谷歌(微博)開發(fā)者產(chǎn)品及開發(fā)者關(guān)系負責人Ben Galbraith
谷歌研發(fā)的圍棋程序AlphaGo在今年3月的“人機大戰(zhàn)”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(zhì)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(jīng)找到了答案。上周末，谷歌開發(fā)者產(chǎn)品及開發(fā)者關(guān)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(chǎn)品變得更加“聰明”。
機器學習一個重要應(yīng)用就是，可以讓產(chǎn)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(yīng)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(shù)據(jù)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?guī)?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(xiàn)在手機屏幕上了。
谷歌目前有七款擁10億用戶級別產(chǎn)品，這些產(chǎn)品每時每刻都在產(chǎn)生大量的用戶數(shù)據(jù)。在沒有引入“機器學習”之前，挖掘這些數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)”也被用“活”了。
這些“產(chǎn)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(wù)的大量應(yīng)用開發(fā)者。
一款應(yīng)用登陸谷歌應(yīng)用商店之后，會得到大量的用戶留言評論，以往開發(fā)者只能通過一條條閱讀去發(fā)現(xiàn)自己產(chǎn)品和用戶體驗的不足。引入機器學習技術(shù)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(yīng)用的評論進行交叉對比，發(fā)現(xiàn)了一些不一樣的洞察。
“開發(fā)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(shù)據(jù)分析的力量還體現(xiàn)在在這些開發(fā)者利用谷歌平臺投放廣告時。截止目前，已經(jīng)有20億個應(yīng)用通過Youtube、搜索擎關(guān)鍵詞、Admob等不同的谷歌平臺進行了下載安裝。
當開發(fā)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(yīng)用的投放結(jié)果，幫助開發(fā)者找到最高效的投放方式。
Ben Galbraith說，機器學習已經(jīng)在谷歌產(chǎn)品上得到了全面應(yīng)用。“實際上，我想不出哪一款谷歌產(chǎn)品，現(xiàn)在還沒有用到機器學習了”。
