一千個人有一千個哈姆雷特。 對於 Google 而言， 可能沒有一千個版本， 但每個人對這家公司的認識可能都稍有不同。 它從搜尋引擎開始， 又推出了 Gmail， 還有廣告業務， 也是全球最流行的移動作業系統 Android（活躍設備數已超過 20 億）的所有者。 最近幾年 Google 又開始賣手機、電視棒、平板電腦和家用音響了……想要對 Google 下一個清晰的定義， 似乎變得越來越難了。
在今天舉辦的 Google I/O 年度開發者會議上， Google CEO 桑達爾·皮柴 (Sundar Pichai) 指出 Google 一直在做自己最擅長做的事情：用前沿計算技術去解決這個世界上最為複雜的問題， “那些影響人們日常生活的問題。
由於很早就擁抱了移動計算， Google 在 PC-移動轉變的時代獲得了紅利。 對於大部分智慧手機用戶， Google 已經成為了他們日常數字生活最重要的組成部分。 只有數字才能描繪出人們到底有多愛 Google： 人們每天用 Google 地圖導航距離已經超過了 10 億公里， 用戶每天在 YouTube 上消磨的時間也超過了 10 億小時。 而在那些暫時無法使用 Google 服務的國度， Google 也換了一種方式把觸手伸了過去——感謝中國， 最近全世界 Android 活躍設備數量剛剛超過了 20 億台。
然而， 新一次模式轉變時代又來到了， 這次的關鍵字將會是人工智慧。 皮柴發現， 人工智慧時代的到來再一次迫使 Google 改變構思產品的方式。 慢慢地， 你會發現 Google 的所有產品裡面都有了人工智慧的影子：比如前年 Google 推出的 Photos， 因為免費的上傳空間、圖像識別技術提供的人臉檢測和照片自動分類功能， 已經成為了最受歡迎的雲端相片集服務， 擁有超過 5 億用戶；比如 Google 搜索， 它的功能早已不只是搜索文字， 滿足了使用者更多的期待， 可以用語音輸入， 能搜索圖片， 還直接並準確地回答問題，
被機器學習/人工智慧徹底改變的 Google 產品還有很多， 包括 YouTube 、地圖、Android、Chrome 流覽器等。 事實上， Google 在過去兩年的時間裡， 將公司內部開發和採用的機器學習技術整理到了一起， 命名為 TensorFlow。 這是一套包括了很多常用深度學習技術、功能和範例的框架， 被 Google 幾乎所有產品所採用。 “你能想到的每一樣 Google 核心產品， 背後都有機器學習和深度學習技術。
今年， Google 決定人工智慧上“all-in”。 皮柴宣佈公司的核心口號從 Mobile First（移動為先）改變為 AI First（人工智慧為先）。 本屆開發者會議上的所有重要宣佈， 幾乎都和人工智慧有關。
首先是 Cloud TPU。 TPU 的全名是 TensorFlow Processing Unit（TensorFlow 處理單元）， 是 Google 專為自家的深度學習框架 TensorFlow 而推出的處理器， 安裝在資料中心的伺服器中。
Cloud TPU 採用完全由 Google 自研的獨特計算架構， 一塊板具有 4 個 TPU 計算核心， 理論算力達到了 180 TFlops（萬億次浮點計算），能夠對機器學習模型的訓練和運行帶來顯著的加速效果。過去，GPU 一直被英偉達等公司推崇為最好用的深度學習處理工具，Google 也一直主要採用 GPGPU（ 通用圖形處理器）承擔內部研究和業務的計算，但隨著新的深度神經網路模型問世，GPU 在保持泛用性的同時，性能有時跟不太上。因而，TPU 成為了 Google 用於在深度學習中替代 GPU 的武器。
如果你以為 Cloud TPU 就是這麼一個簡單的處理器的話，那你就低估它的實力了：它其實像樂高積木一樣，可以支持多塊板拼在一起，組成一個性能更強的超級電腦……目前來看應該可以支援到 64 塊，達到超過 11 PFlops（千萬億次浮點計算）的驚人性能。
作為人工智慧的一個重要使用場景，今年 Google 的新發佈在圖像識別方面也有很大的動作。一款名叫 Google Lens 的新相機產品，讓很多現場觀眾都感到興奮。它具有一些最基本的識別功能，比如可以拍照“識花”（我想花應該不會是唯一支援識別的物體種類），還能掃描一段 Wi-Fi 的用戶名/密碼/條碼，然後讓手機自動連接到網路上，省去手動查找網路、輸入密碼的繁瑣。更有趣的是，如果你來到一個新的城市，不知道該去哪家餐館，也可以打開 Google Lens 對著隨便一家餐館掃描，它能夠自動在 Google 的資料庫裡找到對應的資料顯示給你看，包括點名、菜式、評分、打烊時間等等。
