一文讀懂蘋果和Google的人工智能理念、布局和預期

­　　Google 的人工智能：讓流動的信息產生智能

­　　早在 2001 年，拉里佩奇對于 Google 的定位就是人工智能。這個理念源于拉里·佩奇的恩師威諾格拉德，上世紀 70 年代，威諾格拉德曾作為MIT人工智能實驗室的一員，一門心思要制造與人類思維匹配的智能。然而威諾格拉德看到所謂人工智能在各個領域的潰敗，同時又受到加州大學伯克利分校教授塞爾斯「中文房間」理念的啟發，最終退出這個領域。

­　　1998 年，威諾格拉德和他的學生拉里·佩奇、謝爾蓋·布林及其導師拉杰夫·莫特瓦尼聯合發布了一篇學術論文《你能用自己口袋里的論文做什么？（What Can You Do with a Web in Your Pocket?）》，該論文提出了谷歌搜索的產品原型。同年，佩奇和布林從斯坦福大學畢業，創立谷歌，通過改善人類信息組織和發現的方式，創造一種可以為人類服務的智能方式。

­　　該論文的概念也體現在 Google 的 Slogon 里：「整合全球信息并為其使用」。因此 Google 對于信息背后的智能方式有著天然的熱愛，硅谷資深記者 Steven Levy 在六年前探訪Google 總部后這樣寫道：

­　　Google 搜索的最大創新是引入新算法 Page Rank。而網絡搜索是一個多方過程。

­　　首先，谷歌機器人獲取每個可訪問網站的內容。這些數據將被分解成一個索引（通過文字進行組織，就像書本的目錄），這樣就可以根據內容找到任何頁面。每當用戶鍵入一個查詢，谷歌就會在索引中搜尋相關頁面，然后返回一個包含多達數百萬頁面的列表。最復雜的是對列表進行排序，也就是決定哪些頁面應該出現在最上面。

­　　此時，上下文便有了用武之地。所有搜索引擎都會引入上下文，但沒有一個像谷歌那樣引入得那樣多、應用那樣自如。PageRank本身也是一個信號，同時也是頁面的一個屬性(指其相對于其他網頁的重要性)，該屬性可以幫助確定其與查詢內容的相關性，其中的一些信號在現在看來是顯而易見的。

­　　2012年，Google 提出了知識圖譜，所謂知識圖譜，簡而言之就是一種深度挖掘搜索詞潛在的知識關系，來呈現更結構化的搜索結果。比如當你搜索硅谷，你所看到的不僅僅是關于硅谷的網頁信息，還提供結構化及詳細的關于主題的信息，下圖的右側就是 Google 的知識圖譜：

­　　將雜亂無章的網頁到結構化的實體知識，搜索引擎可以通過知識圖譜給用戶提供更具條理的信息，甚至順著知識圖譜可以探索更深入、廣泛和完整的知識體系，讓用戶發現他們意想不到的知識。Google 高級副總裁艾米特·辛格博士一語道破知識圖譜的重要意義所在：「構成這個世界的是實體，而非字符串（things, not strings）」。

­　　根據 Google 官方的說法，知識圖譜的信息來自許多來源，包括CIA的世界概況，Freebase 和維基百科，通過知識圖譜，Google 在踐行「整合知識并使其可用」方面邁出了堅實的一步。

­　　2011 年開始，Google 引入深度學習框架。深度學習并非什么新技術。上世紀60年代發明后，先后在 80 年代和 90 年代初期流行過一整，但隨后就逐漸消沉。但在 Google 看來，深度學習需要的海量數據恰好也是 Google 最擅長的領域，與此同時，對于計算能力的高要求也是 Google 自身技術架構足以應對的。

­　　深度學習最開始由吳恩達推動的Google大腦計劃，Google 技術大拿 Jeff Dean 也參與其中。當時想通過使用神經網絡來提升技術水準，但并沒有把研究做成像大學象牙塔那種，而是結合 Android、Gmail、圖片去改進產品解決真正問題。

­　　2012 年 6 月，《紐約時報》率先報道了 Google 大腦項目，吸引了公眾的廣泛關注。公眾第一次了解到，利用16,000個CPU Core的并行計算平臺去訓練含有10億個節點的深度神經網絡（DNN，Deep Neural Networks），使其能夠自我訓練，能夠實現對2萬個不同物體的1,400萬張圖片進行辨識。

