谷歌確立AIfirst戰略一年后成果如何？這里有答案
打開谷歌（微博）翻譯APP，將手機鏡頭對準你看不懂的外語，然后屏幕上便自動顯示翻譯結果。
谷歌翻譯實時顯示
收到朋友發來的email，在查看郵件的時候，Gmail已經為你準備好了可能需要回復的內容。
無論是谷歌翻譯還是Gmail，它們已被推出多時，均非新鮮產品，但在用戶看不見的地方，谷歌已經并正在繼續對它們進行升級。上述翻譯及Gmail提供的改進，便得益于此。
升級源于谷歌AIfirst戰略的執行和落地，2016年，谷歌CEOSundarPichai宣布谷歌戰略從MobileFirst（移動先行）轉向AIFirst（人工智能先行），在對人工智能技術進行多年投入后，現在，谷歌正在通過深度學習、機器學習等技術，讓旗下的產品變得更加智能。
升級旗下產品只是谷歌期望通過AI實現的目標之一。11月28日，在日本東京舉行的Google亞太地區媒體開放日上，Google資深研究員、GoogleBrain負責人JeffDean表示，谷歌在人工智能領域的愿景，是通過三種途徑讓每個人都從中受益：使得Google產品更加實用、幫助企業和開發者創新，以及為研究人員提供工具，庫卡機器人驅動器維修，從而解決人類面對的各項重大挑戰。
從谷歌展示的一系列產品及案例可以看出，谷歌正在為了實現上述目標而努力。
谷歌的新魔法
AI究竟讓產品變得怎樣實用？實際體驗是回答這個問題的最好方式。
在今年Google亞太地區媒體開放日現場，谷歌準備了不同產品的展示，包括各類圖像產品、Googleassistant、Googletranslate以及一系列運用了機器學習等AI技術的小應用。
以圖像應用為例，現實生活中，工業機器人維修，人們經常會遇到需要將紙質版圖片或文件轉為電子版的場景，通常情況下用戶需要借助專業掃描設備才能得到理想的電子版，因為如果使用手機拍照，會出現反光、畸變等問題。
針對這一需求，谷歌推出一個名為照片掃描儀的APP，用戶按照指引對紙質版物品拍攝五張不同角度的照片，該APP會對拍攝的圖片進行計算和合成，最終輸出一個與用專業設備掃描效果類同的電子版。
照片掃描儀（PhotoScan）APP效果
照片掃描儀只是谷歌在借助AI技術改進應用體驗方面的一個案例，除了圖像應用外，語音、文字等相關產品也有不同程度的體驗改進。
不止是軟件方面，在讓AI技術落地上，谷歌還在嘗試將AI、軟件、硬件結合起來。
作為谷歌落地語音交互產品的重要硬件，GoogleHome如今可以提供非常多樣的服務，比如它能夠識別不同用戶的聲音，并給予不同的反饋。例如，A與B都養了寵物狗，當A對GoogleHome說想看寵物照片的時候，GoogleHome可以識別出A的聲音，并將A的寵物照片調出；而當B提出同樣要求的時候，GoogleHome調出的是B的寵物照片。
這一功能為GoogleHome的語音配對功能（VoiceMatch），它之所以能夠實現，源于在機器學習的幫助下，語音助手能夠識別不同的語音。據介紹，語音配對目前支持最多六個用戶連接到同一臺GoogleHome，GoogleHome是目前市場上首個具備此功能的智能音箱。
機器學習還被運用到醫療領域，通過與印度和美國的醫生合作，谷歌創建了一個包含12.8萬張眼底掃描圖片的數據集，來用于訓練一個檢測糖尿病性視網膜病變的深度神經網絡。
經過訓練，模型識別眼底掃描圖的專業準確度甚至超過了專業醫生的平均水平，而這可以幫助醫生提高診斷效率，使患者盡早得到治療。