當其他公司忙著在各種圖像識別比賽中拿高分時，Google 卻更多思考怎樣使用技術創造出更多有趣的功能。一個很好的案例是 Google Photos，產品經理發現人們出外遊玩聚會拍下了很多的照片，最後卻經常忘記和朋友一起分享。於是他們為 Google Photos 開發了一個新功能“分享建議”(Suggested Sharing)，自動識別照片裡的人臉，找到對應的朋友，問你“要不要分享給她？”
而如果這個人跟你的關係親密，比如家人，另一個新功能“共用相冊”(Shared Libraries) 能讓家庭照片的共用變得更容易。同樣基於人臉識別，這個功能可以自動將從某個時間起算，包含指定人臉的照片自動收納到一起，同步給家庭成員。顯然，共用照片集已經不是什麼新東西，iOS 相冊在幾年前就實現了，但 Google Photos 的不同之處就在於不用手動翻閱容量成百上千張的相冊——人工智慧真的太省事。
在 Google，用人工智慧的姿態對產品重新思考，已經進入到了系統級。即將在今年晚些時候正式推出的新版 Android 作業系統“Android O”，已經在系統級內置了很多基於機器學習的細小功能。一個讓我很驚訝的功能叫做“智慧文本選擇”(Smart Text Selection)。複製粘貼在手機上是一種極其痛苦的體驗，這件事大家應該可以達成共識，因為用手指在方寸螢幕上精確地選擇要複製的內容很難，一不小心就全選了，又得重來。而在 Android O 中，用手指在你想要複製內容上按兩下一下，比如一個好幾個單詞組成的人名、專有名詞，地址，或者電話號碼，你會發現它居然能智慧地把你想要複製的內容準確高亮。如果是位址，彈出的小功能表還會建議你打開地圖導航；如果是電話號碼，則可以直接呼出、短信……
這些細小卻又讓人印象深刻的功能，在較少被人注意到的細節之處閃耀著人工智慧的光芒。其實 Google 看待人工智慧的姿態也正是如此，“（人工智慧的）遷移的意義不光是打造充滿未來感的設備，或者進行最前沿的研究。我們也在思考怎樣讓人工智慧對數以億計的人們觸手可及，創造新的機會。”皮柴說。
在 Google 看來，人工智慧不止屬於 Google，它的產品和使用者，還應該為人類社會的進步作出更普遍和更重要的貢獻。在 I/O 上，皮柴宣佈了一項其實和開發者沒太大關係，但仍然足以讓人激動的新事業：Google.ai。
桑達爾·皮柴
Google.ai 的使命是整合 Google 內部研發資源，採用人工智慧技術的思路去解決人類作為一個種族所集體面臨的問題。
昨天下午，我和 Google Research 的研究員莉莉·彭聊了聊和糖尿病有關的事。她的團隊在做一件在深度學習技術人士看來很小學生，卻被醫學界認為“舉世矚目”的事情：用深度學習來識別糖尿病患者的眼底掃描照片，識別病變並發出警告。其實這個項目就屬於 Google.ai。
糖尿病性視網膜病變-視網膜眼底掃描
我昨天專門寫了文章介紹這個技術。對於深度學習專家,整個網路的搭建和訓練過程可能只需要一個月，但它讓醫學界看到，一個困擾數千萬名患者和潛在患者的問題有望得到解決。
計畫中還有很多其他專案，有些很小但很有趣，比如前段時間刷屏的自動繪圖 (AutoDraw)：
與其他更專注於核心科研的大公司相比，Google 在人工智慧的應用上花費的心血更多。在學術科研界看來這可能有點不務正業，但這對於促進地球上其他不在 Google、不在科技行業工作的普通人去積極地擁抱和接納人工智慧，顯得尤為重要。“（人工智慧帶來的模式）轉變不只是尖端的設備和前沿的研究，我們也應該用它來降低資訊門檻、創造新的機會。”皮柴說。
從今天開始，你可以說 Google 不再是一家單純的搜索、移動作業系統、電子郵件和互聯網服務，而是一家人=用人工智慧去創造產品、服務和體驗，説明人類進步的公司。你甚至可以說，它的每一個比特，都是人工智慧。
理論算力達到了 180 TFlops（萬億次浮點計算），能夠對機器學習模型的訓練和運行帶來顯著的加速效果。過去，GPU 一直被英偉達等公司推崇為最好用的深度學習處理工具，Google 也一直主要採用 GPGPU（ 通用圖形處理器）承擔內部研究和業務的計算，但隨著新的深度神經網路模型問世，GPU 在保持泛用性的同時，性能有時跟不太上。因而，TPU 成為了 Google 用於在深度學習中替代 GPU 的武器。
如果你以為 Cloud TPU 就是這麼一個簡單的處理器的話，那你就低估它的實力了：它其實像樂高積木一樣，可以支持多塊板拼在一起，組成一個性能更強的超級電腦……目前來看應該可以支援到 64 塊，達到超過 11 PFlops（千萬億次浮點計算）的驚人性能。
