前不久，Google的CEO桑达尔·皮查伊在接受Forbes专访时，非常明确地指出了：Google将在一切服务和设备中，或早或晚地采用人工智能技术。

　　Back Channel的一篇来自Steven Levy的文章描述了Google从培训、雇佣、管理、技术等各个方面的措施和转变，并且介绍了机器学习在Google崛起的历史、克服的阻力、以及势不可挡的未来。

　　Google正在打造机器学习的“忍者团队”

　　Carson Colgate，一名Google机器学习队伍的新成员。她正在训练自己成为一名“忍者”。

　　她今年26岁，之前已经在跆拳道里拿过一个二级的黑带。这次，她要做的是在算法上成为一名“忍者”。她在Google的Android部门担任工程师，现在则被收录到Google内部的一个机器学习“忍者项目”。这个项目只招收了18个人，这18个人却都是Google各个产品部门的精英。他们将要把学习到的人工智能技巧，用于打造他们各自负责的产品。

　　在Google负责内部机器学习、管理此“忍者项目”的产品经理Christine Robson说：“这个项目邀请Google全公司对机器学习感兴趣的工程师，与机器学习团队一起学习6个月，跟导师取取经，做一些项目，然后开展和实施项目，从中学习经验和教训。”

　　Carson Colgate

　　很多年来，机器学习被认为是一个只有技术精英才懂的技术专项。但是现在，机器学习成为了将人类智慧与电脑智慧结合在一起的不二途径。Google致力于在公司内部制作多一点机器学习的“精英”，甚至想要让机器学习成为工程师的常规技巧。

　　Google是一个庞大的公司，六万个雇员里面，有将近一半都是工程师。对比之下，这个目前只有18个人的机器学习忍者项目，实在很小。但是这个项目表明了Google一个认知上的转变——机器学习已经成为最受重视的新方向之一。

　　虽然Google一直都有采用机器学习的技术，也一直致力于雇佣这个领域的人才，但是直到2016年，Google才开始执迷于机器学习这项科技。去年年末，Google的总裁Sundar Pichai就说出了Google的新态度：

　　“机器学习是一个核心的、转变式的改变，它将改变我们做每一件事的方式和想法。我们有目的地在我们的各项产品中运用机器学习，无论是搜索，广告，You Tube，还是Play。我们目前所处的阶段还早，但是你会看到我们一个系统性、规模性的进展——我们将在众多的领域使用机器学习。”

　　因而这个逻辑很清晰：如果Google真的想要在全线的产品中运用机器学习，它的工程师也必须掌握机器学习的技巧,这个技巧将和传统的编程很不同。正如知名的机器学习宣言《高超算法》一书的作者Pedro Domingos所言：

　　“机器学习确实是太阳底下的新鲜事：它将自己建造（和实现）自己。”

　　机器学习是如何在Google崛起的？

　　Jeff Dean，Google的神级人物，正在带领Google转向机器学习的时代。

　　做好机器学习，意味着辨识正确的数据，选择正确的算法，并且确保所有的其他条件都正确，才能成功。

　　Jeff Dean，Google软件部的神级人物，如今带领着机器学习团队，建造各种工具，帮助Google工程师加深机器学习的技能。根据他的预测：今天Google25000个工程师中，只有几千个工程师精通于机器学习。而Jeff Dean的愿景是：所有的Google工程师都要懂得机器学习的一些知识。“我们将要尝试实现这个目标。”

　　John Giannandrea一直以来都在Google内部提倡机器学习的重要性，而时代造英雄，在Google的机器学习时代，Giannandrea成为了搜索业务的负责人。但是当他2010年刚到公司的时候，他并没与多少机器学习的经验。2011年的时候，他在一个会议上得知“神经信息处理系统”（Neural Information Processing Systems，NIPS)，从此欲罢不能。

　　从此，每一年，NIPS都使用机器学习创造着科技界的神话，解决着如翻译、声音辨识、或者视觉辨识等诸多领域的难题。Giannandrea回忆道当时参加这个NIPS会议的时候，这个会议非常不知名，“但是这个领域在学术和科技界都在过去三年高速成长。去年参会者达到了6000人。”

　　不只是Giannandrea认为机器学习将会成为科技的核心。Google内部的机器学习拥护者越来越多。比如，Google Brain的联合创始人Dean，他曾在Google X负责一个神经网络的研究计划。这些在Google进行的机器学习运动，说明了Google对计算机的决心和信心。

　　Jeff Dean

　　如今在机器学习领域最领先的为“深度学习”算法，这个算法的模型由人脑启发，建立在复杂的神经网络之上。Google Brain以及Google在2014年1月以5亿美元收购的Deep Mind，都在深度学习这一块集中力量开发。Deep Mind开发了Apha Go，并在围棋比赛中将人类的冠军打败了，这件事激发了人类对人工智能深深的恐惧。Giannandrea觉得人工智能绝对不会把人类赶尽杀绝或者取代人类，但是，它将要深刻地变革我们生活的每一个方面。

　　机器学习的概念在Google绝不是新鲜事。Google的创始人一直以来相信人工智能的力量。十年前，Google已经开始在公司内部给工程师教授机器学习的课程。2005年的时候，研究科学家Peter Norvig开始在每周三在43号楼给感兴趣的Google工程师讲授机器学习。课程如此受欢迎，以至于在Bangladesh的工程师熬夜到凌晨，只为了远程打个电话过来一起听课。而2013年，整个Google都意识到了机器学习的重要性。

　　随着机器学习的重要性在Google内部崛起，Jeff Dean也开始认真思考：

　　“在过往，我们可能会使用机器学习，去改善系统的某几个方面。但现在我们真的是要用机器学习去取代整个旧的系统。”

