Google机器学习很聪明，但不聪明 (还)

一百多年来，人工智能一直是计算机科学的圣杯，我们终于开始触及这个极其复杂的系统的第一层。目前，技术行业的所有主要参与者都在人工智能系统的研发上投入巨资，但看起来我们离真正的人工智能的发展还很遥远。

为了真正掌握该行业在寻求智能机器方面的立场，我们与前机器学习主管、目前谷歌高级副总裁约翰·吉安安德里亚 (John Giannandrea) 进行了一对一的讨论。从对话中，很明显，我们在自动化方面的最新发展都是错误的，这是真实的情况。

观看视频: Google pixel泄漏: 这是到目前为止的情况

我们不是在人工智能时代，而是在机器学习时代

约翰很快澄清说，机器智能有三个不同的层次: 机器学习、机器智能和人工智能。机器学习是我们刚刚开始正确的，它是一个系统，在这个系统中，可以编写一种算法来训练机器以某种方式运行，给定某些类型的输入。

机器学习，一个更高的版本将是机器能够接受它所学到的东西，并使其适应一个新概念，而真正的人工智能将是能够像人类一样自学新概念和进化的那种。我们刚刚开始能够真正擅长生成机器学习算法，但是约翰说，我们离拥有一个能够利用所学知识并使其适应新情况的系统还很遥远。

神经网络，数字训练场

任何类似于最简单智能水平的机器的核心都是 “训练”。每台机器都必须首先接受 “培训”，以某种方式处理信息。例如，如果您向机器显示狗的照片，则它应该能够正确地将其标记为狗。为了能够获得该结果，Google通过神经网络运行了成千上万的培训材料。神经网络本质上是模仿人脑的多层数字滤波器。

每一层都有各种各样的 “端口”，它们与相应的端口连接，就像我们大脑中的神经元一样，这取决于它们所携带的刺激。因此，在输入侧，它们将为神经网络提供数十万个狗的图像 (并且只有狗)，并检查所有图像的输出是否为 “狗”。每个实例都有一个错误，它被向后发送到神经网络中，以便它可以从错误中 “学习” 并调整识别模式。Google设法从中获得了一些非常出色的结果，而证明就在 “照片” 应用程序中，该应用程序能够根据其内容对照片进行隔离。

另请阅读: 谷歌WiFi站，YouTube Go应用程序: 搜索巨头对印度的大计划

您可以在照片应用程序的搜索栏中键入 “猫”，它将向您显示库中的所有照片，其中包含猫。这就是机器学习，正如约翰指出的那样，它是相当有限的，虽然你会得到猫的所有照片，但 “机器” 将无法根据品种将它们分开。

机器学习的真正极限

虽然一个软件能够根据他们的内容将你的照片分成相册，或者根据交通状况 (以及你需要上班的时间) 建议你什么时候应该去上班，但在这个阶段，机器学习，是极其有限的。

正如约翰所指出的，它也许能够区分猫和狗，但它还不能识别猫的品种。机器学习仅在非常有限的变量范围内工作，即使单个变量发生变化，它也将无法完美执行。例如，如果你要把猫打扮成狗，照片应用程序会认为它是狗还是猫？

阅读更多: 谷歌的YouTube Go应用程序: 这是如何获得它，以及它是如何工作的

Google也一直在使用机器学习来开发其语音识别软件，从而能够识别说话者的声音并将其与环境噪声分开。它也可以检测各种语言，但是，它不能做的是检测语调，语音中明显的情感模式，甚至像讽刺这样 “简单” 的东西。它只能在非常有限的一组参数中运行，为了扩展这些参数，它需要大量的工时和成千上万的培训课程才能使机器正常工作。

智能事务的现状

根据约翰的说法，谷歌的机器学习ApI正处于起步阶段，但发展速度相当快。Google正在使用机器学习来增加他们的搜索 (自动完成)，YouTube (建议的视频)，收件箱和Allo仅举几例。收件箱具有一项功能，它可以根据其内容生成电子邮件的自动回复，根据John的说法，使用收件箱发送的邮件中有10% 使用自动回复。

Allo进一步迈出了这一步，机器将学习您的交流方式，然后根据所学知识为响应提出建议。然而，这项技术的顶峰是Google助手，它能够检测语言，甚至将命令声音与环境噪声分开。Google Now使用机器学习来根据您的使用模式为您生成相关信息。

观看我们所有的技术视频

隐私问题

谷歌正在收集大量用户数据已经不是什么秘密了，它使用这些数据来训练他们的机器学习api的一种方式。当被问及这有多安全时，约翰说，所有用于训练的数据都被汇总到一个大池中，因此被匿名化。这些都不能真正追溯到它的来源。但是，一旦将ApI培训并实施到服务中，它就可以读取您同意与Google共享的信息，并在此基础上提出建议。

这里的信息共享是双重的，一个是训练ApI本身，其中你的数据是匿名的，然后一旦服务准备就绪，它会根据你的活动向你提出建议。这就是Google能够在地图上向我们提供交通信息的方式。它从成千上万的通勤用户那里收集数据并将其显示在应用程序上，但是您无法识别该红线上的哪个像素与您的汽车相对应。

未来展望

尽管Google在其各种产品中使用ML算法，但它也为许多企业和开发人员提供了各种api。然而，有趣的是该系统所具有的医疗潜力。例如，如果语音助手能够识别说话者的声音中的极端压力或沮丧，则它可以通过自动将用户与所爱的人连接或建议该区域中的各种咨询者来提供帮助。

下一步，也就是机器智能，就是手机本身能够在你考虑做之前就为事情提供建议。例如，如果你刚刚找到一份新工作，你手机中的机器智能应该能够建议你买一个新衣柜。如果您打算举办一个聚会，它可以根据与您互动的人生成建议的来宾列表，并考虑您对他们的真实 “感觉”。

关于Google努力的最好的部分是，他们已经以Tensor Flow的名义免费提供了机器学习资源，任何人都可以开始使用该工具来训练特定任务的机器。

Google确实在努力为我们提供便利，这可能会对我们的日常生活产生深远的影响。随着忙碌的生活方式变得司空见惯，拥有一个可以跟踪你日常事务的数字助理是一个相当有用的工具。

我们每个月都会拍摄数百张照片，很高兴看到它们被自己分开并组织成不同的类别。最令人兴奋的事情是，我们刚刚开始触及这一新技术突破可以为我们的生活带来的便利的表面，更好的产品并不是很远的未来。