Zhidixcom（公众号：zhidxcom）编辑|海中天简介：PCMag记者在谷歌总部待了一天，深入了解人工智能和机器学习如何在谷歌内部渗透。
他们采访了许多高管。
谷歌的目标是围绕AI构建生态系统，将重复的人工处理转变为自动化流程，利用AI服务企业。
Makoto Koike 是一位种植黄瓜的日本农民。
在此之前，他是一名嵌入式系统设计师，曾在日本汽车行业工作。
2000年，他回到家乡，帮父母种黄瓜。
很快，他发现分拣黄瓜非常麻烦。
农民必须根据颜色、形状、大小和特征（例如是否带刺）对黄瓜进行分类。
这项工作非常棘手，比种黄瓜还费力。
谷歌开发了人工智能软件AlphaGo。
受到 Google 的启发，小池诚希望将任务转变为自动化流程。
现在企业已经开始以各种方式应用人工智能，但还没有人看到类似的技术出现。
小池此前从未从事过人工智能技术工作。
借助开源的TensorFlow机器学习技术，他开始将黄瓜的图片输入到系统中。
计算机视觉算法已经可以识别物体，深度学习可以训练 TensorFlow 了解黄瓜的细微差别，小池意识到它可以用于高精度地识别和分类蔬菜。
然后，小池仅使用 TensorFlow 和一台廉价的 Raspberry Pi 3 计算机构建了一台自动分拣机，至今仍在农场使用。
市场上有很多开源算法和工具，TensorFlow只是其中之一。
企业和开发者希望使用AI来解决一些问题，而TensorFlow可以给他们的工作带来革命性的影响。
谷歌将这些技术和应用程序编程接口（API）融入到其所做的一切中，将机器学习构建到其产品中，并从根本上重新定义了软件的运行方式。
近日，PCMag 参观了 Googleplex（也称谷歌总部），采访了来自 G Suite、谷歌云平台（Google Cloud Platform）、机器学习高级解决方案实验室（ML ASL）的部分高管，了解谷歌如何利用 AI 技术进行重塑本身。
人工智能无处不在假设您的一位客户遇到了问题。
该公司服务部门的客服人员使用“Google 我的商家”与客户在线沟通。
“Google我的商家”是一项仍处于试点阶段的聊天功能。
为了帮助客户解决问题，用户需要向代理发送一些敏感的个人数据。
现在想象一下顾客是你的祖母。
客服让你奶奶发一些数据，少量的数据，你奶奶在聊天的时候就上传了一张图片，一张社保卡的图片，但是她提交的信息比要求的多。
这不是谷歌现在所做的。
它归档个人身份信息（PII），当带有社会安全号码的图片出现时，其他PII信息将自动匹配。
代理无法看到额外的信息，并且不会将任何数据放入 Google 加密存档中。
在谷歌位于加州山景城的总部，公司员工展示了“Google我的商家”的新功能。
机器学习算法如何完成其??使命？谷歌揭开了神秘的面纱。
谷歌云计算信任与安全营销总监 Rob Sadowski 解释说，自动编辑是通过谷歌数据丢失防护 (DLP) API 完成的，这是底层技术，对敏感数据进行分类是肤浅的。
算法也可以以同样的方式用于某些数据，例如信用卡号，来分析模式并识别该号码是否是假的。
谷歌希望将人工智能融入体验中，以便企业和开发者（例如 Koike）拥有资源来做同样的事情。
这只是谷歌微妙策略的一个例子。
有许多科技巨头正在尝试将互联网智能层嵌入到软件中。
不仅谷歌在这样做，亚马逊和微软也在这样做。
然而，与它们相比，谷歌的云智能工具和服务无疑要广泛得多。
分析Google的产品，你会发现Google Assistant、各种机器学习系统、计算机视觉API无处不在。
Google 搜索使用 RankBrain AI 系统中的机器学习技术，根据众多可变过程来细化问题、重新排序和聚合数据，以不断改进搜索结果。
