深度學習是當前最熱門的人工智能領域。傳統計算機盡管速度很快，但缺乏智能性。這些計算機無法從以往的錯誤中學習，在執行某項任務時必須獲得精確指令。

深度學習技術涉及到開發人工神經網絡，讓計算機模擬大腦分類和處理信息的方式。深度學習中的“深度”意指神經網絡采用分層結構。具備這種結構的數據處理配置被稱作深度神經網絡，相對于其他人工智能技術可以獲得更優的數據處理結果。

深度學習正在驅動人工智能的創新，當前許多應用中都可以看到深度學習的身影。隨著數據量的持續增長，計算能力的成本越來越低，更多行業將受到影響。在這里，我們將看看，作為行業先驅的谷歌（微博）如何將深度學習技術應用于產品和服務。

谷歌為何對深度學習感興趣？

在深度學習的應用方面，谷歌是重要的推動力量。目前，深度學習正得到廣泛應用，甚至被視為人工智能的代名詞。原因很簡單，深度學習技術可以帶來很好的效果。利用深度學習技術，數據科學家解決了困擾多年的難題，例如語音識別和圖像識別，以及自然語言處理。

對深度學習可能性的探索始于2011年的“谷歌大腦項目”。次年，谷歌宣布開發神經網絡，模擬人類的認知過程。這一神經網絡基于1.6萬臺計算機，在學習了約1000萬張照片之后學會識別照片中的貓。

2014年，谷歌收購了來自英國的深度學習創業公司DeepMind。

DeepMind率先嘗試將現有的機器學習技術與神經科學的尖端研究聯系在一起，開發更接近于“真實”智能，例如人類大腦的系統。DeepMind是AlphaGo的開發者。AlphaGo最開始學習電子游戲，隨后又學習了圍棋，證明了DeepMind的算法如何學習完成任務，并成為某個領域的大師。

谷歌在郵件服務中使用深度學習技術是為了什么？

深度學習的概念已在實驗室和圍棋比賽中得到了證明。與此同時，谷歌也在許多服務中部署深度學習技術。

谷歌深度學習的首個實際應用是圖像識別。谷歌掃描了搜索引擎編目的數百萬張圖片，這樣做是為了更精確地分類，從而給用戶提供更準確的搜索結果。在使用深度學習進行圖像分析方面，谷歌的最新突破是圖像增強。這涉及到利用現有數據去推斷，或是借助已知的類似圖像，恢復或填補圖像中缺失的細節。

谷歌的另一個平臺“谷歌云視頻情報”專注于向新用戶提供視頻分析功能。保存在谷歌服務器中的視頻可以被分段及分析，自動生成概要，或是在人工智能認為出現可疑信息時發出安全警報。

語言處理是谷歌又一個使用深度學習技術的領域。谷歌Assistant語言識別人工智能利用深度神經網絡去學習，如何更好地理解語音指令和問題。谷歌大腦團隊開發的技術被用在這個項目中。最近，谷歌翻譯服務被納入了谷歌大腦團隊的負責范圍。這個翻譯工具得到了重新開發，以“谷歌神經機器翻譯”為基礎，將所有一切都納入至深度學習環境。

谷歌核心服務利用深度學習技術的第三種主要方式是在YouTube上提供更有用的建議。谷歌大腦團隊再次提供了技術。在用戶播放視頻時，這項技術監控并記錄用戶的瀏覽習慣。數據已經表明，向觀眾推薦他們接下來想看的視頻是平臺留住用戶，獲得更多廣告收入的關鍵。深度神經網絡被用于研究和學習觀眾的習慣和偏好，指出哪些因素可以讓觀眾留在屏幕前更長時間。

谷歌深度學習還有哪些應用？

當然，考慮到已經取得的成功，毫無疑問谷歌希望將這種技術用于更多面向未來的項目。

2015年，谷歌將TensorFlow機器學習和深度學習軟件平臺開源。這使得所有人都可以利用與谷歌同樣的技術，開發基于神經網絡的解決方案。

通過“云機器學習引擎”，谷歌還向第三方開發者提供了存儲和處理能力。這意味著開發者無需為強大的計算基礎設施而投入大筆資金。

Alphabet旗下的無人駕駛子公司Waymo正在利用深度學習算法去開發自動駕駛系統。這可以幫助無人駕駛汽車更高效地分析周圍環境并作出反應。

與此同時，DeepMind目前正在推進醫療健康項目，包括識別眼球損傷的早期跡象，以及判斷癌細胞的生長。

未來在何處？

在推廣深度學習技術的過程中，谷歌是一股重要力量。谷歌的研究和投資令所有人都可以從這種技術中受益。我們將越來越多地利用深度學習系統去處理自己的數據。許多人都希望，未來幾年深度學習技術能取得飛躍式的發展，無論是對于藥物研發還是對于太空探索。谷歌所做的基礎性工作將是其中的重要一部分。