揭秘谷歌內(nèi)部的萬人機器學(xué)習(xí)項目—忍者計劃！
如果你想讓人工智能融入每一個產(chǎn)品中，那么你得訓(xùn)練一支強大的機器學(xué)習(xí)戰(zhàn)隊 。
Google工程師卡爾森•霍爾蓋特（Carson Holgate）正把自己訓(xùn)練成忍者。
訓(xùn)練并不涉及武術(shù)，若論武功，26歲的霍爾蓋特已是高手——跆拳道黑帶二段。該訓(xùn)練主要針對算法。霍爾蓋特參加這項訓(xùn)練已經(jīng)好幾個星期了，這是能讓她獲得比體力更強大技能的一項訓(xùn)練——機器學(xué)習(xí)，即ML。
霍爾蓋特是Google 安卓部門的工程師，也是公司本年度機器學(xué)習(xí)“忍者計劃”的十八名程序猿之一，該計劃云集了各團隊中的優(yōu)秀編程員。Ender游戲風(fēng)格是要教授他們，可以讓產(chǎn)品更智能的機器學(xué)習(xí)技術(shù)，哪怕這會讓他們開發(fā)的程序更難理解。
Google工程師霍爾蓋特
Christine Robson（克里斯汀•羅伯森）經(jīng)常說：“想成為機器學(xué)習(xí)忍者么？”羅伯森是Google內(nèi)部機器學(xué)習(xí)計劃的產(chǎn)品經(jīng)理，也負責(zé)管理該學(xué)習(xí)項目。“
因此wired（連線雜志）邀請Google內(nèi)部的同仁來參與項目，用6個月的時間致力于機器學(xué)習(xí)，跟著老師學(xué)習(xí)，在這6個月里潛心機器學(xué)習(xí)，做一些項目，把項目啟動起來，他們會收獲頗豐。”
霍爾蓋特四年前獲得計算機科學(xué)與數(shù)學(xué)學(xué)位，并加入了Google。對她來說，這是一個掌握前沿技術(shù)的機會——利用學(xué)習(xí)算法（學(xué)習(xí)者）和海量數(shù)據(jù)來“教會”軟件完成任務(wù)。
近期研究結(jié)果表明，神經(jīng)網(wǎng)絡(luò)甚至?xí)饺四X。Google決心在內(nèi)部擴大精英培訓(xùn)范圍，以期待讓機器學(xué)習(xí)成為一種常態(tài)。
對霍爾蓋特這樣的工程師來講，可以向高手中的高手討教，忍者計劃是他們飛躍到技術(shù)前沿的機會。她說：“這些人會開發(fā)神奇的模型，并且擁有博士學(xué)位。”言語間透露著一種難以掩飾的敬畏之情。
谷歌員工人數(shù)眾多（6萬員工中約有半數(shù)是工程師），而這只是個小項目。但這個項目卻標(biāo)志著谷歌內(nèi)部認識的轉(zhuǎn)變。
盡管機器學(xué)習(xí)早已成Google的一項技術(shù)，Google還率先聘請了業(yè)內(nèi)專家，但大約到了2016年，Google才開始真正癡迷于機器學(xué)習(xí)技術(shù)。
在去年底財報電話會議上，谷歌CEO桑達爾•皮查伊(Sundar Pichai)表示：“我們還會盡力將它應(yīng)用于所有的產(chǎn)品中，包括搜索、廣告、YouTube或Play。
正如機器學(xué)習(xí)暢銷書《算法大師》(The Master Algorithm)的作者佩德羅•多明戈斯(Pedro Domingos)所說：“機器學(xué)習(xí)是新生事物，是可以自我學(xué)習(xí)的技術(shù)。”
Google ML計劃負責(zé)人杰夫•迪恩（Jeff Dean）說：“想用這種方式解決問題的人越多，我們就會變得越好。”他估計谷歌2.5萬工程師中，只有幾千人懂得機器學(xué)習(xí)， 差不多只有10%。他希望這個比例能接近100%。他說：“如果能讓所有工程師都多少懂得一點機器學(xué)習(xí)技術(shù)，就太棒了。”
