探访谷歌：AI与机器学习正在悄悄改变一切。
导语：PCMag记者在谷歌总部呆了一天，深入了解AI与机器学习是如何在谷歌内部渗透的。他们采访了许多高管，谷歌的目标就是围绕AI打造一个生态系统，将重复的人工处理变成自动流程，用AI为企业服务。
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。
AI无处不在
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。”
智能G Suite
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。”
为机器学习革命提供动力
