如何評價谷歌的「人工智慧先行」(AI First)戰略?
在 2016 年秋季新品發布會上,谷歌發布了手機、智能音箱、電視盒子等一系列硬體產品,並且手機和智能音箱都集成了其智能助手產品 Google Assistant。谷歌 CEO Sundar Pichai 也在之前的 PPT 中宣布穀歌戰略從 Mobile First(移動先行)轉向 AI First (人工智慧先行)。從谷歌的一系列動作和技術積累上,以及互聯網發展的角度上看,如何評價谷歌的新戰略?比起之前就已經將 Siri 應用到多端的蘋果來說,谷歌的地位如何?
本題已收錄至知乎圓桌:Google I/O 2017,更多「Google I/O」相關話題歡迎關注討論
先看看為什麼要從 Mobile First(移動第一)轉向 AI First (人工智慧第一)
首先,是時候調整 Mobile First的戰略了。
根據KPCB女王的報告,移動互聯網用戶增速已經首次放緩- 全球智能手機用戶數比上年增長21%,去年增長31%,增速放緩;在經過5年高增長後,2015年全球智能手機出貨量增長10%,去年增長28%
移動互聯網從硬體到工具再到內容,整個移動互聯網產業鏈都非常成熟了,大的創新的機會已經很少了。
而個人跟蹤矽谷公司的新產品的體會也是,移動互聯網讓人眼前一亮的產品基本很少了,而移動設備的硬體發展至今也是大同小異了,沒有大的突破。
接下來看看AI現在和未來的市場有多大
先看看AI 當前有哪些應用場景
人工智慧技術服務人類已經很久了,好的人工智慧技術使用的時候往往讓我們察覺不到它的存在。
比如搜索就是Information Retrieval的應用,推薦系統也是人工智慧的應用。
必須要承認,現在AI的發展還是非常早期階段,很多技術其實並不成熟,但是AI某些細分領域的商業化已經可以做起來了。
目前在人工智慧領域,相對成熟的領域(可以應用於工業界),主要有知識圖譜、自然語言處理、翻譯、語音識別、圖像識別等。
其中任何單一個方面的應用都可以有非常大的想像空間:
比如語音識別,這是一塊技術很成熟,但是應用的前景依舊是一片藍海。
語音作為認為一種非常自然的交互方式,在可穿戴設備、醫療領域、智能家居、教育領域等方面有大量的應用場景,比如出門問問的ticwear。
而百度語音的使用的飛速增長也可以佐證這一點。
再說說知識圖譜,把知識圖譜應用細分領域,比如地產、電子商務、金融,實際上國內外都已經有公司在做這個事情了,每一塊都是很大的市場。比如美國的AlphaSense,國內的文因互聯。
圖像識別也是一個潛在應用廣泛的領域,目前的廣泛應用的有光學字元識別(Optical Character Recognition)、人臉識別等,這也是一個萬億級別的市場。
把多種人工智慧技術結合在一起的想像空間更大,典型的例子Google Assistant。
那麼未來AI First 有哪些應用場景?
未來隨著AI技術的成熟、數據的積累以及智能設備的普及,AI在很多領域會有大的爆發。
簡單的例子,如果自然語音處理技術繼續成熟,conversation UI(會話式UI)極有可能取代APP成為下一代服務的入口,這是一個可能可以顛覆搜索引擎和APP的應用場景。
但是人工智慧在無人駕駛、個人智能助理、家庭機器人、智能專家系統未來都將會成熟起來,前景廣闊。
人類總是討厭重複而低效的任務,AI未來能夠有大的發展的原因是AI至少能夠在很多領域上超越人類從而幫助人類提升生活質量,比如計算機視覺結合感測器能夠比人看的更遠更深更準確,機器翻譯(未來)能夠超越大部分人的翻譯能力,無人駕駛的安全性也超越人類(參考自動駕駛問題很多,未來前景如何? ),機器能夠在理性層面上超越人類是毫無問題的。
再來看看谷歌AI First 有哪些優勢?
