不过，当时的谷歌机器学习还只是一个实验项目，局限于认知类的简单工作。几年过后的今天，谷歌的机器学习已经从识别谷歌应用中的语言和图片的第一代机器学习系统“DistBelief”更新到了第二代的TensorFlow系统，并且应用于Gmail、GooglePhotos、Google翻译、YouTube等产品中。
Google研究员GregCorrado告诉记者，利用机器学习技术，Gmail电子邮件服务的垃圾邮件拦截率提高到了99.9%，误报率降低至0.05%。这背后的原因就是，在垃圾邮件过滤器中引入了机器学习，这一技术能够通过分析大量计算机上的电子邮件学习识别垃圾邮件和钓鱼邮件。更重要的是，机器学习能够适应不断变化的情况，而非只是利用预先设置好的规则拦截垃圾和钓鱼邮件，它还能在运行过程中自己创建新的规则。
而另一个能代表这项技术的最新产品是，谷歌在Gmail上推出智能自动回复功能SmartReply。SmartReply是基于Google机器学习系统，对海量邮件里的场景、邮件写作风格和写作语气进行分析，从而帮助用户筛选适合语境的回复短句。
“一小步”与“一大步”
“在Google内部，现在机器学习已经是谷歌搜索中第三大重要的技术。”GregCorrado对记者说，人工智能是科学家希望机器变得更智能，从经验和数据中学习。“手动去编程机器显然没有让它自己学习来得更有效。”
不过，实现机器学习的训练过程仍然漫长。在这个过程中，机器需要做大量测试、调整和适配工作，也很有可能犯一些人们不大可能犯的错误。
这也正是Google把机器学习系统的大门向业界工程师、学者和拥有大量编程能力的技术人员敞开的原因，希望业界将TensorFlow实现各种各样的机器学习算法，同时也为其在各种场景下的应用带来改进。
“例如，计算机的视觉如果比人更好，为什么还要人去开车？应该让机器开车。现在是医生看X光，未来如果让机器看是否会做出更准确的诊断？”施密特说，“在开源之后，如果全世界的聪明人都将给Google很好的回馈，Google会有更好的发现，让产品和服务更完美。”
小编推荐阅读