多年來，約翰•賈南德雷亞(John Gianandrea)一直都是谷歌機器學(xué)習(xí)的主力助推者，而最近他成了搜索業(yè)務(wù)主管。
但當(dāng)他2010年加入公司時(伴隨著谷歌收購MetaWeb公司而加入，該公司在人群、地點和事項方面的龐大數(shù)據(jù)庫，已經(jīng)作為知識圖譜融入了谷歌搜索中)，他在機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)方面還沒有太多經(jīng)驗。
2011年左右，他被神經(jīng)信息處理系統(tǒng)大會（NIPS）的新聞?wù)痼@了。好像每年NIPS的一些團隊都會發(fā)布機器學(xué)習(xí)的成果，讓先前解決問題的努力灰飛煙滅，包括機器翻譯、語音識別或者視覺處理。
他說：“當(dāng)我第一次看到它，NIPS大會依然是模糊的。但在過去三年，整個領(lǐng)域從學(xué)術(shù)界到工業(yè)界發(fā)展十分迅猛。我感覺去年得有6000人參加。”
谷歌大腦負責(zé)人杰夫•迪恩
杰夫•迪恩：典型的谷歌計算機科學(xué)家，現(xiàn)在正建立機器學(xué)習(xí)工具和并帶領(lǐng)團隊。這些改進的神經(jīng)網(wǎng)絡(luò)算法，加上摩爾定律更強大的運算能力，以及像Google和Facebook海量用戶的行為數(shù)據(jù)呈指數(shù)級地增長，開啟了一個方興未艾的機器學(xué)習(xí)新時代。
賈南德雷亞（Giannandrea）加入了那些被認為是公司核心的項目。其中還有谷歌大腦（Google Brain）聯(lián)合創(chuàng)始人迪恩，神經(jīng)網(wǎng)絡(luò)的項目源于公司研究部門的Google X.（現(xiàn)簡稱為X.）。
Google對機器學(xué)習(xí)的“熊抱”，并不簡單等同于編程技術(shù)的轉(zhuǎn)變。這是對于可賦予電腦無限能力技術(shù)的一種嚴肅的承諾。其領(lǐng)先優(yōu)勢在于圍繞受大腦支配的、復(fù)雜神經(jīng)網(wǎng)絡(luò)建立“深度學(xué)習(xí)”算法。
谷歌大腦是一個深度學(xué)習(xí)項目。Google 于2014年1月買下（據(jù)說花了5億美元）的AI公司Deepmind，也致力于該領(lǐng)域研究。
Deepmind打造的AlphaGO擊敗了世界圍棋冠軍，打破了人們對于智能機器性能的固有想象，也在害怕智能機器和殺手機器人的人心中激起了憂慮的漣漪。
賈南德雷亞（Giannandrea）破除了認為“AI會殺死我們”的無知語言，他確信機器學(xué)習(xí)系統(tǒng)在各方面都會是革命性的，從醫(yī)療診斷到駕駛汽車。機器學(xué)習(xí)將會改變?nèi)祟悾粫〈祟悺?/p>
賈南德雷亞引用Google Photos為例，解釋了機器學(xué)習(xí)能力。他展示了一些博德牧羊犬的圖片。
他解釋道，通過學(xué)習(xí)，電腦能“知道”博德牧羊犬的樣子，而且還能找出其幼年、成年、長毛、以及剃毛后的圖片。當(dāng)然人也可以做到這個。但是人類無法從上百萬個圖例中同時識別上萬只狗的品種，而機器學(xué)習(xí)系統(tǒng)可以。
如果機器認識了一個品種，它就能用相同的技巧去識別其他9999種。賈南德雷亞說：“這就是新奇之處。對于這類些狹窄領(lǐng)域來說，你能在這些博學(xué)的系統(tǒng)里找到人們所謂的超人性能。”
當(dāng)然，Google早就理解了機器學(xué)習(xí)概念，其創(chuàng)始人始終都對AI力量深信不疑。”機器學(xué)習(xí)已經(jīng)被用于許多Google產(chǎn)品。（早期機器學(xué)習(xí)往往依賴更直接的統(tǒng)計方法）
事實上，十多年前，Google就開設(shè)了內(nèi)部課程，向工程師們教授機器學(xué)習(xí)。