實際上谷歌在上述領域都非常有優勢,一方面積累了大量的用戶數據,另一方面在深度學習、知識圖譜、自然語言處理、翻譯、語音識別、圖像識別都積累了很長時間,有強大的人才儲備和技術儲備。
AI First是Mobile First的延續
人工智慧並不是魔術,人工智慧的應用本質是基於大量數據建立模型然後應用。
移動設備的大量普及很大程度上推動了人工智慧的應用。最簡單的例子就是語音,有了手機,語音的使用更加方便和廣泛(參見百度語音的使用數據)。
AI First是Mobile First的延續,因為的背後的基本邏輯是計算的普適化,大量的智能設備(包括移動智能設備)和感測器出現在日常生活中。AI First的背後是未來幾十年會是包括移動設備在內的智能設備的大量普及。
對比谷歌和蘋果在「AI First」和"Mobile First"上的優劣
這次秋季發布會上,「站在硬體和軟體的交叉路口」反覆出現,軟硬結合將是未來的趨勢,硬體用於獲得數據是服務的載體,而軟體則是人工智慧層面/數據層面。
谷歌在硬體上一直有短板,但是在雲服務/數據上很有優勢,所以他們在補齊短板,發布了這麼多智能設備。而蘋果則一直在硬體產品上有優勢,但是在雲上比較有劣勢。科技評論家Ben Thompson曾經擔憂隨著硬體的微縮化(比如隨著語音介面的發展,設備硬體的交互會變成語音介面),蘋果在硬體的優勢會消失,參考Beyond the iPhone。
個人的感覺是人工智慧的本質是「服務」,硬體只是服務的載體,最好的人工智慧服務會變得成為「隱形」的服務、雲端的服務,而硬體也會微縮化,從這點上,Google會比蘋果有優勢。
另一個角度可能就是開發和封閉性角度來分析,「服務」時代谷歌的開放性策略看起來似乎更有優勢,可以產生競爭和多元化的生態,更容易有完善的各種服務,畢竟沒有哪家公司是全能的,如果要說封閉式系統有哪些優勢,可能隱私的保護依舊還會是蘋果體系的優勢,但如同前面所說,在語音介面等逐步取代硬體UI的情況下,蘋果的用戶體驗的體驗優勢會被弱化甚至可以忽略不計。
當然蘋果作為軟硬結合的王者,他們也會成為重要山頭。從今天起,Google 的每一個比特,都是人工智慧
作者:光譜
一千個人有一千個哈姆雷特。對於 Google 而言,可能沒有一千個版本,但每個人對這家公司的認識可能都稍有不同。
它從搜索引擎開始,又推出了 Gmail,還有廣告業務,也是全球最流行的移動操作系統 Android(活躍設備數已超過 20 億)的所有者。 最近幾年 Google 又開始賣手機、電視棒、平板電腦和家用音響了……
想要對 Google 下一個清晰的定義,似乎變得越來越難了。
在今天舉辦的 Google I/O 年度開發者會議上,Google CEO 桑達爾·皮柴 (Sundar Pichai) 指出 Google 一直在做自己最擅長做的事情:用前沿計算技術去解決這個世界上最為複雜的問題,「那些影響人們日常生活的問題。」
由於很早就擁抱了移動計算,Google 在 PC-移動轉變的時代獲得了紅利。對於大部分智能手機用戶,Google 已經成為了他們日常數字生活最重要的組成部分。只有數字才能描繪出人們到底有多愛 Google: 人們每天用 Google 地圖導航距離已經超過了 10 億公里,用戶每天在 YouTube 上消磨的時間也超過了 10 億小時。
而在那些暫時無法使用 Google 服務的國度,Google 也換了一種方式把觸手伸了過去——感謝中國,最近全世界 Android 活躍設備數量剛剛超過了 20 億台。
然而,新一次模式轉變時代又來到了,這次的關鍵詞將會是人工智慧。皮柴發現,人工智慧時代的到來再一次迫使 Google 改變構思產品的方式。慢慢地,你會發現 Google 的所有產品裡面都有了人工智慧的影子。
比如前年 Google 推出的 Photos,因為免費的上傳空間、圖像識別技術提供的人臉檢測和照片自動分類功能,已經成為了最受歡迎的雲端相片集服務,擁有超過 5 億用戶;
比如 Google 搜索,它的功能早已不只是搜索文字,滿足了用戶更多的期待,可以用語音輸入,能搜索圖片,還直接並準確地回答問題,而不是給出一堆不知道不知道可靠不可靠的網頁;
再比如 Gmail,一個簡單的電子郵件系統,它還能怎樣變得更好玩、更有用?Google 發現如果能夠自動標記和處理垃圾郵件,而不是讓用戶手動標記它們,或者自動識別郵件內容,提供幾個符合上下文的默認回復,省去用戶敲鍵盤打字,這樣的體驗好得多。