­　　到了 2012 年年底，在業界關注的圖片分類的競賽 ImageNet 中，Google 一支采用深度學習的精英團隊完敗給 Geoff Hinton 手下的博士生團隊。這也促使 Google 重新開始認識深度學習帶來的巨大價值，一年后，Google 高價收購了 Geoff Hinton 的團隊，并全面開始在產品里部署基于深度學習的相關技術。

­　　從早期基于 page Rank 的搜索技術到引入知識圖譜以及全面整合深度學習，Google 一遍遍地將互聯網上的原始信息、基于 Android 系統收集到信息、利用Google 服務（ 搜索、Gmail、Youtube）搜集的信息清洗、過濾、重組，寄希望于從這些「0和1」的組合里找到智能的存在方式。

­　　2014 年 10月，Google 推出 Gmail 的「進化版」—— Inbox，這是一個基于對郵件自動掃描后的重新展示，自 Inbox 的幫助下，用戶收件箱里的郵件可以自動被歸類到「旅行」（如機票郵件）、「財務」（如信用卡賬單）、新聞資訊（如各種網站的訂閱） 。2015 年的 Google I/O 大會發布的 Google Photo 令人震驚。Google 開辟了對于照片處理的新方式，基于深度學習的算法，Google Photo 可以自動識別、分類，并支持自然語言搜索。

­　　Google ：把雞蛋放在多個籃筐

­　　直到 2015 年夏天 Google 宣布重組，或許很多人還沒有意識到這家公司的業務有多繁雜，在新的 Alphabet 架構下，新 Google 聚焦在在線業務和 Android 產品線以及云服務。尤其是在 Google 商業模式即將轉型的大背景下，人工智能或許將出現在更多的 Google 產品里。

­　　長期以來，Google 的盈利渠道都是廣告。在今年 4 月財報電話會議上，Google CEO 桑達爾·皮查伊公開表示：Google 將加快云計算業務發展，并計劃在 2020 年使云計算業務超過廣告業務。就在皮查伊上述表態的前后，Google 云計算服務簽下了Netflix、Spotify 這樣代表未來的企業級大客戶；并挖來曾一手打造 VMware 的 Diane Greene 來統領云計算團隊。

­　　2016 年 7 月的騰訊「云+未來」大會上，馬化騰這樣定義未來：「未來互聯網行業就是利用人工智能在云端處理大數據?！惯@實際上也是Google 在做的事情。皮查伊的這一幅手牌就是 Google 構建的云計算生態。今年的Google Next 云計算大會上，Google發布了面向開發者的新機器學習平臺，并開放語音識別API等等，如果再加上去年推出的 TensorFlow 平臺，Google希望通過將這些人工智能的服務模塊化、開放化，讓云計算的PaaS 層、IaaS 層的服務都具備人工智能屬性，從而能夠快速完成數據處理。

­　　DeepMind 則是 Google 的另一個秘密武器。日前，Google 宣布在數據中心的節能方案中采用 DeepMind 的算法，效果顯著。根據官方的數據顯示，這項技術幫助該公司將電力使用效率(PUE)提升了15%，與使用效率提升同時帶來的則是耗電量的下降，如果能將數據中心的耗電量降低10%，便有可能在幾年時間內為 Google 節約數億美元電費。而進一步來看，倘若 Google 能在數據中心節能方面不斷優化，其云計算的價格極有可能繼續下降，在云計算服務目前還處在價格敏感階段的時候，Google 的想象力還很大。

­　　總結

­　　上世紀 60 年代，包括約翰·麥肯錫、馬文·明斯基在內的人工智能先驅們堅信，只需十年時間就足以制造一種可以匹及人類智能的智能。后來的故事大家或許都知道了，半個多世紀的時間，人工智能在寒冬與初春的交替中緩慢前行?，F在，在算法逐步成熟、數據量增加以及計算能力突飛猛進的幫助下，我們或將有幸見證一次最接近人類智能的智能。

­　　與過往不同，這一次的智能誕生在每個人的手里緊緊握著的智能手機。本文并沒有去對比其他互聯網巨頭，包括微軟、亞馬遜、Facebook 以及中國 BAT 的布局和思路，但無一例外，你能感受的這些智能都或多或少地在你的指尖呈現。

­　　從計算普及到交互進化，蘋果和 Google 在兩條不同的道路上快速前進，相比來說，包括微軟、亞馬遜、Facebook 在內的人工智能計劃都與 Google 類似，而堅守「隱私價值觀」與「設備智能」 的蘋果，似乎并沒有同盟者……雖說殊途同歸，但觀察以及見證他們的行進故事，也頗具意義。