　　机器学习正在让产品有着以往不可想象的新功能。比如去年11月发布的Gmail上的智能回复功能，就是缘起于Google Brain与Gmail团队的一次对话。Google一直鼓励着这种合作，让这两个团队保持密切的联系。

　　传统的对人工智能语言的理解是：人们需要将语言的规则嵌入到系统，但是在Gmail的智能回复中，这个系统拥有足够多的数据，它自己就可以学习和完善自己。

　　不过当这个团队在开始测试智能回复的时候，这个软件有一个很诡异的问题：它总是在建议一些不太符合场合的浪漫性的回复。当它感到困惑的时候，它就会开始说：我爱你。这不是什么软件上的故障。这个错误可能就是它从人类行为中学习而来的：如果你处于不知所措或者困窘的状态，说“我爱你”是个很好的防范策略。

　　克服重重阻力，机器学习渗透到了搜索算法中

　　自从去年11月发布智能回复之后，GmailInbox应用的用户就可以选择三个自动生成的回复，而且这些自动生成的回复准确性一般很高。现在，从手机移动端的Gmail用户发出的回复中，十分之一都是由机器学习系统创造的。Gmail的成功只是Google成功运用机器学习的一个极小的例子。

　　但是当机器学习被运用到搜索功能，这就是极大的转折点了。一直以来，搜索都有运用到机器学习，但是很多年以来，这个公司最重要的搜索算法，都被认为太过于神圣，而不能被机器学习算法所玷污。机器学习对于搜索的作用，一直都受到怀疑。

　　这种怀疑，部分源自于一种文化上的抵抗：一直以来，高超的黑客们都想要对程序有完全的掌控，而机器学习难免有点太禅意般的“放任自流”。Amit Singhal是一个经验丰富的搜索工程师，是传奇式的电脑科学家Gerald Salton的学徒，Singhal当年修改了Google创始人布林和佩奇的编程作业，让他们的程序变为可以量化扩大的工具。Singhai对于把机器学习并入搜索算法，曾经抱着怀疑的态度。Google的工程师David Pablo Cohn证实当时他们用机器学习提高搜索的沮丧的尝试：

　　“Amit Singhai的算法当时是世界上最棒的，我们只能通过复制他的想法来做好。当时我们找不到任何比他的方法要好的东西。”

　　Greg Corrado为Google Brain的联合创始人

　　到2014年早期的时候，Google的机器学习专家们继续挑战这种局面。结果，机器学习团队的实验成为了搜索的一个核心部分：通过看用户是否点击了搜索词条，来判断搜索呈现的结果是否更好地匹配搜索的词条。

　　如今，机器学习所建立的搜索匹配的成果Rank Brain，已经是搜索算法的一部分。Rank Brain于2015年4月的时候上线。Google一直以来对于搜索功能如何运作都是闪乎其辞，但是Jeff Dean很明确地说：

　　“Rank Brain这个机器学习的产物在每一次检索中都发挥作用，并且在大部分的检索中影响着排名。”

　　并且，这个机器学习的算法证明是非常有效的。每一次的Google搜索都要用上几百个信息点（比如，用户所处的地理位置，以及页面的标题是否与搜索词条匹配），而Rank Brain提供的信息点，是所有信息点中的重要性排在了第三。

　　打败了传统编程后，机器学习该如何在Google普及

　　Christine Robson是Google内外机器学习活动的组织者和带动者。

　　机器学习在搜索中获得成功，对于Google而言非常重要，这让很多人开始真的注意起机器学习来。而华盛顿大学的教授Pedro Domingos用更直白的语言说：

　　“一直以来，在传统编程者与机器学习者之间都存在着一场战争。结果机器学习者在战斗中获胜了。”

　　Google目前的挑战是要将他们的工程师队伍过渡到机器学习的队伍，不要求每个人都熟悉掌握机器学习，但起码需要熟悉机器学习。不仅Google在这么做，很多其他的公司（比如Facebook）都在积极迈进机器学习的时代。Google正在各个名校的机器学习领域抢夺人才。Google也即将在苏黎世开设一个机器学习研究中心，抢夺机器学习人才的战争，延伸到了欧洲。

　　基于目前学术界并没有造出很多的机器学习人才，保持这方面的人才就显得至关重要。在Google，这并不是易事。因为大部分的顶级工程师一辈子都通过传统的编程取得成就。但是机器学习所要求的，是全新的思维。编程者一般通过对编程的控制来进行创造，但是机器学习要求掌控的是某些具体类型的数学和统计学，但是这些领域的知识，甚至对于一些顶级的、可以解决复杂问题的工程师而言，都是陌生的，他们之前也根本不愿意学。

　　Christine Robson正在致力于给Google的工作人员创造更好的机器学习的环境:

　　“机器学习与静止不变的编程不同：你要经常给它提供新数据，我们要一直更新模型，一直学习，要一直添加更多的数据，一直转变我们预测的方式。机器学习就像是一个活生生的、会呼吸的家伙，它和传统的计算机编程完全不同。”

　　但是，Google对训练工程师学会机器学习的前景是乐观的：如今在机器学习中使用的数学不算太复杂，大部分Google的工程师都可以学会。Google并且建造了类似Tensor Flow的工具，帮助工程师学习机器学习。Tensor Flow也为Google在雇用人才方面增加了吸引力。当Google开设Tensor Flow公开课时，有75000人报名参加。

　　目前Google最大的任务，就打造更多可以完善这些机器学习工具的人才。他们也在内部建立了大量的机器学习的课程，“下一次的课程，已经有好几千的工程师报名参加。”JeffDean说。

　　毫无疑问，机器学习，将会是Google一个重大的发展方向。我们的未来，将会是一个机器学习和人工智能的未来。