科恩認為，只有Goolger人自己，能教授這樣一門內(nèi)部課程，因為Google的運用規(guī)模無人可以比擬（可能國防部除外）。
課程太受歡迎了，而開始變得失控了。班加羅爾辦公室的人們要熬夜到半夜才能參加。幾年后，一些Google工程師把課程制成短視頻，現(xiàn)場授課停止了。科恩認為這可能足以作為慕課（MOOC）的先驅(qū)。
隨后幾年，Google又有一些不同的 ML培訓(xùn)，但均不是有組織地連貫進行。就在科恩2013年離開谷歌前，他說：“ML在谷歌突然就成了重中之重。”
在2012年之前，這種認識尚未形成氣候，直到賈南德雷亞決定“招募一批從事這項工作的人”，并將他們安排到單獨的辦公樓。從X部門脫離出來的谷歌大腦也加入進來。“
工程師們開發(fā)的機器學(xué)習(xí)成果，越來越多地出現(xiàn)在谷歌熱門產(chǎn)品中。
由于機器學(xué)習(xí)的關(guān)鍵領(lǐng)域是視覺、語音、聲音識別和翻譯，所以ML現(xiàn)在成為語音搜索、翻譯和Photos的主要部分并不奇怪。更驚人的是，力圖讓機器學(xué)習(xí)融入所有產(chǎn)品。
杰夫•迪恩說，隨著他和團隊對機器學(xué)習(xí)的理解逐步深入，他們的探索更加雄心勃勃。“
我們以前，也許只是將機器學(xué)習(xí)技術(shù)用于系統(tǒng)里的一些子功能，但是現(xiàn)在我們是要用這項技術(shù)替代整套系統(tǒng)，而不是給每個系統(tǒng)設(shè)計一個更好的機器學(xué)習(xí)模型。”
迪恩表示，如果現(xiàn)在讓他重新規(guī)劃谷歌的基礎(chǔ)架構(gòu)，其中大部分都不會再通過編碼實現(xiàn)而是通過學(xué)習(xí)而獲得。迪恩最為人熟知的身份是Bit Table和MapReduce等顛覆性系統(tǒng)的聯(lián)合創(chuàng)造者。
谷歌大腦聯(lián)合創(chuàng)始人格雷格•科拉多
谷歌大腦聯(lián)合創(chuàng)始人格雷格•科拉多（Greg Corrado）與產(chǎn)品團隊一起，致力于將AI與機器學(xué)習(xí)融入軟件，從而實現(xiàn)先前未能預(yù)想到一些產(chǎn)品特征。其中一例便是于2015年11月發(fā)布的Gmail 的智能回復(fù)（Smart Reply）。
該功能的靈感源于格雷與前Gmail工程師巴林特•米克洛斯（Bálint Miklós）的一次談話。（米克洛斯，曾在Gmail致力于研究垃圾郵件檢測和郵件分類的ML算法。）
談話中米克洛斯提出了一些激進的建議：“如果團隊利用ML來自動生成郵件回復(fù)內(nèi)容，幫助手機用戶擺脫，用手機小鍵盤回信的難題會怎么樣呢？
科拉多說：”這瘋狂的建議讓我大吃一驚。但后來我想，如果利用我們有預(yù)測模式的神經(jīng)網(wǎng)絡(luò)技術(shù)，這也許可行。一旦我們發(fā)現(xiàn)有點機會，我們就得試試。”
科拉多及其團隊與Gmail團隊保持著密切又頻繁的聯(lián)系，谷歌成功幾率大大提升，隨著機器學(xué)習(xí)專家在產(chǎn)品團隊中的擴散，這種方法越來越普遍。
科拉多說：“機器學(xué)習(xí)既是科學(xué)又是藝術(shù)。就好像烹飪，其中會有化學(xué)反應(yīng)，但是要做到真正有趣，你就得學(xué)會搭配現(xiàn)有的原料。”
傳統(tǒng)的AI技術(shù)在理解語言時，靠的是將語音規(guī)則嵌入系統(tǒng)，但在這個項目中，和現(xiàn)在所有的機器學(xué)習(xí)一樣，系統(tǒng)存儲了足夠的數(shù)據(jù)來實現(xiàn)自我學(xué)習(xí)，就像小孩子學(xué)習(xí)那樣。