谷歌照片使用计算机视觉技术将照片拼接在一起并将其变成记忆，将同一位置的多张照片变成全景图。
Inbox可以自动生成“智能回复”供用户选择。
通过捆绑相似类型的电子邮件，可以突出显示高度相关的电子邮件。
新的 Google Allo 聊天应用程序内置了 Google Assistant。
还有更多使用人工智能技术的工具。
所有这些应用程序都在谷歌云基础设施上运行，谷歌在其数据中心使用机器学习技术来减少能源消耗，并根据负载和天气信息调整冷却泵。
萨多斯基表示，在谷歌的安全策略中，机器学习也是最后一层保护。
谷歌在安全堆栈中使用机器智能和风险评分来确定系统是否使用预测分析来确定是否存在缺陷。
Sadowski 解释道：“谷歌开发了许多机器学习和 AI 模型，公司从安全角度对所有模型进行了优化。
与 IT 的大部分部分相比，安全性的变数更大。
”三四年前，一些产品是安全基础设施的核心，例如防火墙和端点保护。
这些技术仍然很重要，但我们希望提供更深层次的保护，大规模应用它，并将其作为许多环境中的默认技术。
在租户基础设施上，每天可能有数百万活跃用户。
“我们从底层数据中心硬件开始，例如最新的 Titan 芯片。
”萨多夫斯基继续说道，“最重要的是应用程序服务、身份验证以及数据和通信都是完全加密的。
下一层是用户身份。
如何全天候（24/7）监控、检测和响应事件是最后一层保护。
例如，如果希望用户通过身份感知代理进行远程访问，我们有类似的技术来确保安全。
它是一种可编程的 DLP 服务，可以检测和防止数据泄漏、帮助管理数据并增强安全性。
我们的目标是让这些功能更容易使用，将其变成可消费的服务，并大规模推广。
“智能G Suite机器学习技术已经嵌入到Google G Suite生产应用中。
G Suite产品管理总监Allan Livingston介绍了Google为让G Suite变得更加智能、更加了解环境，甚至“你可以想象 G Suite 以一种更自然的方式将所有应用程序整合在一起，”Livingston 解释道，你开始在一个应用程序中工作，然后根据情况转换到其他应用程序，然后在云端硬盘中打开一个 Gmail 附件。
“我们努力从用户的角度思考，这将涉及到机器学习。
我们首先从 Gmail 中的智能回复开始，然后在 Inbox 中取得成功，然后在 Docs、Sheets 和 Google 中引入了探索功能。
例如，Explore 于去年秋天推出，将自然语言处理技术应用于应用程序内的生产力体验，它可以根据文档内容立即提供建议，并可以自动推荐相关主题和资源。
在幻灯片中，它可以生成设计建议并允许用户简化演示格式。
Livingston 解释了 Explore 如何使用机器学习来简化数据分析和商业智能。
“许多用户不知道什么是数据透视表或如何使用它来可视化数据表。
。
Livingston 解释道，“假设您正在为客户处理销售数据，每一行都是已售出的商品。
Explore 允许您用自然语言提出问题，例如：‘黑色星期五最畅销的商品是什么？ ” 系统会回复：“你卖了一条裤子。
’我们可以在数据分析过程中节省时间，因为决策是基于数据的，并且我们使用机器学习来提高以更自然的方式解决常见问题的能力。
”利文斯顿还表示，谷歌正准备向第三方提供这种机器学习云搜索功能，并开始围绕这项新技术构建一个生态系统。
谷歌的总体思路实际上与人工智能的实用性有关：自动化手动处理和自动化让用户解放出来从事更具创造性的工作，这种想法实际上已经成为大多数机器学习应用程序的核心：将重复的业务流程自动化，并将日常任务（包括黄瓜分类）转变为自动化流程，在行为中，用户已经在使用这些自然的交互模式。
当与消费者沟通时，向云计算和移动生产力的转变改变了人们的工作方式，而机器学习技术是其根源，“因为我们在机器学习方面有优势，因为我们的产品是基础，并且利文斯顿说：“因为所有数据都在我们的云计算网络中，所以我们处于使用它的最佳位置。