被機器學習/人工智慧徹底改變的 Google 產品還有很多,包括 YouTube 、地圖、Android、Chrome 瀏覽器等。事實上,Google 在過去兩年的時間裡,將公司內部開發和採用的機器學習技術整理到了一起,命名為 TensorFlow。這是一套包括了很多常用深度學習技術、功能和範例的框架,被 Google 幾乎所有產品所採用。
「你能想到的每一樣 Google 核心產品,背後都有機器學習和深度學習技術。」皮柴在 I/O 17 演講中提到。
今年,Google 決定人工智慧上「all-in」。皮柴宣布公司的核心口號從 Mobile First(移動為先)改變為 AI First(人工智慧為先)。本屆開發者會議上的所有重要宣布,幾乎都和人工智慧有關。
首先是 Cloud TPU。TPU 的全名是 TensorFlow Processing Unit(TensorFlow 處理單元),是 Google 專為自家的深度學習框架 TensorFlow 而推出的處理器,安裝在數據中心的伺服器中。早在一年前,Google 就已宣布正在開發專門的 TPU 深度學習處理器,當時備受關注。
今天,作為第二代產品的 Cloud TPU 應該沒有讓人失望,當皮柴正式宣布時,台下爆發出熱烈的掌聲。
Cloud TPU 採用完全由 Google 自研的獨特計算架構,一塊板具有 4 個 TPU 計算核心,理論算力達到了 180 TFlops(萬億次浮點計算),能夠對機器學習模型的訓練和運行帶來顯著的加速效果。
過去,GPU 一直被英偉達等公司推崇為最好用的深度學習處理工具,Google 也一直主要採用 GPGPU( 通用圖形處理器)承擔內部研究和業務的計算,但隨著新的深度神經網路模型問世,GPU 在保持泛用性的同時,性能有時跟不太上。因而,TPU 成為了 Google 用於在深度學習中替代 GPU 的武器。
如果你以為 Cloud TPU 就是這麼一個簡單的處理器的話,那你就低估它的實力了:它其實像樂高積木一樣,可以支持多塊板拼在一起,組成一個性能更強的超級計算機……目前來看應該可以支持到 64 塊,達到超過 11 PFlops(千萬億次浮點計算)的驚人性能。
作為人工智慧的一個重要使用場景,今年 Google 的新發布在圖像識別方面也有很大的動作。
一款名叫 Google Lens 的新相機產品,讓很多現場觀眾都感到興奮。它具有一些最基本的識別功能,比如可以拍照「識花」(我想花應該不會是唯一支持識別的物體種類),還能掃描一段 Wi-Fi 的用戶名/密碼/條形碼,然後讓手機自動連接到網路上,省去手動查找網路、輸入密碼的繁瑣。
更有趣的是,如果你來到一個新的城市,不知道該去哪家餐館,也可以打開 Google Lens 對著隨便一家餐館掃描,它能夠自動在 Google 的資料庫里找到對應的資料顯示給你看,包括點名、菜式、評分、打烊時間等等。
當其他公司忙著在各種圖像識別比賽中拿高分時,Google 卻更多思考怎樣使用技術創造出更多有趣的功能。一個很好的案例是 Google Photos,產品經理髮現人們出外遊玩聚會拍下了很多的照片,最後卻經常忘記和朋友一起分享。於是他們為 Google Photos 開發了一個新功能「分享建議」(Suggested Sharing),自動識別照片里的人臉,找到對應的朋友,問你「要不要分享給她?」
而如果這個人跟你的關係親密,比如家人,另一個新功能「共享相冊」(Shared Libraries) 能讓家庭照片的共享變得更容易。同樣基於人臉識別,這個功能可以自動將從某個時間起算,包含指定人臉的照片自動收納到一起,同步給家庭成員。顯然,共享照片集已經不是什麼新東西,iOS 相冊在幾年前就實現了,但 Google Photos 的不同之處就在於不用手動翻閱容量成百上千張的相冊——人工智慧真的太省事。
在 Google,用人工智慧的姿態對產品重新思考,已經進入到了系統級。
即將在今年晚些時候正式推出的新版 Android 操作系統「Android O」,已經在系統級內置了很多基於機器學習的細小功能。一個讓我很驚訝的功能叫做「智能文本選擇」(Smart Text Selection)。複製粘貼在手機上是一種極其痛苦的體驗,這件事大家應該可以達成共識,因為用手指在方寸屏幕上精確地選擇要複製的內容很難,一不小心就全選了,又得重來。