科拉多說：“我并非是從語言學(xué)家那學(xué)會說話的，而是通過聽別人說話而學(xué)會的。”但真正令智能回復(fù)變得切實可行的，是它的成功很容易定義——他們的目的不是創(chuàng)造一個妖艷的虛擬斯嘉麗•約翰遜(Scarlett Johansson)，而是希望它能回復(fù)真正的電子郵件。“
然而，當(dāng)該團隊開始測試智能回復(fù)時，用戶卻注意到了一些怪事：它經(jīng)常會推薦一些不合時宜的曖昧語言。“其中一個失敗模型確實太過可笑，科拉多說：“一旦系統(tǒng)變得混淆，它就會說‘我愛你’。
這并不是軟件漏洞，問題出在我們讓它做的事情上。” 不管怎樣，這個程序?qū)W到了一些人類微妙的行為。“如果你感到擔(dān)憂，‘我愛你’是一種很好的防御策略。” 科拉多能幫助團隊壓制系統(tǒng)的熱情。
在通過該應(yīng)用發(fā)送的回復(fù)信息中，有十分之一都是由機器學(xué)習(xí)系統(tǒng)生成的。科拉多笑著說：“這個項目能夠成功還是令我感到有些驚訝。”
智能回復(fù)，只是證明谷歌ML有效性諸多實例中的一個。
或許最終的拐點是當(dāng)機器學(xué)習(xí)，成為搜索的一個必不可少的組成部分時——作為谷歌的旗艦產(chǎn)品，搜索幾乎為該公司貢獻了所有營收。
多年以來，由于搜索引擎對谷歌過于重要，所以始終沒有融入機器學(xué)習(xí)算法。賈南德雷亞說：“由于搜索在公司內(nèi)部占據(jù)的份額巨大，高級管理者深度參與其中，所以很多人都懷疑我們無法真正取得進展”。
在某種程度上，那是文化阻力——必須要讓那些有極強控制欲的程序員，適應(yīng)帶有禪宗韻味的機器學(xué)習(xí)模式。
長期掌管谷歌搜索業(yè)務(wù)的艾米特•辛格(Amit Singhal)曾是傳奇計算機科學(xué)家杰拉德•薩爾頓(Gerald Salton)的助手。
薩爾頓在文檔檢索方面的開創(chuàng)性工作，啟迪辛格幫助謝爾蓋•布林(Sergey Brin)和拉里•佩奇(Larry Page)把研究生時期編寫的代碼擴展成了可以適應(yīng)當(dāng)今網(wǎng)絡(luò)時代的程序。(這使得他成為了“檢索派”的一員。)
他從二十世紀的方法中，梳理出了令人驚訝的結(jié)果，并對將機器學(xué)習(xí)系統(tǒng)整合到作為谷歌命脈的復(fù)雜系統(tǒng)中產(chǎn)生了懷疑。
戴維•帕布羅•科恩說：“進入谷歌的頭兩年，我負責(zé)搜索質(zhì)量，試圖用機器學(xué)習(xí)來改進排名。結(jié)果發(fā)現(xiàn)艾米特的團隊是全世界最優(yōu)秀的，通過將艾米特腦海里的想法都變成了硬編碼，我們發(fā)展的更好。已經(jīng)找不到比他更好的方法了。”
到2014年初，谷歌的機器學(xué)習(xí)大師們認為需要改變現(xiàn)狀。“我們與排名團隊展開了一系列討論。”迪恩說，“我們認為至少應(yīng)該嘗試一下，看看能不能有一些收獲。”
他的團隊所設(shè)想的那個實驗，最終成為了搜索的核心：文件排名與搜索請求的匹配程度有多高(需要以用戶的點擊為衡量標(biāo)準(zhǔn))。“我們跟他們說，可以用神經(jīng)網(wǎng)絡(luò)計算額外的分數(shù)，看看到底有沒有用。”
最終答案是肯定的。這套系統(tǒng)如今已經(jīng)成為谷歌搜索的一部分，被稱作RankBrain。
它于2015年4月上線。谷歌還是像以往一樣，對如何改進搜索諱莫如深(究竟是與長尾理論有關(guān)？還是更好地解讀了模糊不清的搜索請求？)。
但迪恩表示，RankBrain“融入到每一個搜索請求中”，雖然未必會影響所有的排名，但的確對很多搜索請求的排名都產(chǎn)生了影響。
此外，它非常有效。在谷歌計算排名時，所使用的數(shù)百個“signals”中(這些signals可能包括，用戶所在的地理位置，或者頁面標(biāo)題是否與搜索請求匹配)，現(xiàn)在RankBrain的有效性名列前三甲。
