Google 稍早在东京举办了 Made with AI 的活动，台湾 Google 也以零时差直播由 Jeff Dean 所进行的主题演说， Jeff Dean 在一开场就表示， AI 与机器学习已经遍及 Google 的各个应用，而借由 AI 与机器学习， Google 有三大目标： 1 、 产品更好用， 2 、协助企业与开发商解决问题与创新， 3 、研究人员获得更好的工具面对人类挑战。
基于深度学习的人工智能黄金世代
Jeff Dean 接下来也简单解释了 AI 是什么、为什么现在 AI 变得重要； AI 的概念出现至今已经有 50 年，不过早期的 AI 是以人工建立规则进行，然而相当仰赖输入大量的规则与运算力，然而近年在硬件系统提升后，基于神经网络的机器学习被发扬光大，透过模拟人类大脑的学习方式使机器自己撰写程式并持续进化。
使机器学习能得以被应用的关键是类神经网络能够被实用化，虽然类神经网络也已经有 30 年的历史，然其多层解析的模式，在过去缺乏平行、异质运算以及运算力不足的情况下，类神经网络难以导入正式的应用，仅能做些乐趣示范，但在近年硬件架构性能提升，才使得这项以模拟人类神经元的学习与思考模式的概念得以实用，同时作为新一代 AI 的根基。
目前深度学习也在多个领域被广泛使用，而其基础建立在影、音与文字的分析，从影像中的物件分析，声音转化为文字，文字辨识与翻译，到为一张照片下符合叙述的标签；同时 Google 也已经将把深度学习应用在旗下七大产品中。其中作为当前深度学习基础关键的，就是在 2015 年开始导入的 TensorFlow ，借由在 GitHub 开源，目前也是全球最多人使用的深度学习语法。
深植于 Google 服务当中的人工智能
目前 Google 在旗下产品如何应用 AI 呢？例如在 Google Photo ，借由上传照片后进行分析并自动建立 Tag ； Translate ，除了文字翻译外，还可借由图像与语音输入并进行翻译： Maps ，在部分无法取得官方地址资讯的地方，利用分析图资影像讯息建立地址资讯，同时还可藉学习方式分析停车位状况，以及提供附近可能有车位的停车场： Allo ，借由 AI 分析人像照片的五官，进行趣味自拍贴图。
Google Lens ，利用类似 Maps 与 Translate 的技术，分析照片中的景物并提供资讯： Music ，藉人工智能推荐合适的音乐与影片； Mail ，利用文字语意的解析进行垃圾信分类； YouTube ，藉声音判断进行自动字幕；翻译，在去年导入新系统，对语意分析更强，并简化程式码，同时去年秋天加入神经网络架构提升翻译力； Google Assistant ，则是集大成的服务，同时借由软硬件整合， 在今年打造翻译耳机。
借由软件与硬件使手机相机革新
接下来也由 Google 几项服务的产品经理各自介绍其负责的服务；首先是负责 Google Pixel 2 相机的 Issac Reynolds 介绍 AI 与拍照的结合， Pixel 2 所搭载的双像素元件可呈现类似人眼的立体影像，同时借由影像分析的方式，能够轻松拍出凸显主题的影像，并以情境分析进行润饰。
自然语言与语意分析的挑战
接着负责 Translate 的 Linne Ha 谈到理解与处理自然语言的重要，由于目前网络仍以英文为大宗，翻译与语言分析的基础是建立在数据的丰富程度，但像是全球拥有第四大使用人数的印度文却在网络语言使用还无法排到前 30 ，故需要利用更多的手段搜集语言资料。
而建立语言翻译与自然语意分析，要从几个领域着手，包括建立标准化的 Unicode 统一的字型如 Noto Fonts ，以及易于产生文字的键盘， Google 也利用机器学习建立特殊语言的键盘，更有助于搜集少数语言，同时也导入手写输入辨识，但这些还不够，以便利性与针对部分不认识文字的使用者，语音辨识与翻译也相当重要，不过语音又比文字更复杂，毕竟还牵涉到口音、方言等问题。 Google 也透过各种手段搜集各国的语音建立数据库，并透过机器学习的方式建立少数语言、方言甚至混合语言的语音辨识数据库。
集 Google 大成的 Assistant
接着则是由 Pravir Gupta 介绍其负责的 Google Assistant ，简单的说 Google Assistant 是集 Google 技术与服务大成，以辨识自然语意的方式与使用者进行互动，从而提供生活资讯到提供家电的互动，今后也会持续提供更多国家的语言支援。
在云服务导入 AI 让企业更易使用
接下来则是由 Kaz Sato 探讨透过 Google Cloud 云服务为企业提供 AI 与机器学习，目前 Google 的服务基础皆是建立在云平台，而 Google 为了提供企业用户更容易应用 AI ，也提供包括 TensorFlow 开源机器学习语言、 TPU 加速器以及包括影像辨识、影片辨识、声音辨识与自然语言辨识的 API 给予客户。
Google 也找来日本老字号的食品厂 KEWPIE 介绍他们导入 Google 云平台 AI 的应用， KEWPIE 希望借由导入 AI 技术，使人力可更集中在创新，他们目前也着手导入机器视觉，透过影像分析的方式进行婴儿食品原料的品管，他们坦承目前还未知 AI 能带来的助益有多大，但绝对值得一试。
AI 协助环保、医疗保健与生态保育
紧接着是由先前与台湾媒体分享过 Google 如何应用深度学习帮助糖尿病引发的眼球病变的彭浩怡，介绍机器学习可用在那些能造福人类的领域，包括透过影像分析解析照片进行海牛的保育，透过能源使用分析进行正确的散热管理、降低资料中心的能耗，还有利用深度学习帮助糖尿病眼球病变与癌症判断。此外也由新西兰大学的 Victor Anton 介绍如何透过携手 NEC 以 TensorFlow 的方式辨识鸟鸣，借此进行特有种鸟类的保育。
提供更公平、更友善的 AI 应用机会与学习管道
在议程的最后， Jeff Dean 表示， Google 希望能够让机器学习更为普及，做出许多努力，除了提供开源的 TensorFlow ，也积极地训练内部人员，目前 Google 内部有多达 18,000 名具机器学习技术的工程人员，并在美国与大专院校开课教授，并预计明年会透过线上课程的方式，让有志从事机器学习的人可获得资讯。
此外 Google 也秉持着公平的方式进行相关的研究与合作，其一是 Google 内部的计划，称为 People + AI Research Initiave = PAIR ，是研究人机互动的团队，包括三大使用者方向，包括专业 AI 工程人员，针对主题领域专家，针对所有人三种目标对象，提供专业资讯、便利的工具与简单能容易被活用的资源，由开放研究成果与开放程式码方式使所有人都能利用机器学习。
另一个合作就是 Genna Davis 合作，进行媒体性别研究室的分析，借由影像分析的方式，针对当年度的热门电影进行角色性别的辨识，同时倡导男女平等，并指出女性担任主角的电影可比起男性担当主角的电影有更高的平均获利，借此倡导媒体的男女平等。
