型优化。与IT大多的部分相比，安全是变化比较大的。3年或者4年前，有些产品是安全基础设施的核心，比如防火墙、端点防护，这些技术仍然很重要，但是我们想提供更深的防护，让它规模化应用，将它作为默认技术放置在多租户基础设施上，每天可以有几百万活跃用户。”
“我们从底层数据中心硬件开始起步，比如最新的Titan芯片。”Sadowski继续说，“在此之上是应用服务、身份验证，数据与通信完全加密。再上层是用户身份。如何才能7天24小时监控、侦测、响应事件，这是最后的防护层。例如，如果要让用户通过身份认知代理远程接入，我们就会有类似的技术确保安全。它是一项可编程的DLP服务，能够发现并防范数据泄露，帮助管理数据，增强安全性。我们的目标是让这些功能变得更容易使用，变成可消费服务，大规模推广。”
机器学习技术已经植入谷歌G Suite生产应用中。G Suite产品管理主管Allan Livingston介绍了一些谷歌所采用的方法，这些方法使得G Suite更智能、更能感知环境，甚至连用户都意识不到。
Livingston解释称：“你可以想像一下，G Suite将所有应用以更自然的方式整合在一起。你从其中一个应用开始工作，以适当的方式过渡到其它应用。你在Drive中打开Gmail附件，它将你带到Docs，完全自动。”
“我们努力站在用户的角度思考，当中会涉及到机器学习。我们最先从Gmail智能回复开始，然后在Inbox取得了成功，接下来又在Docs、Sheets、Slides中引进了Explore功能。”
Explore于去年秋天推出，它将自然语言处理技术应用于程序内生产体验。例如，在Docs中，Explore可以根据文档内容瞬间提供建议，还可以自动推荐相关主题和资源。在Slides中，它可以生成设计建议，让用户精简陈述格式。Livingston解释了Explore是如何用机器学习简化数据分析、商业智能情报的。
“许多用户不知道数据透视表是什么，也不知道如何利用它将数据表视觉化。” Livingston解释称，“假设你要处理一名客户的销售数据，每一行都是一件已经销售的商品。Explore允许你用自然语言提问，比如：‘黑色星期五最畅销的是什么商品？’系统会回答说：‘你卖了563条裤子。’在数据分析过程中我们可以节省时间，因为决策是以数据作为基础的，我们用机器学习以更自然的方式提高解决普通问题的能力。”
Livingston还说，谷歌准备将这种机器学习云搜索功能提供给第三方，它开始围绕新技术建立一个生态系统。谷歌的总思路实际上与AI的实用性有关：让人工处理实现自动化，将用户解放出来，让他们从事更有创造性的工作。这种思路实际上已经成为大多机器学习APP的核心：让重复性业务流程自动化，让日常任务（包括黄瓜分类）变成自动化流程。
“在商业行为中，与消费者沟通时，用户已经使用这些自然交互模式。向云计算和移动生产力转移改变了人们的工作方式，而机器学习技术又是其根本。”Livingston说，“因为我们在机器学习方面有优势，因为我们的产品可以作为基础提供服务，因为所有数据全都放在我们的云计算网络中，所以我们占据了最佳位置，可以使用它，以规模化方式应用。”
谷歌在AI方面所做的一切工作都是以API、算法、开源工具作为根基的。谷歌TensorFlow 资源库是GitHub平台上最流行的机器学习工具，许多应用程序采用，比如Koike黄瓜分类程序。整套API就是谷歌云计算的根本，正是它为谷歌APP和服务的每一个AI功能提供动力。
谷歌研究与机器智能产品经理Francisco Uribe为引擎核心工作，正是这个核心改变了谷歌的运行模式。Uribe掌管谷歌ML ASL，它是一个实验室，谷歌机器学习专家直接与企业合作，将AI解决方案植入企业。通过谷歌API和云计算机器学习引擎，实验室与企业携手合作，帮助企业在生产过程中训练、部署模型。
Uribe在AI领域工作了10多年。他成立了BlackLocus，这是一家数据创业公司，为零售商开发自动比价引擎，2012年被家德宝收购。之后Uribe加入谷歌，在搜索广告团队工作了4年，用机器学习改进广告体验。2016年，他进入ML ASL，负责开发工作，成为Launchpad Accelerator的导师。Uribe说，企业和开发者积极使用谷歌工具，他感到相当惊讶。
“我们看到工具应用于多个领域，包括健康护理、金融、零售和农业。”Uribe解释说，“我们正在努力帮助客户增强感知能力。语音翻译、图像识别、视频API、自然语言：它们都是民主接入机器、深度学习算法的组成部分，这些算法终于变得适用了。”
ML ASL与汇丰银行合作，用机器学习解决方案反制洗钱活动，预测信用评分。ML ASL还与联合服务汽车协会（USAA）合作，帮它训练机器学习工程师，将技术应用于保险领域。eBay用谷歌工具训练ShopBot 数字助手。Uribe解释称，当ML ASL与企业合作时，整个过程包含4个重要部分。
“机器学习工作的要求很高，你需要强大的计算产品才能满足要求，你还要用GCP的分布式光纤骨干网络传输数据，以很高的效率从一个节点传输到另一个节点。”Uribe说，“我们有云机器学习引擎（Cloud Machine Learning Engine），可以帮助客户训练模型，我们利用Kaggle社区帮助客户处理数据，那里有800名活跃的数据科学家。最终，你还需要人才，在研发方面，我们有Brain Residency Program，这个项目用复杂的机器学习课程培训工程师。它们都是组成部分，共同帮助客户构建智能应用。”
所有这些东西都放进了开源社区和第三方生态系统。年初时，谷歌宣布举办机器学习创业公司挑战赛，机器学习创业公司如果拿奖，最高可获50万美元投资。Uribe谈到了一些创业应用，这些应用是Uribe在谷歌技术中看到的，未来也许会出现其它的变化。
“假设你有一家客户服务分析公司，你们用语音API转化语音呼叫，然后分析情感，提高客服质量。”Uribe说，“到了外国，你可以用视觉API拍一张街道标志的照片，然后翻译API就可以实时在APP中将内容翻译出来。它不只可以提高效率，还可以创造新颖、独特的用户体验。”
Uribe认为，因为TensorFlow等工具的存在，在市场上大规模推广机器学习技术变得更容易了。谷歌是什么？谷歌如何开发产品？现在这些技术已经成为核心，不只如此，Uribe还相信广泛存在的机器学习技术可以优化业务、创造新的营收流、发明新型智能APP。
他还说：“我们可以将它视为新的工业革命，这些工具可以大幅提高效率，带来前年未有的体验。创业公司积极采用，我们感到惊讶。看看日本种黄瓜的农民，他用TensorFlow开发一个模型，根据模样、尺寸、纹理等标准给黄瓜分类，然后自己制作特殊硬件执行。这是一种民主化进程，让人惊叹，我们现在只是触及表面。”
（原文：pcmag，海中天编译）
最前沿的电子设计资讯