而在 Android O 中,用手指在你想要複製內容上雙擊一下,比如一個好幾個單片語成的人名、專有名詞,地址,或者電話號碼,你會發現它居然能智能地把你想要複製的內容準確高亮。如果是地址,彈出的小菜單還會建議你打開地圖導航;如果是電話號碼,則可以直接呼出、簡訊……
這些細小卻又讓人印象深刻的功能,在較少被人注意到的細節之處閃耀著人工智慧的光芒。其實 Google 看待人工智慧的姿態也正是如此,「(人工智慧的)遷移的意義不光是打造充滿未來感的設備,或者進行最前沿的研究。我們也在思考怎樣讓人工智慧對數以億計的人們觸手可及,創造新的機會。」皮柴說。
在 Google 看來,人工智慧不止屬於 Google,它的產品和用戶,還應該為人類社會的進步作出更普遍和更重要的貢獻。在 I/O 上,皮柴宣布了一項其實和開發者沒太大關係,但仍然足以讓人激動的新事業:Google.ai。
桑達爾·皮柴
Google.ai 的使命是整合 Google 內部研發資源,採用人工智慧技術的思路去解決人類作為一個種族所集體面臨的問題。
昨天下午,我和 Google Research 的研究員莉莉·彭聊了聊和糖尿病有關的事。她的團隊在做一件在深度學習技術人士看來很小學生,卻被醫學界認為「舉世矚目」的事情:用深度學習來識別糖尿病患者的眼底掃描照片,識別病變並發出警告。其實這個項目就屬於 Google.ai。
糖尿病性視網膜病變-視網膜眼底掃描
我昨天專門寫了文章介紹這個技術。對於深度學習專家,整個網路的搭建和訓練過程可能只需要一個月,但它讓醫學界看到,一個困擾數千萬名患者和潛在患者的問題有望得到解決。
計劃中還有很多其他項目,有些很小但很有趣,比如前段時間刷屏的自動繪圖 (AutoDraw):
與其他更專註於核心科研的大公司相比,Google 在人工智慧的應用上花費的心血更多。在學術科研界看來這可能有點不務正業,但這對於促進地球上其他不在 Google、不在科技行業工作的普通人去積極地擁抱和接納人工智慧,顯得尤為重要。
「(人工智慧帶來的模式)轉變不只是尖端的設備和前沿的研究,我們也應該用它來降低信息門檻、創造新的機會。」皮柴說。
從今天開始,你可以說 Google 不再是一家單純的搜索、移動操作系統、電子郵件和互聯網服務,而是一家人=用人工智慧去創造產品、服務和體驗,幫助人類進步的公司。你甚至可以說,它的每一個比特,都是人工智慧。
-------------------------------------------
更多精彩請關注我們的微信公眾號:PingWest品玩(wepingwest)
谷歌提出 AI First 是一個非常有魄力的決定,我非常認同這個大戰略。
雖然 AI 的定義非常模糊,但是廣義來講,也包括各種流行辭彙,比如 Big Data, Machine Learning, Data Mining, Deep Learning 等等。無論是對內應用各類 AI 演算法,還是對外提供基於 AI 的服務,都是正確的決定。
現在是 AI 應用發展的黃金時代,因為各種外部條件非常成熟,我認為這樣的成熟來自於三個方面:
- 模型表達能力無限強。由於在深度學習等相關領域的飛速進展,以及之前在線性模型上的經驗積累,無論我們遇到的問題假設需要什麼模型,我們都有能力有辦法訓練出來。這意味著不論我們面臨什麼樣的數據,只要假設足夠強烈,我們都能夠找到合適的模型來訓練。
- 計算能力無限快。各種分散式機器學習演算法框架的出現比如 Spark, XGBoost, MXNet 等等。意味著無論多麼複雜的模型,只要我有足夠多的機器,總能夠在合理的時間內將模型訓練出來。在工程領域已經沒有障礙。
- 數據無限多。隨著企業越來越注意存儲日誌數據,以及眾包平台比如 Amazon MTurk 的出現,Amazon Mechanical Turk 前景如何? 我們可以獲得任意量的無標註或者標註的數據,有了足夠的數據,我們就可以訓練更精準的模型,因此在數據上也沒有了任何障礙。
模型表達能力無限期,計算能力無限快,數據無限多,這意味著我們擁有一個威力巨大的鎚子,砸到任何釘子上,與任何領域交叉,都能夠帶來巨大的改變。雖然鎚子無比強大,但更難的方向是找到合適的釘子。這必須對於領域知識有足夠的了解,同時知道如何用演算法來提升原有的業務。釘子不僅要找到合適的,使用正確的方法錘下去也同樣重要。
IBM 的 Watson 系統去過華爾街,做過醫療,當過律師。不知道谷歌的 AI First 戰略會給我們消費者帶來哪些驚喜呢?