同時，通過TensorFlow、云機器學習API（CloudMachineLearningAPIs）以及張量處理器（TensorProcessingUnit,TPU）電腦芯片，谷歌將AI能力向更多開發者開放出來。食品企業得以借此提高食物檢查效率，生物學家得以更加高效的了解鳥類的習性并提升保護的效果。
而無論是優化現有產品、開放AI能力以及解決人類的共同問題，實現上述目標的基本前提是持之以恒的投入AI方面的研究，并取得進展。在谷歌的AI戰略中，機器學習是重中之重。
改變這樣發生
機器學習是計算機科學的一種形式，認為編寫能使計算機自主學習如何變得智能的程序，要比直接編寫智能程序要更為簡單。通俗的來講，機器學習的目的是讓機器自身變得智能。
JeffDean介紹，機器學習是谷歌在人工智能領域的工作重心，谷歌開展機器學習的研究已經很長時間，但目前機器學習仍處于發展初期。如今，機器學習對分類、預測、理解和生成這四個關鍵方面很有幫助。而這些功能幾乎已經被應用于谷歌所有的產品中。
無論是GoolgePhotos、GoogleTranslate、GoogleLens，還是Gmail、Inbox、GoogleMaps，亦或者GoogleAssistant、YouTube，機器學習技術的加入，讓它們可以提供更好的體驗。
新款Pixel手機具備了人像模式，這一模式拍攝人像時可以柔和虛化背景，傳統技術條件下，這需要一個多鏡頭的專業相機才能實現，但機器學習和計算攝影技術的結合，使得Pixel手機依靠每側各有一個鏡頭便實現了同樣的效果。
未使用人像模式（Portraitmode）的照片（左）和使用人像模式（Portraitmode）的照片（右）
根據谷歌搜索項目總監LinneHa的介紹，深度神經網絡技術大大提高了語音搜索中語音識別的準確性，這使得用戶在嘈雜的環境中也可以與手機自由對話。在機器學習的幫助下，自然語言處理系統能夠更好地理解你想說的話。在利用機器學習實現文本向語音轉換的實驗項目ProjectUnison的幫助下，通過轉換引擎，手機可以用語料并不豐富的語種，如孟加拉語，高棉語和爪哇語。
實際成果已經證明，機器學習與具體應用結合可以取得非常好的效果，但JeffDean仍舊提示目前機器學習存在的兩大挑戰，首先是機器學習模型的觸達性；二是機器學習模型的包容性。
為了解決第一個問題，谷歌將在明年在互聯網上提供免費的機器學習課程，為了解決第二個問題，谷歌啟動了People+AIResearch（PAIR）計劃，并與與GeenaDavis研究所合作建立了GD-IQ（一種利用機器學習檢測電影中性別偏見的工具）。
上述措施對解決機器學習面臨的挑戰提供了幫助，但于谷歌而言，在AIfrist的戰略指引下，其面臨的挑戰不止于此。
從行業競爭的角度而言，越來越多公司推出了機器學習開源平臺，谷歌要如何應對競爭，保持對開發者的吸引力？而從國家間的競爭來看，谷歌還面臨著美國政府是否愿意投入和支持AI產業發展的影響。
面對行業競爭，JeffDean表示，TensorFlow在不斷的發展，不斷地增加新的功能。它們可能針對不同的人群，有的針對研究者，有的更多傾向于移動平臺。所以這樣的競爭是好的。TensorFLOW的開源軟件是有很靈活的Apache2.0許可機制。
而面對國家間的競爭，谷歌選擇了建立本土團隊提升AI發展速度的做法。JeffDean表示，KUKA機器人示教器維修，谷歌正在中國組建AI團隊，團隊主要分布于北京和上海兩個城市。
這一做法顯然是從新人才的角度出發我們想關注下一代有更好計算能力的人，解決實際的問題，有意思的問題。我們并不擔心競爭對手，我們關心的是我們自己的研究。