作為人工智慧的一個重要使用場景，今年 Google 的新發佈在圖像識別方面也有很大的動作。一款名叫 Google Lens 的新相機產品，讓很多現場觀眾都感到興奮。它具有一些最基本的識別功能，比如可以拍照“識花”（我想花應該不會是唯一支援識別的物體種類），還能掃描一段 Wi-Fi 的用戶名/密碼/條碼，然後讓手機自動連接到網路上，省去手動查找網路、輸入密碼的繁瑣。更有趣的是，如果你來到一個新的城市，不知道該去哪家餐館，也可以打開 Google Lens 對著隨便一家餐館掃描，它能夠自動在 Google 的資料庫裡找到對應的資料顯示給你看，包括點名、菜式、評分、打烊時間等等。
當其他公司忙著在各種圖像識別比賽中拿高分時，Google 卻更多思考怎樣使用技術創造出更多有趣的功能。一個很好的案例是 Google Photos，產品經理發現人們出外遊玩聚會拍下了很多的照片，最後卻經常忘記和朋友一起分享。於是他們為 Google Photos 開發了一個新功能“分享建議”(Suggested Sharing)，自動識別照片裡的人臉，找到對應的朋友，問你“要不要分享給她？”
而如果這個人跟你的關係親密，比如家人，另一個新功能“共用相冊”(Shared Libraries) 能讓家庭照片的共用變得更容易。同樣基於人臉識別，這個功能可以自動將從某個時間起算，包含指定人臉的照片自動收納到一起，同步給家庭成員。顯然，共用照片集已經不是什麼新東西，iOS 相冊在幾年前就實現了，但 Google Photos 的不同之處就在於不用手動翻閱容量成百上千張的相冊——人工智慧真的太省事。
在 Google，用人工智慧的姿態對產品重新思考，已經進入到了系統級。即將在今年晚些時候正式推出的新版 Android 作業系統“Android O”，已經在系統級內置了很多基於機器學習的細小功能。一個讓我很驚訝的功能叫做“智慧文本選擇”(Smart Text Selection)。複製粘貼在手機上是一種極其痛苦的體驗，這件事大家應該可以達成共識，因為用手指在方寸螢幕上精確地選擇要複製的內容很難，一不小心就全選了，又得重來。而在 Android O 中，用手指在你想要複製內容上按兩下一下，比如一個好幾個單詞組成的人名、專有名詞，地址，或者電話號碼，你會發現它居然能智慧地把你想要複製的內容準確高亮。如果是位址，彈出的小功能表還會建議你打開地圖導航；如果是電話號碼，則可以直接呼出、短信……
這些細小卻又讓人印象深刻的功能，在較少被人注意到的細節之處閃耀著人工智慧的光芒。其實 Google 看待人工智慧的姿態也正是如此，“（人工智慧的）遷移的意義不光是打造充滿未來感的設備，或者進行最前沿的研究。我們也在思考怎樣讓人工智慧對數以億計的人們觸手可及，創造新的機會。”皮柴說。
在 Google 看來，人工智慧不止屬於 Google，它的產品和使用者，還應該為人類社會的進步作出更普遍和更重要的貢獻。在 I/O 上，皮柴宣佈了一項其實和開發者沒太大關係，但仍然足以讓人激動的新事業：Google.ai。
桑達爾·皮柴
Google.ai 的使命是整合 Google 內部研發資源，採用人工智慧技術的思路去解決人類作為一個種族所集體面臨的問題。
昨天下午，我和 Google Research 的研究員莉莉·彭聊了聊和糖尿病有關的事。她的團隊在做一件在深度學習技術人士看來很小學生，卻被醫學界認為“舉世矚目”的事情：用深度學習來識別糖尿病患者的眼底掃描照片，識別病變並發出警告。其實這個項目就屬於 Google.ai。
糖尿病性視網膜病變-視網膜眼底掃描
我昨天專門寫了文章介紹這個技術。對於深度學習專家,整個網路的搭建和訓練過程可能只需要一個月，但它讓醫學界看到，一個困擾數千萬名患者和潛在患者的問題有望得到解決。
計畫中還有很多其他專案，有些很小但很有趣，比如前段時間刷屏的自動繪圖 (AutoDraw)：
與其他更專注於核心科研的大公司相比，Google 在人工智慧的應用上花費的心血更多。在學術科研界看來這可能有點不務正業，但這對於促進地球上其他不在 Google、不在科技行業工作的普通人去積極地擁抱和接納人工智慧，顯得尤為重要。“（人工智慧帶來的模式）轉變不只是尖端的設備和前沿的研究，我們也應該用它來降低資訊門檻、創造新的機會。”皮柴說。
從今天開始，你可以說 Google 不再是一家單純的搜索、移動作業系統、電子郵件和互聯網服務，而是一家人=用人工智慧去創造產品、服務和體驗，説明人類進步的公司。你甚至可以說，它的每一個比特，都是人工智慧。