當Google談論機器學習時，它在談論什麽？

Google一年一度的開發者大會 I/O 2018，本周在矽谷隆重上演。這你已經知道了，關於大會報導，請移步這裡。

開幕前一天，Google 在總部舉辦了一堂名為“機器學習 101”的人工智能課，嘗試用最接地氣的方法介紹谷歌在機器學習方面正在做的事情。

這堂課的老師克里斯汀·羅伯森 (Christine Robson)是 Google AI（原 Google Research）研究員，主攻人機互動方向。

機器學習是人工智能這個龐雜範疇中的一個重要技術。“人工智能就是讓事物變聰明的科學，”羅伯森說。“機器學習技術則是製造能夠學習變聰明的機器。”

她用最簡單的語句概括 Google 眼中機器學習的定義：

機器學習就是一個新的解決問題的系統。

真的只是數學

首先我們需要理解舊系統和新系統的區別。舊的系統指的是基於規則的系統（rule-based system），需要程式員告訴機器一件事情的規則。

過去幾乎所有的程式都屬於基於規則，而告訴機器規則的過程就是編程。強大如曾經擊敗卡斯帕羅夫的深藍 (Deep Blue)，也是基於規則的。但機器學習是通過新的算法，讓機器並不需要太多的編程就可以自動學習，自動創造解決問題的系統，

羅伯森使用了“自動” (Automatically) 一詞，而非人工智能裡的“人工” (artificial) 。

這似乎是為了減少對後者的過分使用，避免因此帶來的人工智能“妖魔化”趨勢。Google 正意識到圍繞人工智能產生的負面效應。

在謝爾蓋·布林 (Sergey Brin) 署名的《創始人信》中，這位 Google 的聯合創始人提到了人工智能潛在的負面影響，包括對人工智能具有科幻般感知能力的恐慌，以及更近在眼前的，無人駕駛的穩定性問題等。

近兩年，人們對人工智能的恐懼明顯有所加深，而幾乎每一種對這種恐懼的描述中，都有 AlphaGo 的身影。不少人認為，機器學習創造的人工智系統，存在超越人類認知能力的可能性——大量不同算法的結合，可能會帶來一個只有機器可以理解的系統。

羅伯森並不這麽認為。她希望讓對這門學問不熟悉的人知道，“機器學習就只是數學，真的只是數學。而且還是最簡單的數學。”

機器學習都是建立在最簡單形式的線性代數基礎上的。“這麽說聽起來確實很嚇人。但我並不想嚇人。我並不認為機器學習系統很難理解。”

而對於機器學習系統會變成一個黑箱的觀點，也即大量不同算法融合進一個複雜系統後，人類無法確切知道系統內具體發生了什麽——她也認為是個常見的“誤解”，不熟悉的人和剛開始接觸機器學習者都會遇到。

“機器學習並非一個真的黑箱，如果你研究了一段時間，你會發現在神經網絡裡，每個結果是可以確切回溯 (trace) 的。“

那麽，如何定義回溯？羅伯森認為並不需要準確找到具體哪一個原始數據出了問題。“Google 在這方面做了很多努力，確保我們清楚網絡裡發生了什麽。你想知道輸出結果為何出錯的時候，把裡面的數學部分抽出來分析就行。”

貓咪無處不在

和互聯網以及社交網絡一樣，機器學習這個圈子裡，最有存在感的是貓。

羅伯森引用YouTube學習識別貓咪影像的案例，來介紹了神經網絡通過多個層級來完成學習的過程，在強調 Google 擁有強大的計算能力時，羅伯森也用貓咪做例子：“Google 能夠分析網上所有貓咪圖片，儘管貓咪圖片的數量真是多的可怕。”

貓儼然成了讓機器學習走進人間的利器。“在 Google，我們很擅長關於貓的事情。”

醫學應用取得突破

不過，光有貓肯定不夠。“當我們把分析貓的技術，應用於其他領域，這就更加令人興奮。”羅伯森說。

目前，Google在機器學習方面最驕傲的應用領域是醫學。近幾年的 I/O 開幕演講中，CEO 頌達爾·皮柴 (Sundar Pichai) 經常提到機器學習幫助識別糖尿病視網膜病變的案例，該公司使用一個 26 層的卷積神經網絡進行訓練，得到的診斷敏感度和準確率都高於職業眼科醫生。

醫學領域不像貓一樣，Google 最初使用的影像數據庫只有幾千張，但該公司的機器學習系統依然能夠取得令人滿意的結果，為醫生的診斷提供重要幫助和效率提升。比如在識別乳腺癌的研究中，Google 隻用了 270 張圖片做訓練。

羅伯森形容自己是一個“Machine Learning person”，而 Google 給了她充足支持。“我的 CEO 對人工智能充滿激情，這也讓我對我的工作感到興奮。”

“Google 的目標是讓人工智能普及化，每個人都可以使用。”

羅伯森指出，Google 在機器學習和人工智能上所做的事情主要有三個：第一，讓 Google 的產品更加好用，這在今年 I/O 宣布的 Android、Google Assistant 等產品上有很強的體現；第二，把最尖端的技術開放給大眾，讓每個人都可以參與進來，這個目標通過 AutoML、ML Kit 等開發者工具實現了。

第三，就是為人類現在面對的問題帶來變革。人工智能很有可能是人類在漫漫的歷史長河中，迄今為止開發出的最重要的技術。就像人們掌握了取火和發電的能力那樣，人工智能將作為一種更高效率和變革性的存在，幫助人類解決被認為不可解決的難題，邁向更好的世界。

Google 的每一位人工智能研究者都對此堅信不疑。