Google 28 日舉辦 MadeWithAI 2017 亞太區媒體活動，提出 Google 推動人工智慧（AI）發展的 3 大方向，並強調機器學習將面臨各種挑戰，包括如何讓機器學習模型更普及。
Google 資深研究員狄恩（Jeff Dean）表示，Google 持續推動人工智慧發展的3大方向包括：為使用者打造出更貼近需求的 Google 產品、幫助企業和開發者持續打造創新服務與應用、為研究人員提供可望解決人類難題的工具。
狄恩認為，人工智慧就是讓機器具備智慧，或是進而讓機器能夠像人類一樣解決特定問題。人工智慧的研究很久以前就已經開始，直到最近才有一些突破，這些突破的成果仰賴於機器學習（Machine Learning）。
他特別舉例，圍棋擁有驚人的 10 的 170 次方種可能的棋盤布局，基本上很難靠人力寫出所有可能的布局程式。因此，基於機器學習系統的 AlphaGo 採用的是比較人性化的方案，從數十萬局人類棋手的對弈學習如何下棋，並慢慢找出棋局規則。
2015 年，Google 開放了自行研發的機器學習架構 TensorFlow。TensorFlow 是一個大規模的機器學習系統，可支援各種應用，並幫助 Google 的產品如 Google 相簿以及 Google 翻譯變得更好用。
除了產品服務的提升，Google 也讓研究員以及企業透過這項工具來建構它們自己的 AI 應用，加速機器學習研究的時程。
狄恩說，TensorFlow 在 2 年內已經成為最受歡迎的線上機器學習資料庫，它在 200 多個國家被下載了超過 790 萬次，並且越來越多人採用 TensorFlow 做為研究和產品工具。
狄恩表示，機器學習的發展雖仍在發展初期，但在分類（Classification）、預測（Prediction）和語言理解能力（Language Understanding）有了不錯的發展。
舉例來說，機器學習可根據被訓練的資料來做分類定義，這在分類影像中的物件、人物和地點非常有幫助，因此導入 AI 的 Google 相簿能讓照片搜尋更快速，AI 導入的 Google 地圖在缺乏圖資的區域也能提供使用者導航服務。
狄恩說，做為 AI 第一的企業，Google 雖然有了一些進展，但還是有許多需要克服的難題，其中就包括了讓機器學習模型更普及，以及確保 Google 構建的機器學習模型是具包容性、真正為所有人所開發的。
他也透露，明年初 Google 將會把免費的機器學習線上課程開放給所有使用者，這和 Google 工程師們用來學習機器學習技術是同一套內容。
狄恩強調，Google 相信一切只是開端，並相信唯有讓人工智慧進入每個人的生活，才能發現與抓住它改善全人類生活的潛力和機會。
（作者：吳家豪；首圖來源：shutterstock）