谷歌(微博)開發者產品及開發者關系負責人Ben Galbraith
谷歌研發的圍棋程序AlphaGo在今年3月的“人機大戰”中出盡了風頭，與“人工智能的里程碑”這樣的贊譽一同而來的還有質疑：人工智能和機器學習，這些對谷歌有什么用?
看起來，這家科技巨頭已經找到了答案。上周末，谷歌開發者產品及開發者關系負責人Ben Galbraith來到了ChinaJoy，他跟我們聊起了谷歌過去幾年如何用“機器學習”讓自己的產品變得更加“聰明”。
機器學習一個重要應用就是，可以讓產品像人類一樣能夠看懂圖片。比如，當你去中東自駕游面對阿拉伯語的交通指示牌一臉茫然，但你又沒法將這些文字輸入翻譯時，你只需要將指示牌拍下來，谷歌就能自動“讀懂”照片上的文字，把它翻譯成你想要的語種。
另一種應用則更為日常，當我們在手機里儲存了大量照片時，想要尋找某一個時刻的某一張照片就會異常困難。通過機器學習積累大量數據之后，谷歌能像人類一樣看懂你儲存的那些照片。
比如，你可以對著手機說“我想找我帶8歲的兒子去迪士尼樂園的照片”，幾秒鐘之后，這些被記錄下的歡樂時光就又重新出現在手機屏幕上了。
谷歌目前有七款擁10億用戶級別產品，這些產品每時每刻都在產生大量的用戶數據。在沒有引入“機器學習”之前，挖掘這些數據是一項龐大而緩慢的工程，存在大量的重復性工作。
“機器學習”被引用之后，這些用戶數據成為了它最好的原材料，通過不斷分析、歸類、整理、輸出，這些“數據”也被用“活”了。
這些“產品”變得更聰明之后，受益的不僅僅是普通用戶，還有利用谷歌服務的大量應用開發者。
一款應用登陸谷歌應用商店之后，會得到大量的用戶留言評論，以往開發者只能通過一條條閱讀去發現自己產品和用戶體驗的不足。引入機器學習技術后，谷歌將這些評論進行了重新的分類和整理，同時與其它同類型應用的評論進行交叉對比，發現了一些不一樣的洞察。
“開發者能夠很直觀地了解到，比如我這款游戲在可玩性這一項上的評價比同類型的低了20%，那么我就需要針對性加強這一塊。”Ben Galbraith告訴騰訊科技。
這種數據分析的力量還體現在在這些開發者利用谷歌平臺投放廣告時。截止目前，已經有20億個應用通過Youtube、搜索擎關鍵詞、Admob等不同的谷歌平臺進行了下載安裝。
當開發者不清楚如何對這些平臺進行預算投放分配時，谷歌可以通過追蹤此前相似應用的投放結果，幫助開發者找到最高效的投放方式。
Ben Galbraith說，機器學習已經在谷歌產品上得到了全面應用。“實際上，我想不出哪一款谷歌產品，現在還沒有用到機器學習了”。