----@陳然
據我了解到的情況,Google除了在廣告、搜索、圖像、語音這些經典的互聯網問題場景下使用AI技術以外,對於一些相對看起來比較傳統的「硬」領域,比如機房運維監控和能耗管理,也已經在使用AI技術榨取收益了。前一段時間Google聲稱在內部全面推動Machine Learning技術在各個技術領域的應用,我覺得不會僅僅是PR,而是真實看到了這裡面的改進空間才發起的行動。
之前DeepMind聲稱通過AI技術為Google機房進行節能提升,算是一個比較生動的例子,關於這個例子在這裡也有一些比較細節的分析材料:
http://zhihu.com/question/51387140/answer/125592453
2010年谷歌收購了Metaweb公司,該公司主攻語義理解,語義網路,從此谷歌在機器學習的不歸路上狂奔。
2012年,谷歌正式發布「知識圖譜」,拿下knowledge base高地,也讓谷歌搜索變得更加智能。同年,建成超大型的神經網路系統Google Brain,無監督情況下識別貓臉,DL開始在科研和產業界火的一塌糊塗。
2013年谷歌從多倫多大學收購了深度學習公司DNNresearch,這公司有點小,公司只有 3 個人,創始人是Geoffrey Hinton,另外兩人都是 Hinton 教授的學生。
2014年4億美元收購deep mind公司,該公司不產出產品,但其中包括了非常多的神經網路和神經學科大牛,截止2016年10月5日,DM團隊擁有140多位科學家和工程師,發表207篇頂尖期刊論文。
2015年谷歌開源深度學習框架TensorFlow,就像2003年谷歌發表GFS一樣,讓從業者欣喜若狂,與MXNET,Caffe等開源框架一起為深度學習演算法提供了基礎計算框架。谷歌的每個細胞,沒滴血液都有著AI的影子。至今已有超過50個谷歌產品已採用了TensorFlow 。無人駕駛汽車、人工智慧手術機器人、人工智慧攝像頭、人工智慧回復郵件、Google Search緩解交通擁堵……有種細思極恐的感覺……
2016年 Deep Mind開發的ALPHA GO擊敗人類圍棋冠軍李世石,讓世人看到了人工智慧也能夠把握宏觀局面和微觀細節,做出最優選擇。
再到如今的谷歌元首宣布AI first!不是順理成章的事情嗎?
人工智慧的產業結構可以分為三層:應用層、技術層和基礎層。
應用層聚焦在人工智慧和各行業各領域的結合;技術層是演算法、模型和技術開發;基礎層則是計算能力和數據資源。
谷歌有龐大的用戶群和上百種應用服務,應用層是絕對的王者;谷歌在AI領域申請的專利和發表的頂尖文章也是無人可望其項背(最近又提出了WaveNet 和VPN)。硬體方面特別是GPU由NVIDIA和AMD壟斷,沒啥好說的。大公司都有用不完的計算資源,更何況谷歌雲服務是世界三大巨頭之一(Amazon、Azure、Google Cloud Platform,阿里雲快追上來了)[笑抽臉]。
"XXX First"真是太多了,最後產生好的結果的幾乎沒有……我們來細數一下近幾年來的first 吧:
2013年我和老婆在亞馬遜相識的時候,Jeff Bezos推了 Mobile first, China first. 於是出現了亞馬遜用手機號碼登陸,以更符合中國消費者的習慣,然並卵。。。mobile,fire phone 後來死了
2014年我跳槽到了微軟,Satya開始鼓吹 Mobile first, Cloud first,結果諾基亞被砍了,windows phone 半死不活;雲在一群銷售的努力下貌似還是可圈可點
(求打臉) 自古以來技術進步從來都不是工業化的大鳴大放帶來的。各種理論和應用研究,都是很小一撮人,日日夜夜的不停憑興趣鑽研啊或者玩啊,突然有一天就牛逼了。領導告訴研究員:你要做AI。往往研究員從來不會做出來AI並創造價值。
而現在模式是屁股決定腦袋,具體說來這樣兩個途徑:
1) 36kr告訴投資人你應該做AI,投資人告訴領導人你應該做AI,領導人告訴HR我們要招牛人做AI,最後HR告訴從業人員你應該做AI……這樣的模式能產生效果才怪了。。。
2) techcrunch 告訴華爾街你應該買AI,華爾街告訴CFO我們要買AI,CFO告訴CEO我們要做AI,CEO告訴CTO我們來做AI吧,最後CTO -&> HR -&> 從業人員……
最後說說谷歌的AI first:
首先AI不是第一次提起:
第一次AI被提起:據史書記載,上上次被炒熱的時候是1990年左右,當時我才上幼兒園,神經網路模型第一次出現在公眾視野裡面,騙取了無數資金支持。後來因為神經網路陳諾了太多,而實現的太少,在一次短暫的經濟危機之後,神經網路成為了敏感辭彙,被打入冷宮永不錄用。2014年的時候我有幸當面聽了Andrew Ng的講座,他自己都承認其實現在深度學習的很多模型都是1980年代已經存在的,只是現在電腦快一點,研究資金足一點……
第二次AI被提起:這次是2000年 dot com 泡沫最高的時候,AI這樣很虛無的概念又一次被提起了。後來發生了什麼大家都知道。
第三次AI被提起,也就是這幾年。作為一個實打實給公司掙來錢的機器學習從業者,我自己都覺得處在這樣的漩渦裡面很不舒服。其他的不分析了,說點靠譜的吧:
為什麼每次泡沫最大的時候大家都會熱炒AI?
