先前我们曾介绍过 AI 的各项案例，举凡 Chatbot 聊天机器人、精准医疗、机器翻译…近年来时而听到人工智能、机器学习，这些讨论攻占了各大版面，提到人工智能，很容易让人联想到科幻电影与小说机器人取代人类带来惊世骇俗的毁灭，甚至让学者研究关于部分职业在未来被机器人取代的机率有多高等，“未来 XX 将失业”等夸大的标题占据社群，然而我们却忘记了许多已经发生在我们生活上的应用实例。
今天 Google 透过在东京举办 #MadeWithAI 亚太区媒体活动一次展示了多采多姿的实际生活应用，传达了人工智能对我们的意义是让生活更轻松便利，协助世界各种的产业像是医疗、生技、环保、教育，最终目标将机器学习的知识普及世人，有效运用在未来更多产业。
一路走来 Google AI 发展迎向未来产业
在上月 Google 产品发表会八大产品都环绕着 AI，硬件皆与人工智能和软件紧密结合，来提供使用者更智慧的体验，如此布下天罗地网可以见得 AI 发展对 Google 来说如此重要，Google 研究团队资深研究员 Jeff Dean 开场即展示目前 Google 最新即时翻译镜头图像辨识加上自动翻译，让你在异地旅行时能将拍摄到的目标直接进行翻译，让大家马上即刻见证到 Google 在机器学习上先驱的发展。
Jeff Dean 谈到 AI 对他们的三大核心理念：为使用者打造更人性化的产品、帮助开发者能够创新应用以外更重要还有解决人类痛点的工具，接着 深入浅出的解释人工智能到机器学习，人工智能的研究很久以前就已经开始，直到最近才有一些突 破，这些突破的成果来自于机器学习。
谈到机器学习，近年发展一大里程碑，就拿 Deep Blue 到 AlphaGo 来看，由 IBM 开发 1997 年打败棋王 Gary Kasparov 的西洋棋程式 DeepBlue 运用大量运算，在一秒内计算出数百万种布局是基于规则式系统的演算方式，然而前一阵子轰动全球的 AlphaGo，透过大量职业比赛的棋谱来“训练”其算法，让 AlphaGo 在短短的两年内就站上了职业围棋的顶端，近乎打败了人类。
AI 不是神奇魔术 与你我切身相关的应用
近年来 Google 目前在机器学习上的实际应用真正改变你我生活 Google 搜寻、Google 相簿、Google 翻译、Google Map 大家对这些服务都不陌生，来到现在超厉害神器-强大的“Google Word Lens”让你在名胜景点、在咖啡店看到的书 、路边的广告文宣 ，只要经由拍摄一个动作 Google 就可帮你翻出相关资讯，支援 38 种英文互译的语言组，帮助使用者打破语言隔阂。
另外 Gmail 的自动回复至今已有 12% 的智慧回复透过行动装置发送，Google Assistant 能够理解自然语言情境的对话可触发智慧助理，即时提供使用者各种服务像是查找行程 、询问当地的天气。
此外 YouYube 重度使用者肯定相当有感的字幕自动翻译，透过结合 Google 自动语音辨识技术，可强化字幕生成的品质。以英文为例，自动产生字幕功能的正确度大幅增加了 50%。目前，自动字幕功能可支援多达 10 种语言。
当你挂在平台上网罗各国内容创作者的最新影片，你不需为了翻译再进行暂停，即时翻译的字幕让你拥有良好的跨国界观影体验，目前此项应用已被使用超过十亿支影片，让全球三亿以上的失聪或听障朋友也能了解影片内容。
谈到这些 Google 翻译，大家最关注的还是在“翻”完后的准确度，事实上导入机器学习的不只是强大的 Word Lens，Google 翻译本身也采用了机器学习技术，在 2016 Google 将一套端对端的神经网络模型导入 Google 翻译，用数百万笔正确线上翻译的范例作为训练资料。透过神经机器翻译系统 (Neural Machine Traslation, NMT)，提升了 Google 翻译的品质。NMT 能够针对整个句子进行翻译，而非破碎式的截段翻译，因此翻译的结果也更能贴近真实语意。目前 NMT 已可支援近 97 种语言跟英文的互译，其中包括许多亚太地区的语言。
迎向软硬整合！ Google 先驱发展
另外在人工智能支援的 Google 硬件技术日前在发表会上大家目睹到的产品， Google Home 运用深度学习来接收使用者音源、Google Home Max 导入机器学习提供使用者高品质音乐体验。
跃上相机评测风云榜 Pixel 2 和 Pixel 2 XL 为 Google 硬件设备一大亮点， 将硬件、软件与人工智能深度整合，举例来说，相机将透过机器学习的技术自动辨识画面中的人 物，对焦在人物上，提升人物的锐利度，并依据手机和人物的距 离决定背景模糊的程度，制造出景深。
此外 Pixel Visual Core，这是第一个 Google 在行动装置上运行的电脑芯片。Visual Core 就是一个 图像处理器（Image Processing Unit,IPU），能够使成像和机器学习算法运行得更快，且功耗比 CPU 和 GPU 更低。
Google 开放资源 产业新曙光
相信各位读者对这些诸多 AI 应用奠定于 Google 自行研发的机器学习架构 TensorFlow 不陌生，目前除了让 Google 的各种应用更为强大，在，2015 年他们开放了 TensorFlow 让研究员以及企业透过项工具来建构它们自己的 AI 应用, 加速机器学习研究的时程，在两年内 TensorFlow 已经成为最受欢迎的线上机器学习数据库，在 200 多个国家被下载了超过 790 万次，目前越来越多人采用 TensorFlow 作为研究和产品工具。
接续著论坛登场的就是受惠于 TensorFlow 的成功案例 ，日本食品大厂 Kewpie 去年夏天开始透过 AI 技术来提升食品安全，导入 TensorFlow 后大量降低员工的作业量。此外机器学习 运用在环境保育的可能性也越来越明朗，新西兰威灵顿维多利亚大学的研究员用 TensorFlow 辨识新西兰鸟类的鸣叫声来预测这些稀有种的环境与栖地，有了这些资料分析可使用于鸟类保育，未来将有更多生态学家可得力于此项技术。
Google 表示 机器学习虽仍在发展初期, 但我们可以从上述案例分类 、预测 和语言理解能力的前景大为光明，对他们来说 去谈“行动第一”，现在则是“AI 第一”，然要做到第一未来仍有一段路，待解的问题包含如何 让机器学习模型更普及？这些建构的机器学习模型是为所有人类开发的？对此 Google 从内部到外部已着手加速了机器学习技术的内部训练。内部透过机器学习速成课程，训练了超过 18,000 名 Googlers 募集了近 950 所大 学以及科技专家来参与这个培训计画，高度比例的学生认为机器学习技术有所提升。
此外另一项好消息是，为了要让这些知识更普及化，能号召更多具潜力的人在未来有机会开发实际应用，明年初 Google 将会把免费的线上课程开放给所有使用者，和 Google 工程师们用来学习机器学习技术是同一套内容。从 Google 的 AI 专家身上获得影音、互动视觉、编码练习以及实际的操作，不需要机器学习、电脑科学或高级数学的既有知识，让来自不同背景的开发者来使用都能上手，学习到一组主要的机器学习算法以及架构进行实际应用。
