9月29日消息，據國外媒體報道，一百多年來，人工智能一直是計算機界的終極難題，對這種極其復雜的技術，我們目前了解的只是冰山一角。目前，科技界的所有領軍企業都向人工智能系統的研發投入了重金，但目前看來，我們距離真正的人工智能依舊十分遙遠。
對此，國外媒體對谷歌的搜索業務高級副總裁約翰-賈南德雷亞(John Giannandrea)展開了采訪。他曾擔任谷歌的機器智能業務高管。
以下為訪問主要內容。
目前并非人工智能時代，而是機器學習時代
約翰先闡明了一個問題，即機器智能擁有三個不同的層次：機器學習、機器智能與人工智能。機器學習是我們目前所處的研發階段。在機器學習系統中，我們可編寫某種算法并輸入一些信息，用來訓練機器以某種方式運行。
機器學習的較高層次是，機器能夠吸收所學的內容，并適應新概念。而真正的人工智能能夠自學新概念并實現自我進步，就像人類那樣。我們目前已攻克的問題僅僅是編寫人工學習算法。而且，約翰表示，要讓系統吸納所學內容并靠依賴自身的力量來適應新環境，為時尚早。
神經網絡以及數字訓練場
要讓機器達到最簡單的智能水平，核心在于“訓練”。每臺機器首先得接受“訓練”，才能以某種方式處理信息。例如，向機器展示一張狗的照片，要它把照片正確標記為“狗”，谷歌需要向神經網絡提供成千上萬張狗的照片。本質上而言，神經網絡是模擬人腦的多層數字感知器。
其中每一層都擁有某些“端口”，它們就像人腦中的神經元一樣，可根據攜帶的刺激信號與對應端口相連接。因此，研究人員會向神經網絡輸入成千上萬張僅含有狗的圖像，并查看所有圖片對應的輸出信息是否是“狗”。一旦出現錯誤，錯誤的信息就會被反饋到神經網絡中，這樣神經網絡就能從錯誤中“學習”，并調整識別模式。谷歌已取得一些顯著的進展，這可在照片管理應用Google Photos中得到體現——該應用可基于內容對照片展開分類。
用戶可以在Google Photos中輸入“貓”，結果就會搜出圖庫中所有帶貓的照片。這就屬于機器學習的范疇，但仍然相當有限。約翰指出，雖然這種算法能夠搜出所有帶貓的照片，但無法根據貓的品種來細分照片。
機器學習的真正極限
當前階段的機器學習擁有著相當有限的功能。它能夠區分貓和狗，但還沒辦法識別出貓的不同品種。機器學習只能在很有限的變量范圍內運行，哪怕只有一個變量發生變化，它就無法正常運行。例如，如果把一只貓裝扮成狗，那么Photos應用該把它認作貓還是狗?
谷歌一直利用機器學習技術來開發能夠區分說話者的聲音和環境噪聲的語音識別軟件。這種軟件還能夠識別不同語言，但無法識別語調以及說話時的情感模式(例如，諷刺)。它只能在十分有限的參數集合中運行，要擴大可運行的參數范圍，研究者就需要投入大量的時間，并安排成千上萬次訓練，才能讓機器學習系統正常運行。
谷歌如何應用機器學習技術
約翰表示，谷歌的機器學習API目前仍處在研發初期，但進展速度相當快。谷歌正使用機器學習來增強自動搜索功能、YouTube的推薦視頻功能、郵件客戶端Inbox以及即時通訊工具Allo等等。Inbox的功能之一是基于內容撰寫并發送自動回復郵件。約翰表示，Inbox用戶發出郵件中的10%就使用了自動回復郵件這一功能。
Allo則更為智能。Allo中的算法學習了用戶特有的交談方式后，就會基于所學內容、建議回復內容。
語音助手Google Assistant對機器學習技術的應用可以說最為深入。它能夠識別語言，甚至區分用戶的聲音與周邊的噪音。Google Now則基于用戶的使用模式為用戶生成相關信息。
隱私問題
谷歌正在收集大量的用戶數據，這不是什么秘密。這些數據對谷歌的用途之一是訓練機器學習API。當被問及這些數據的安全性有多大，約翰回答，所有數據被用于訓練機器學習，并匯總成一個龐大的數據庫，但谷歌對數據進行了匿名處理，因此所有數據都無法追溯至來源。
不過，一旦API受訓成功，并投入服務，屆時它將能夠閱讀用戶此前同意與谷歌分享的數據，并基于這些隱私數據提出建議。
信息共享具有雙重性。一方面，這些信息經匿名化處理后可用來訓練API。另一方面，一旦機器學習服務投入實際使用，就會基于用戶活動提出建議。谷歌地圖向我們提供交通信息的背后運行原理就是這樣。谷歌地圖從數千名正在開車的用戶收集到數據，并把這些數據顯示在應用上，只不過用戶無法認出應用中的哪個像素對應的是自己的車。
未來前景
谷歌除了在旗下諸多產品中應用機器學習算法外，還向許多商家和開發者開放各種API。最有趣的是，機器學習算法在醫療應用上的潛力。例如，如果語音助手能夠識別出用戶聲音中極度緊張或抑郁的狀態，那么它可能會自動撥打用戶親人或愛人的電話，或者建議用戶聯系所處位置的心理咨詢師。
下一個階段是機器智能，這時手機能夠在用戶甚至還沒想到要做什么時就自動提供建議。例如，用戶剛找到一份新工作時，手機中的機器智能系統就會建議該買個新衣柜了。如果用戶正在策劃晚會的主持事宜，手機會基于用戶平時的聯絡信息以及用戶與這些聯絡人之間的互動情況，自動生成邀請賓客的建議清單。
谷歌最無私之處在于，它通過人工智能學習系統Tensor Flow免費開放公司的機器學習資源，任何人都可以通過使用Tensor Flow這個工具來訓練機器學習執行特定任務。
谷歌正致力于讓人類的生活更為便利，谷歌的大量努力將對人類的日常生活帶來深遠的影響。快節奏的生活方式已司空見慣，這種情形下，擁有能夠跟蹤日常事物的數字助理確實相當有用。
每個月隨便拍拍都有數百張照片，真的懶得整理。但智能技術能夠幫我們分類整理，多么省心省事。最令人興奮的是，人工智能上的技術突破能夠帶來的便利遠非這些，更美好的產品還在未來等著我們。
