浅谈Google的人工智能的崛起之路

　打败了传统编程后，机器学习该如何在Google普及

　　Christine Robson 是Google内外机器学习活动的组织者和带动者。

　　机器学习在搜索中获得成功，对于Google而言非常重要，这让很多人开始真的注意起机器学习来。 而华盛顿大学的教授 Pedro Domingos 用更直白的语言说：

　　“一直以来，在传统编程者与机器学习者之间都存在着一场战争。结果机器学习者在战斗中获胜了。”

　　Google 目前的挑战是要将他们的工程师队伍过渡到机器学习的队伍，不要求每个人都熟悉掌握机器学习，但起码需要熟悉机器学习。 不仅 Google 在这么做，很多其他的公司(比如 Facebook)都在积极迈进机器学习的时代。Google 正在各个名校的机器学习领域抢夺人才。 Google 也即将在苏黎世开设一个机器学习研究中心，抢夺机器学习人才的战争，延伸到了欧洲。

　　基于目前学术界并没有造出很多的机器学习人才，保持这方面的人才就显得至关重要。在 Google，这并不是易事。因为大部分的顶级工程师一辈子都通过传统的编程取得成就。但是机器学习所要求的，是全新的思维。编程者一般通过对编程的控制来进行创造，但是机器学习要求掌控的是某些具体类型的数学和统计学，但是这些领域的知识，甚至对于一些顶级的、可以解决复杂问题的工程师而言，都是陌生的，他们之前也根本不愿意学。

　　Christine Robson 正在致力于给 Google 的工作人员创造更好的机器学习的环境:“机器学习与静止不变的编程不同：你要经常给它提供新数据，我们要一直更新模型，一直学习，要一直添加更多的数据，一直转变我们预测的方式。机器学习就像是一个活生生的、会呼吸的家伙，它和传统的计算机编程完全不同。”

　　但是，Google 对训练工程师学会机器学习的前景是乐观的：如今在机器学习中使用的数学不算太复杂，大部分 Google 的工程师都可以学会。Google 并且建造了类似 TensorFlow 的工具，帮助工程师学习机器学习。TensorFlow 也为 Google 在雇用人才方面增加了吸引力。当 Google 开设 TensorFlow 公开课时，有 75000 人报名参加。

　　目前 Google 最大的任务，就打造更多可以完善这些机器学习工具的人才。他们也在内部建立了大量的机器学习的课程，“下一次的课程，已经有好几千的工程师报名参加。”Jeff Dean 说。