歷史規律是這樣嬸兒的:泡沫吹大的先後順序往往按照ROI排序。泡沫開始的時候往往炒作的是一些比較靠譜的東西,比如移動啊、電商啊;後來題材不夠,不靠譜的出現了,比如O2O,P2P;最後實在沒有題材了,AI這樣的投資回報根本不確定,而且很可能為負的東西就老是出來高位站崗。
AI應用和研發的ROI到底有多低?
引用我朋友一個創業朋友圈
(如果是用深度學習,印度小哥給你人肉智能結果的時候,深度學習科學家顯卡還沒買好呢)AI的實現基礎(大數據,數學模型和雲計算)都蘊含在Google的企業使命中,Google從一開始就是一家信息處理公司,AI只是信息處理技術發展到一定程度的必然結果。
3E(Energy,Entropy,Entanglement),Google dominates Entropy/Information.
Google的主要利潤來源是廣告,AI可以更好的收集用戶的行為資料,方便賣廣告。
以前只有用戶與用戶間的交流,現在推出了AI,用戶可以與AI交流,收集到的資料就更多了。去年,谷歌CEO桑德爾?皮查伊之前在致股東的公開信中說,這個世界將從「移動設備優先」變為「人工智慧優先」,I/O大會表明谷歌對這一世界觀正在快速行動。
谷歌在1998年成立時,全球大約有3億人使用互聯網,其中大多數人使用的是台式電腦,在一個小小的藍色搜索框里檢索著答案。
但是今天的互聯網社區已經接近30億人了,用戶正在不同的設備和不同的環境下尋求各種幫助,有人在汽車上需要檢索服務,有人在教室內需要瀏覽互聯網,有人用手機即可與世界聯繫。
人工智慧和深度學習將會是未來發展方向。AI和機器學習在這幾年裡不斷解鎖各種可能性。這意味著軟體的力量——也就是軟體的智能,對於硬體來說比以往任何時候都來得重要。
所以,谷歌很多功能的推出都是基於這兩個方向。從Allo到Google Home,不少新產品都驕傲展現了Google Assistant背後的人工智慧和機器學習技術,它們不僅是大會核心產品的大腦,也成為谷歌叫板其他競爭對手的優勢所在。
在谷歌眼中,過去的十年是行動電話崛起的十年,下一個時間,是AI崛起的十年,人工智慧是科技界的未來,這家公司目前著手的研究項目中有20%是關於人工智慧的,其最終的成果不僅是圍棋賽場上的AlphaGo,更是解決氣候、醫療等一系列世界性問題的解藥。
人工智慧將來會對我們的生活產生多大的影響?我們現在還無法確定。但谷歌無疑是那個有著最大的底氣去推動人工智慧的公司,讓它慢慢滲透到我們每天使用的產品中。
倘若Google能讓人工智慧技術越來越便捷地為民眾所用,所有人都會更快地從人工智慧技術中獲益。
全球AI革命
Google的母公司Alphabet Inc.已經將大量資金投資於Moonshot項目,多年以來,Google通過這個項目成就了非常令人驚嘆的黑科技,包括Google Glass、Google無人駕駛汽車、Project Loon熱氣球計劃、智能隱形眼鏡、Project Ara模塊化手機以及各種人類極限壽命研究的項目等等。
谷歌不是唯一一家重視AI的公司,其他的科技巨頭和一些傳統的企業在一直在投入資金開發機器人學習和AI功能。比如亞馬遜、Facebook、微軟、IBM和OpenAI。
by Segway Robotics
http://weixin.qq.com/r/rUSVjTjEUGUvrXzu9xG- (二維碼自動識別)
神煩回復區里一堆宣揚AI
要崛起
要統治
要消滅人類的想法
這個笑話一點都不好笑
稍有ML常識的人就知道就現在的水平離天網還差得遠呢
AI先行之前就已經有帶路黨了
「長官,這裡走」
「好的XX,前方四百米右轉進入第一個出口」
人類歷史上野心最大的集團終於露出水面了.