”大规模应用。
“推动机器学习革命。
Google 在 AI 领域所做的一切都基于 API、算法和开源工具。
Google 的 TensorFlow 存储库是 GitHub 平台上最受欢迎的机器学习工具，被许多应用程序使用，例如 Koike Cucumber Classification这套 API 是 Google 云计算的基础，也是 Google 应用程序和服务中所有 AI 功能的动力。
谷歌改变了它的运营模式。
谷歌ML ASL是一个实验室，谷歌机器学习专家直接与企业合作，通过谷歌API和云计算机器学习引擎将人工智能解决方案嵌入到企业中，帮助企业训练和部署模型。
Uribe 在 AI 领域工作了 10 多年，他创立了 BlackLocus，这是一家为零售商开发自动价格比较引擎的数据初创公司。
乌里韦后来被家得宝收购。
加入Google，在搜索广告团队工作了4年，利用机器学习改善广告体验。
2008年，他进入ML ASL，负责开发工作，并成为Launchpad Accelerator的导师。
乌里韦表示，他感觉企业和开发者正在积极使用谷歌工具。
相当令人惊讶。
“我们看到工具被用于各个领域，包括医疗保健、金融、零售和农业。
”乌里韦解释说，“我们正在努力帮助客户增强他们的认知。
语音翻译、图像识别、视频 API、自然语言：它们都是机器民主化的一部分，深度学习算法最终变得适用。
“ML ASL 与汇丰银行合作，使用机器学习解决方案来打击洗钱活动并预测信用评分。
ML ASL 还与联合服务汽车协会 (USAA) 合作，帮助其培训机器学习工程师，将技术应用于保险eBay 使用 Google 工具训练 ShopBot 数字助理时，Uribe 解释说，当 ML ASL 与企业合作时，整个过程由 4 个重要部分组成：“机器学习工作要求很高，需要强大的计算产品来满足要求。
GCP的分布式光纤骨干网络用于将数据从一个节点高效传输到另一个节点。
”Uribe 说，“我们有一个云机器学习引擎，可以帮助客户训练模型。
我们使用 Kaggle 社区来帮助客户处理数据，那里有活跃的数据科学家。
最终，你需要人才，在研发方面，我们有大脑驻留计划，该计划为工程师提供复杂的机器学习课程培训。
它们都是协同工作以帮助客户构建智能应用程序的组件。
“所有这些东西都被投入到开源社区和第三方生态系统中。
年初，谷歌宣布了机器学习初创公司挑战赛。
如果机器学习初创公司获奖，最多可以获得 50 万美元的奖金。
”乌里韦谈到了一些初创公司的应用程序，这些是乌里韦在谷歌技术中看到的，未来可能还会有其他变化，“假设你有一家客户服务分析公司，你使用语音 API 来转换语音通话，并且。
然后分析情绪以提高客户服务质量。
”Uribe 说，“当你去国外时，你可以使用视觉 API 拍摄路牌照片，然后翻译 API 可以实时翻译应用程序中的内容。
它不仅提高了效率，还创造了新颖独特的用户体验。
“Uribe 认为，因为 TensorFlow 等工具的存在，让机器学习技术在市场上大规模推广变得更加容易。
Google 是什么？Google 是如何开发产品的？现在这些技术已经成为核心，而不是不仅如此，乌里韦还认为，广泛普及的机器学习技术可以优化业务、创造新的收入来源、发明新的智能应用程序，他还表示：“我们可以将其视为一场新的工业革命，这些工具可以极大地提高效率并带来前所未有的成果。
”我们对初创公司的积极采用感到惊讶，他使用 TensorFlow 开发了一个模型，根据外观、大小、纹理和其他标准对黄瓜进行分类，然后制作了自己的特殊硬件。
来执行它。
这是一个令人惊奇的民主化进程，而我们只是触及了表面。