Google内部的AI重写：将机器学习构建为一切

小池诚是日本的黄瓜农。 小池是前嵌入式系统设计师，曾在日本汽车行业工作多年，但在2015年，他回到家乡为父母的黄瓜农场提供帮助。 他很快意识到，按照颜色，形状，大小和诸如“刺痛”之类的属性对黄瓜进行分拣的手动任务通常比种植黄瓜更加棘手，而且更加艰巨。 受到Google人工智能（AI）软件AlphaGo的深度学习创新的启发，他着手使任务自动化。

企业开始以各种方式实施实用的AI，但是可以肯定地说，没有人看到Koike的AI黄瓜分选解决方案的到来。 Koike以前从未使用过AI技术，但他使用开源TensorFlow机器学习（ML）库开始输入黄瓜图像。 借助计算机视觉算法来识别对象并进行深度学习，以在不同黄瓜的细微差别上训练TensorFlow，Koike意识到它可以高度准确地识别和分类蔬菜。 然后，通过仅使用TensorFlow和廉价的Raspberry Pi 3计算机，Koike建造了该农场至今仍在使用的自动分拣机。

TensorFlow是众多开源算法和工具之一，它彻底改变了企业和开发人员可以使用AI解决的问题。 通过在Google I / O会议上发布Google.ai，该公司将其所有AI资源整合到一个统一的平台中，从而扩大了其“向所有人带来AI的好处”的使命。 Google还将这些技术和应用程序编程接口（API）整合到了它所做的一切中，将ML烘焙到了其产品中，并从根本上重新定义了其软件在此过程中的工作方式。

PCMag最近访问了Googleplex，并与G Suite，Google Cloud Platform（GCP）和该公司的机器学习高级解决方案实验室（ML ASL）的高管进行了交谈，讨论了Google如何利用AI进行自我重建。

人工智能无处不在

假设您的一位客户遇到了问题。 您公司的服务台部门的代理商正在通过聊天应用程序与客户进行实时聊天，该应用程序将数据存储在Google Cloud Platform上。 为了帮助他们解决问题，用户需要向代理发送一些敏感的个人数据。 现在，假设客户是您的祖母。 客户服务代表要求奶奶提供一些数据，但是，当奶奶将自己的社会保险卡图片上传到聊天室时，奶奶发送的信息比她需要的更多。

图片没有显示Google存档的个人身份信息（PII），而是显示了社会保险号，并且其他PII被自动编辑。 该代理永远不会看到他们不需要的任何信息，并且这些数据都不会进入Google的加密档案中。 在位于加利福尼亚山景城Google总部的DLP API技术演示中，该公司拉开了ML算法如何分析文本和图像以实现此目标的帷幕。

Google Cloud信任和安全营销负责人Rob Sadowski解释说，自动修订是由Google的数据丢失防护（DLP）API支持的，该API在地下进行工作以对敏感数据进行分类。 该算法对信用卡号之类的数据执行相同的操作，还可以分析模式以检测数字是否为伪造。 这只是Google精妙策略的一个示例，该策略将AI融入其体验中，并为诸如Koike之类的企业和开发人员提供了资源来做到这一点。

谷歌并不是唯一在其软件中构建连接智能层的科技巨头，但与亚马逊和微软一样，谷歌无疑拥有最广泛的基于云的智能工具和服务。 分解公司的产品，您可以找到随处可见的Google Assistant和各种ML和计算机视觉API。

Google搜索在其RankBrain AI系统中使用ML算法来处理和优化查询，并根据一系列不断变化的因素对数据进行重新排名和汇总，以不断提高搜索结果的质量。 Google相册使用计算机视觉将相关照片拼接在一起，形成记忆，并将同一位置的多张照片组合成全景图。 收件箱为用户提供自动生成的智能回复供您选择，并通过将相似的类别捆绑在一起来显示相关电子邮件。 该公司的新Google Allo聊天应用程序内置了Google Assistant。