說明Google從戰略和戰術上都已經把AI放在了最重要的地位上,俗套得講,Google的市值遠遠甩開其他科技公司已經指日可待了……
別說谷歌了,國內很多科技公司也都在這麼做
百度應該都知道吧,把機器學習界大牛吳恩達挖來都好一段時間了
TX也在搞各種大數據的科研
TB和阿里一樣,阿里也有自己的大數據人工智慧有關的科研
這個是大勢所趨,並非只有谷歌才在這麼做
之所以要這麼搞,原因在於「現在必須要讓機器幫助人類做更多,以及機器有這個能力幫助人類做更多了」
有沒有感覺自從年初的阿爾法狗以來,你就到處都能看到「人工智慧」這個詞了?
其實阿爾法狗只是一個信號,意味著人工智慧(機器學習)走入了一個新的階段。
這其實是一個好現象,全世界最頂尖的研究機構(微軟、IBM、谷歌、Facebook、亞馬遜 and many more)全都扎堆致力於人工智慧的研究,會加速這個領域的發展的- 谷歌的基因就是「酷」, 不走尋常路!
- 谷歌的野心也非常大, 但是在Mobile戰場上谷歌摔了一大跤。。。
基於這兩點, 再來看問題:
1. 從谷歌的一系列動作和技術積累上,以及互聯網發展的角度上看,如何評價谷歌的新戰略(AI First)?
戰略是為了支撐集團股價, 刺激華爾街和全球投資者。
看下Alphabet集團的架構, 就明白這個龐大的怪物需要開足馬力前行, 否則華爾街就會用腳投票。
現有的業務足夠賺錢, 投入再多的錢擴充新業務並不能刺激到整個集團的股價。得有足夠酷的事情:
這就是, AI!
谷歌希望藉此來提升疲軟的股價。
AI困擾了人類好多年, 很多先驅畢生心血都在折騰讓機器更聰明, 像人類一樣思考、理解、解決問題。
可惜知道目前為止, AI的願景沒有實現。。。等等, 谷歌認為他們可以做到, 他們確實在
某個領域做到了:
谷歌旗下英國公司DeepMind 開發的AlphaGO 在與世界頂尖天才棋手李世石的五番棋對決中,以4:1取得完勝。
圍棋領域是依賴超大量數學計算的窄學科, 這個領域搞定了, why not去搶佔已經商業化非常成熟的依賴大數據的垂直行業呢? So Easy呀。。。而且足夠轟動不是么?
AI First是基於一個前提, Mobile設備數量足夠多, 引用一句牛逼的概念來說, 可以「生態化反"了。 這麼說吧, 平均下來人人手裡都有一個安卓機器, 每個人都距離谷歌這麼進, 谷歌卻還沒有走進你的心裡, 你不著急, 谷歌急呀
我在之前一篇文章里, 重點解析了Google Home的音箱, 請參閱:如何評價 Google 發布的 Google Home 智能音響? - 知乎用戶的回答
AI first 而不是Second的原因, 除了上面說的足夠撐得起股價,谷歌也有足夠的研發實力, 還有一點: 人類越來越懶,這和機器的聰明恰恰成反比。AI能力越強, 人就可以變得越懶越舒服。
計算機本來就是工具, 解放人的手腳, 最大限度提高生產力。 而AI能從心智上, 讓人在變得更懶的大趨勢下, 生活變得更美好。i.e ("我餓了, balabala翻了半天美食清單, 準備打開app下單叫外賣; AI則是知道你餓了, 推薦你最喜愛口味的美食並且折扣很大你不知道哦)
2. 比起之前就已經將 Siri 應用到多端的蘋果來說,谷歌的地位如何?
谷歌和蘋果都沒有地位,都在正奮起直追!此時, 偷笑的或許是: 亞馬遜+三星。
三星收購蘋果Siri創始團隊Viv Labs,進入人工智慧領域-IT168 手機專區
而亞馬遜Echo已經成為事實上智能家居+AI領域的王者。
谷歌和蘋果表示不服!
而此刻, 他們最希望這是一場遊戲:
勝負未知!
再來仔細看下蘋果的戰略:
- Siri開始在Mac 落地, 搶佔PC市場
- Siri已經在手機、平板運行多年, 一直是一個被調戲的角色, 因為Dag Kittlaus在喬幫主去世後不滿蘋果對語音助手siri的重視度, 憤而離開創業搞了個Viv.