“我們成功利用機器學(xué)習(xí)改進了搜索結(jié)果，這對公司來說意義重大。”賈南德里亞說，“這引發(fā)了很多人的關(guān)注。”
華盛頓大學(xué)教授佩德羅•多明戈斯在其著作《算法大師》中則給出了不同的說法：“檢索派與機器學(xué)習(xí)派始終都存在斗爭。最終是機器學(xué)習(xí)獲勝。”
谷歌面臨的新挑戰(zhàn)是，如何讓所有工程師都能熟悉機器學(xué)習(xí)。
還有很多公司也都秉承著相同的目標(biāo)，其中最引人關(guān)注的當(dāng)屬Facebook，該公司與谷歌一樣著迷于機器學(xué)習(xí)和深度學(xué)習(xí)。
這一領(lǐng)域的畢業(yè)生變得非常搶手，而谷歌正在努力保持對畢業(yè)生的吸引力。學(xué)術(shù)圈多年以來都流傳著一個玩笑：即使不需要頂尖學(xué)生，谷歌也會招聘他們，避免人才被競爭對手搶走。(這個玩笑的錯誤之處在于，谷歌的確需要這些人才。)
“我的學(xué)生無一例外都得到了谷歌的錄用通知。”多明戈斯說。目前看來，競爭的激烈程度有增無減：就在前不久，谷歌宣布將在蘇黎世開設(shè)一個新的機器學(xué)習(xí)實驗室，有很多工作崗位有待填補。
但由于學(xué)術(shù)項目尚未培養(yǎng)出大量機器學(xué)習(xí)專家，培訓(xùn)員工就成為了必要措施。但這并非易事，尤其是在谷歌，這樣擁有許多世界一流工程師的公司，他們一直致力于通過編程來實現(xiàn)魔幻般的世界。
機器學(xué)習(xí)卻需要截然不同的思維模式，大師級程序工程師之所以能有如今的成就，往往是因為他們希望完全控制一套編碼系統(tǒng)。
機器學(xué)習(xí)還需要掌握一些數(shù)學(xué)和統(tǒng)計學(xué)知識，但是很多程序員卻對此不屑一顧的，即便是那些能夠?qū)懗龀L代碼的超級黑客也不例外。
克里斯汀•羅伯森，負責(zé)培養(yǎng)谷歌員工和參與機器學(xué)習(xí)技術(shù)的外部人員。這需要一定的耐心。
羅伯森說：“機器學(xué)習(xí)模型并非靜態(tài)編碼，你得不停地輸入數(shù)據(jù)。我們一直在持續(xù)更新模型、學(xué)習(xí)、增加數(shù)據(jù)、調(diào)整預(yù)測方式。就像生活呼吸一樣，這是另一種工程學(xué)。”
克里斯汀
“這是一個使用千變?nèi)f化的算法，進行實驗的學(xué)科，需要挑選那些真正適合使用場景的訓(xùn)練數(shù)據(jù)。”賈南德雷亞說。盡管他也是新的搜索業(yè)務(wù)主管，但卻仍然把在谷歌內(nèi)部傳播機器學(xué)習(xí)理念，作為自己工作的一部分。
“計算機科學(xué)那一部分不會消失，但需要更加關(guān)注數(shù)學(xué)和統(tǒng)計學(xué)，而對數(shù)十萬行代碼的關(guān)注度則需要相應(yīng)地降低。”
至于谷歌所擔(dān)心的障礙，完全可以通過明智的內(nèi)部培訓(xùn)來解決。“歸根結(jié)底，這些模型中使用的數(shù)學(xué)原理并不那么復(fù)雜。”迪恩說，“谷歌聘用的多數(shù)軟件工程師都可以掌握。”
為了進一步幫助不斷擴容的機器學(xué)習(xí)專家團隊，谷歌開發(fā)了一系列強大的工具，幫助他們選擇合適的算法訓(xùn)練模型，加快培訓(xùn)和提煉過程。
其中最強大的是TensorFlow，它可以加速神經(jīng)網(wǎng)絡(luò)的構(gòu)建過程。
T