所有这些应用程序都在Google的云基础架构上运行，该公司甚至在其数据中心中应用ML来通过根据负载和天气数据调整冷却泵来降低功耗。 Sadowski说，这也是Google安全策略的最后一道防线，该公司在安全性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性分析受到威胁。

Sadowski解释说：“ Google采用了我们开发的所有这些ML和AI模型，并对其进行了调整以提高安全性。” “安全性比大多数IT部门发生的变化要大得多。三，四年前作为安全基础架构核心的产品（如防火墙和端点保护）仍然很重要，但是我们希望提供深度，大规模和全面的防御默认情况下，每天有数百万活跃用户的多租户基础架构。

“它从底层的数据中心硬件开始，” Sadowski继续说道。 “最重要的是具有完全加密的数据和通信的应用程序服务和身份验证。最重要的是用户身份。最后一层防御是我们如何以24/7全天候监视，检测和事件响应进行操作。这就是我们的方式通过身份识别代理解决诸如安全远程访问之类的问题，这是程序化DLP服务，可发现并防止数据泄漏，并有助于数据治理和安全性，我们旨在使这些功能变得简单，易用，并使它们大规模运行。 ”

更智能的G Suite

ML还嵌入到Google的G Suite生产力应用程序中。 G Suite产品管理总监艾伦·利文斯顿（Allan Livingston）打破了AI在没有用户意识到的情况下使G Suite变得更智能，更上下文相关的一些方式。

利文斯顿说：“考虑一下G Suite如何以自然集成的方式将所有这些应用程序整合在一起。” “您可以从其中的一个开始工作，并进行适当的浏览。您可以在云端硬盘中打开Gmail附件，然后带您进入文档；这是自动的。

“我们正在尝试为用户考虑问题，这还涉及机器学习。我们从Inbox中的智能回复开始，并且在Gmail上取得了成功，这导致了Google文档，表格中的“探索”功能，和幻灯片。”

Explore于去年秋天推出，将自然语言处理（NLP）应用于应用程序内生产力体验。 在“文档”中，资源管理器会根据文档中的内容为您提供即时建议，并自动为您推荐相关主题和资源。 在幻灯片中，它会生成设计建议以减少演示文稿的格式。 但是，最有趣的用例是在Sheets中。 利文斯顿（Livingston）解释了Explore如何使用ML简化数据分析和商业智能（BI）见解。

利文斯顿解释说：“许多用户不知道数据透视表是什么，也不知道如何使用它来可视化数据表。” “假设您正在处理客户的销售数据，其中每一行都是已售出的商品。Explore允许您键入自然语言查询，例如“黑色星期五的头等商品是什么？” 并说出“您卖了563条裤子”这样的回答。 我们正在以一种节省时间的方式来解决数据分析问题，该方法通过使用机器学习以自然方式改善常见问题，从而节省了进行数据驱动的决策的时间。

去年三月在Google Cloud NEXT会议上演示了表格中的“探索”功能的演示。

据利文斯顿说，谷歌计划将这种由机器学习驱动的云搜索扩展到第三方，并开始围绕它构建生态系统。 总体想法是实用AI的一个共同主题：自动化手动流程以释放用户更多的创意工作。 这个想法是大多数ML应用程序的核心：自动化可重复的业务流程和日常任务，包括黄瓜分类。

利文斯顿说：“在业务中以及与消费者的互动中，用户具有自然的交互方式。向云计算和移动生产力的转变确实改变了人们的工作方式，而这些应用的机器学习技术对其至关重要。” “由于我们在机器学习方面的实力，由于我们的产品作为基础，因为我们的云中有所有数据，因此我们处于独特的位置，可以无限地应用和扩展。”