- Siri可以繼而在蘋果TV、音箱上落地(據說已經在和sonos合作?)
- Airpods無線耳機可以通過輕擊兩下激活siri(想像不適合掏手機的各種移動場景)
- 移動場景:重度依賴手機
- 家居場景:大屏幕+語音入口設備=TV/盒子+音箱
- 輕運動場景: 智能穿戴設備+智能手錶
那谷歌有什麼?
手機? 沒有, 他只有一個操作系統。 沒有誰會想到手機品牌里有谷歌的名字。。。
家居? 只有電視棒, 沒了。
有人會反駁說那麼多安卓操作系統不都是谷歌的么?
呵呵, 所以我說谷歌在Mobile戰場摔了一跤。。。這兩年谷歌的服務銷聲匿跡, 很多人以為這家公司 了。
還記得Google Play么, 早先的時候你還能下載海外的各種app, 現在呢?
小米應用商店分發量突破500億 開發者分成6億
樂視應用商店單月流水1300萬 生態入局移動應用分發行業_DoNews-遊戲
在Mobile世界裡,Google 越來越不酷;在AI世界裡, 希望谷歌不再哭。。。
智能手機已經進入發展瓶頸這個是眾所周知的事實。所以放棄mobile first不是重點。重點是為什麼是AI。
答:google的核心價值在於對網路上所有數據的整合和處理。以前重要的利潤來源是廣告。但這只是處理了部分的數據。更重要的是google收集了人類文明至今的各種數據而並沒有把它們成功處理再賣的能力。比如基因診療,無人駕駛,商品定製等等一系列科幻片里才有的服務。
這就像是吸了很多內力卻無從施展的段譽。六脈神劍啊,biubiu不出來多痛苦啊。
那個時候硬體和軟體都不具備這個能力。硬體上。網速和伺服器的處理能力並不能滿足這種大量的數據交換支持。而軟體上,當時的google也沒有能力讓機器迅速的理解人類的海量數據。
所以他們只能賣廣告。跟facebook競爭那點廣告利潤。
現在因為他們攻破了數據理解語義理解的大門。那麼處理人類數據這個宏偉的願景將成為可能。
不是實現。而是成為可能。
技術宅這點最蠢萌了。
這個事情讓蘋果做。估計憋個五年大招以後一撥把你們都帶走。而google的路子(說起來他們那種母公司的名字還真是沒有存在感)是麻痹只要有一點實現的可能就一定要做。
AI first就是這個思維下的東西。能上了,那就上。至於最後成不成還真說不一定。反正我覺得我們這些普通人看戲就看戲吧。但是真的不好去取笑這些可愛的技術宅——盜火的普羅米修斯就算在傻逼也輪不到一幫凡人來嘲笑。
至於說國內的那些,就是跟風而已,前兩年VR,這兩年AI。你真的信百度能搞出來一個牛逼的AI助手么?反正我是不信的。
不搞出來一個綠壩版楊永信已經阿彌陀佛了。回答一下題主的最後一個問題
cortana就能腳踩siri,從實際體驗來看Google assistant腳踩cortana問題不大
說明谷歌公關做得好。
微軟前兩天才組建了個五千人的ai研究院,沈向陽帶隊。媒體一點動靜都沒有。國內bat做ai做的也一點不差,甚至大疆的自動避障也是世界領先。大家都悶聲發大財,就谷歌一說優先做ai媒體就鋪天蓋地宣傳。感覺這公司有點浮躁,公關做太好了。無法適應人工智慧時代要求的人才培養體系必將被時代摒棄。未來,學生不再需要學習大量簡單、可重複、可被機器完全替代的技能,而必須將更多精力用于思想方法的提高、個人素質的培養和高層次知識、技能的學習上。使用看薦閱讀的同時,學習如何與智能機器協作來完成複雜任務,也將成為未來職業培訓的一個主要方向。
如果google策略真的是AI first,為什麼不把google assistant開放給其他7.1的手機?只有pixel才有,不是收集少了很多數據嗎?
必然的 科技巨頭們都在做 你不做你就想想諾基亞
題主為什麼光說了蘋果 為啥不提微軟 亞馬遜
推薦閱讀:
※深度機器學習中的batch的大小對學習效果有何影響?
※機器學習,在理論和編程方面要如何準備?
※分布的相似度(距離)用什麼模型比較好?
※怎樣進行大數據的入門級學習?
※看技術書, 數學公式推導需要會計算么?