不只大秀产品AI新进展，Google还预告明年初免费释出内部机器学习课程，要让AI成为更公平的工具

Google今日（28日）赶在AWS年度大会re:Invent登场前，在日本东京举办#MadeWithAI活动，介绍Google在AI技术上的发展和新进展，Google在过去就持续投入AI领域的研究上，近几年更是将AI技术带入自家的产品，Google资深研究员Jeff Dean揭露，Google发展AI的3大方向即是使产品更有用、协助他人创新、解决人类的挑战。

Jeff Dean表示，AI的概念在电脑科学的领域已经存在超过50年，主要是要让电脑拥有类似人的智慧，过去的算法通常是用规则模式（Rule-based）来编写，但是在近10～20年，开发人员慢慢地发现不是所有的事都有规则可循，就像要辨识图像中的动物是猎豹还是美洲豹的问题，很难用规则的方式来区分。

因此，机器学习成为打造问题解决系统的新方法，是AI技术的一大部分，借由汇入大量的资料集，经过不断学习找出模式（Pattern），让电脑变得更聪明进而产生预测，今年打败人类棋王的电脑围棋程式AlphaGo即是用机器学习让电脑学习大量的棋谱，找出下棋的模式。

其中，目前最热门的一种机器学习是类神经网络，由于计算能力的增长促使类神经网络模型更加准确，类神经网络是模拟人脑的运行，透过一层层的处理和辨识，理解出模式，举例来说，图像辨识的任务就是先给予电脑大量的图像，并将图像标上标签（Label），经过多次学习，类神经网络就能透过图片的特征来辨识影像。

Jeff Dean表示，类神经网络能够处理图像、语音和文字等，他举出目前机器学习的多个应用，像是辨识图片物件、语音转文字、文字翻译，以及汇入一张图片，电脑能自动产生一段对影像的描述。

将AI技术带入自家产品

Google除了开发AI技术，也将AI技术带到了自家产品上，包括Google Photos、智能手机Pixel相机、Google Assistant、Google翻译、Google地图等，举例来说，使用者能够在Google Photos中透过关键字自动搜寻相关的图片，即是使用深度学习自动辨识图片中的物件，Pixel相机则是由于机器学习算法能够自动辨识图像的远近，因此不需要透过光圈就能创造出景深的效果，而Google Assistant能够理解自然语言与人类互动，成为人类的助手。

Jeff Dean表示，Google翻译更是在近几年因为机器学习有更大的进展，目前已经可以提供97组语言翻译，翻译的结果也越来越准确，未来还可能结合耳机，让使用者透过耳机和Google翻译，在对话的过程中，同步听见翻译结果。

Google在语言的研究上也有新的进展，Google语言研究计划总经理Linne Ha表示，全球有6千种语言，其中超过400种语言有100万以上的人在使用，还有许多不同的方言，但是网络上却有超过50%都是英文网页，这样的不平衡会造成知识取得不易，因此，Google透过深度学习，在今年能够辨识的语言新增了20种语言。

除此之外，Google还正在为较少资源的语言，建立文字转语音的系统，称为Unison专案，每个语言收集约10位讲该语言的人声，每位讲45分钟，大约2千个词组，经过系统处理创造出一个平均的声色，目前Google已经建立孟加拉语、高棉语、尼泊尔语、僧伽罗语、爪哇语、印尼的巽他语。

“Google语言研究下一步是方言，”Linne Ha表示，未来Google要打造可以辨识不同腔调的语音，像是新加坡英文，甚至，Linne Ha还揭露了目前Google正在发展双语的语言辨识系统，第一个是广东话。

用机器学习框架TensorFlow打造出多元应用

Google在2015年以Apache2.0授权模式，开源释出机器学习框架TensorFlow，即是希望提供AI工程师、某些领域的专家和一般使用者开源的AI工具，让大家都可以使用AI技术创造新应用，TensorFlow在2年内已经成为最热门的机器学习框架，目前，TensorFlow已经被用在节能、环境保育和健康医疗等领域上，例如，Google机房与DeepMind合作打造深度学习模型有效降低机房能源，Google研究团队也运用TensorFlow来打造乳癌和糖尿病视网膜病变辨识系统。

除了Google自家的产品和应用之外，另一个值得注意的是，日本百年食品大厂Kewpie过去也透过TensorFlow，建立生产线原料检查系统，辨识生产线上不合格的马铃薯块，现在更进一步，以100万个马铃薯块当作资料集，系统经过不断学习，用AI技术选出优良的马铃薯块，Kewpie食品厂产品线负责人Takeshi Ogino也亲自到场展示将在2个月后完成的雏型机器运作影片。

环境保育的应用上，也有新西兰的生态学家Victor Anton透过TensorFlow建立辨识新西兰鸟类叫声的系统，因为新西兰拥有众多特有种鸟类但是目前濒临绝种，为了采取复育的行动，Victor Anton打造了围栏保护区并装设录音装置，掌握各种鸟类的行踪，Victor Anton花了1年的时间，收集约1万5千个小时的鸟类叫声音档，人类可能要花上2年的时间才能听完，因此，Victor Anton将声音转为光谱图再辨识出是哪一个种类的鸟类，建立完的辨识模型经过次训练即可产生分类结果。

Google AI发展的下一步

Jeff Dean表示，让AI普及化的挑战在于提供不同领域的专家机器学习技术，并让AI成为更公平的工具，“人才的确是一大挑战！”Jeff Dean坦言，在2012年Google内部的工程师只有少于1千人有机器学习的背景，为了加速AI技术开发，Google建立一套AI训练系统训练人才，提供内部工程师机器学习课程，目前完成机器学习训练的工程师已经超过1万8人，Jeff Dean更宣布：“Google会在明天年初将机器学习线上课程免费释出！”提供大家学习机器学习技术的管道，课程与Google内部培训的课程为同一套，目前Google尚未公布确切释出的时间，不过，以明年初时间推估，Google可能会在明年3月举办的Next大会中发表。

在研究方面，Google正在打造机器学习的自动化流程，透过两个网络相互回馈自动学习，针对特定任务进行训练，找出最佳的模型，目前约有1万5千个模型不断地进行自动化训练。