推动机器学习革命

Google围绕AI所做的一切工作的基础都在于其API，算法和开源工具。 该公司的TensorFlow库是GitHub上使用最广泛的ML工具，产生了诸如Koike的黄瓜分选机之类的应用程序。 Google Cloud底层的API套件-涵盖了计算机视觉，视频智能，语音和NLP，预测建模以及通过Google Cloud Machine Learning Engine的大规模ML的算法-是为集成到Google应用和服务中的每个AI功能提供支持的技术现在的Google.ai平台也是如此。

Google Cloud AI / ML团队的产品经理Francisco Uribe在重新编写Google工作方式的引擎中心工作。 Uribe监督Google前面提到的ML ASL，这是一个具有沉浸式程序的实验室，其中Google ML专家直接与企业合作以实施AI解决方案。 通过使用Google的API和Cloud ML Engine，该实验室可与企业合作，以训练自己的模型并将其部署到生产中。

Uribe在AI领域工作了十多年。 他创立了数据驱动的初创公司BlackLocus，该公司为零售商构建了自动定价引擎，并于2012年被Home Depot收购。此后，他加入Google，并在搜索广告团队工作了四年，运用ML来改善广告体验。 2016年，他担任ML ASL的研究人员，并在Google的Launchpad Accelerator中担任导师。 乌里韦说，他对企业和开发人员如何使用Google的工具感到惊讶。

乌里韦说：“我们已经看到了从医疗保健，金融到零售和农业的各种用例。” “我们正在努力帮助客户提高感知能力。语音翻译，图像分析，视频API，自然语言：它们都是使机器和深度学习算法民主化的一部分，这些算法终于进入了应用范围。”

ML ASL与全球最大的银行和金融服务组织之一的汇丰银行（HSBC Bank plc）合作，为反洗钱和预测性信用评分提供了ML解决方案。 ML ASL还与世界500强金融服务公司集团联合服务汽车协会（USAA）合作，对组织的工程师进行了应用于特定保险场景的ML技术的培训。 eBay使用Google的工具来训练其ShopBot数字助理。 当ML ASL与一家公司合作时，Uribe解释了构成该过程的四个支柱。

Uribe说：“您需要强大的计算产品来应对ML作业的极端需求，并且GCP的分布式光纤骨干网非常高效地将数据从一个节点移动到另一个节点。” “我们拥有Cloud Machine Learning Engine，可以帮助客户训练模型。我们可以访问Kaggle的800, 000多名活跃数据科学家社区，从而帮助客户执行数据。最后，您需要人才，因此在研究方面，我们拥有“大脑居住计划”，以培训工程师学习复杂的ML课程。我们将这些视为帮助客户构建智能应用程序的基础。”

这一切都融入了Google围绕其AI技术构建的开源社区和第三方生态系统。 该公司甚至在今年早些时候宣布了ML初创企业竞赛，该竞赛将向ML初创企业提供高达50万美元的投资。 Uribe谈到了他已经看到的有关Google技术的一些创新应用程序以及其他可能性。

Uribe说：“假设您是一家客户服务分析公司。请考虑使用语音API抄录呼叫内容，然后再进行情感分析以提高客户服务质量。” “使用视觉API拍摄外国街道标志的照片，然后使用翻译API通过应用程序体验实时翻译内容。这不仅仅是提高效率；还在于创造新的独特用户体验。 ”

Uribe认为TensorFlow等工具是市场上大规模采用ML的强大推动力。 这些技术不仅成为Google的核心，而且成为该技术巨头如何进行产品开发的核心，而且Uribe认为，广泛使用的ML技术将有助于优化业务，打开新的收入来源并发明新型的智能应用程序。

乌里韦说：“把它想象成一场新的工业革命。” “我们看到这些工具可以使效率和数量级的效率提高数十个级别，这是您从未见过的。看到初创公司如何应用它真是令人惊讶。看看日本的黄瓜种植者。他使用TensorFlow建立了一个用于分类的模型然后根据图案，大小，纹理等对黄瓜进行分类，然后构建专用的硬件来执行它。这种民主化的水平令人难以置信，我们几乎没有刮过表面。”