ensorFlow源自谷歌大腦項目，由迪恩和他的同事拉加特•芒格(Rajat Monga)共同發(fā)明。它能把構(gòu)建系統(tǒng)過程中，涉及的晦澀難懂的細節(jié)變成標(biāo)準(zhǔn)化的內(nèi)容——尤其是在谷歌2015年11月開始將其開放給公眾后，這種做法的效果更加得以顯現(xiàn)。
盡管谷歌煞費苦心地，將這種行為描述為一種無私的舉動，但該公司也承認，如果新一代程序員，都能熟悉該公司內(nèi)部的機器學(xué)習(xí)工具，那對谷歌未來的招聘活動將會起到莫大的幫助。
(質(zhì)疑者甚至指出，谷歌的TensorFlow開源項目是為了追趕Facebook，后者已經(jīng)在2015年6月公布了早期機器學(xué)習(xí)系統(tǒng)的深度學(xué)習(xí)模塊Torch。)
不過，TensorFlow的功能以及谷歌的開源模式，很快受到了程序員的歡迎。賈南德雷亞表示，當(dāng)谷歌首次提供TensorFlow課程時，共有7.5萬人報名參加。
但谷歌仍為自己的程序員保留了很多好東西。該公司在內(nèi)部擁有一套更加優(yōu)秀的機器學(xué)習(xí)工具——Tensor Processing Unit(以下簡稱“TPU”)。他們雖然使用這項創(chuàng)新已經(jīng)多年時間，但直到最近才對外宣布。
這是一種針對機器學(xué)習(xí)程序優(yōu)化的處理器，就像GPU是專門針對圖形處理優(yōu)化的芯片一樣。該公司的龐大數(shù)據(jù)中心里，使用了數(shù)以千計的TPU(具體有多少恐怕只有上帝和佩奇才知道)。
通過賦予神經(jīng)網(wǎng)絡(luò)這種超級計算能力，TPU為谷歌帶來了巨大優(yōu)勢。“如果沒有它，我們就無法實現(xiàn)RankBrain。”迪恩說。
他們也在不斷嘗試各種方式，來為工程師提供機器學(xué)習(xí)方面的培訓(xùn)。這些培訓(xùn)的規(guī)模各異，其中也包括為期兩天的速成班。
谷歌希望這只是初步嘗試，工程師隨后還會尋找更多資源來深入學(xué)習(xí)。“已經(jīng)有數(shù)千人報名參加下一次課程。”迪恩說。
此外，一些小項目吸引了外部人才加入谷歌機器學(xué)習(xí)計劃。今年初春，谷歌啟動了Brain Residency項目，在谷歌智庫內(nèi)部為有前途的外部人才提供為期一年的集訓(xùn)。
協(xié)助管理該項目的羅伯森說：“我們稱之為深度學(xué)習(xí)職業(yè)生涯的搶跑。”
盡管這27名來自不同學(xué)科的機器學(xué)習(xí)學(xué)員中，可能有一些會留在谷歌，但他表示，該公司的目的是讓他們自行發(fā)展，利用自己掌握的先進知識，在世界各地傳播谷歌的機器學(xué)習(xí)技術(shù)。
因此，從某種意義上講，卡爾森•霍爾蓋特在忍者項目中學(xué)到的知識，正是谷歌為了保持世界主流AI公司地位這一計劃的核心，其中機器學(xué)習(xí)正在成為主角。
課程最開始是一個為期四周的新兵訓(xùn)練營，由谷歌最專業(yè)的人工智能項目產(chǎn)品負責(zé)人提供指導(dǎo)，教如何將機器學(xué)習(xí)融入項目進行訓(xùn)練。
羅伯森說：“我們把忍者帶進會議室，格雷格•科拉多站在白板前講解LSTM(長短期記憶，一種可以打造強大神經(jīng)網(wǎng)絡(luò)的技術(shù))。
他做著夸張的手勢，演示工作原理、利用何種數(shù)學(xué)原理、如何應(yīng)用到產(chǎn)品中。
霍爾蓋特成功挺過了訓(xùn)練，現(xiàn)在她正利用機器學(xué)習(xí)工具開發(fā)一項Android通訊功能，幫助谷歌員工交流。她正在調(diào)試超參數(shù)，清理輸入數(shù)據(jù)。
開弓沒有回頭箭，因為她明白AI技術(shù)就是谷歌的現(xiàn)在和未來，甚至可能是一切技術(shù)和東西的未來。
機器學(xué)習(xí)時代已經(jīng)來臨，前景無比廣闊！
