谷歌＂机器学习忍者＂计划:人工智能融入所有产品

结果显示这种方法确实有用。这套系统如今已经成为谷歌搜索的一部分，被称作RankBrain。它于2015年4月上线。谷歌继续秉持着以往的风格，对如何改进搜索讳莫如深。但迪恩表示，RankBrain“融入到每一个搜索请求中”，虽然未必会影响所有的排名，但的确对很多搜索请求的排名都产生了影响。另外，该系统效果显著。在谷歌计算排名时所使用的数百个信号中，RankBrain的使用排名第三。

迦南德里说：“我们成功利用 机器学习 改进了搜索结果，这对公司来说意义重大，也引发了很多人的关注。”华盛顿大学教授佩德罗·多明戈斯则则表示：“检索派与 机器学习 派始终都存在着分歧， 机器学习 派最终赢得了胜利。”

谷歌认知转换面临的新挑战是如何让所有工程师都熟悉 机器学习 ——哪怕不擅长 机器学习 。这也是现在其它许多公司也在追求的目标，其中最引人关注的当属Facebook，该公司与谷歌一样执着于 机器学习 和深度学习。对这个领域的毕业生的竞争变得更激烈，而谷歌正在努力维持其对毕业生的吸引力。学术圈多年以来都流传着一个玩笑：即使不需要顶尖学生，谷歌也会招聘他们，避免人才被竞争对手抢走。

多明戈斯说：“我的学生无一例外都得到了谷歌的录用通知。”目前看来，竞争的激烈程度有增无减。就在上周，谷歌宣布将在苏黎世开设一个新的 机器学习 实验室，有很多工作岗位有待填补。但由于学术项目尚未培养大量 机器学习 专家，所以为员工提供在职培训面成为了必要措施。

但这却并非易事，尤其是对于谷歌这样的公司而言。这里有很多世界顶尖的工程师，他们毕生都在研究传统的编程方式。 机器学习 却需要截然不同的思维模式，人们之所以能变成编程大师，通常是因为他们实现了对编程系统的完全控制。 机器学习 还需要掌握一些数学和统计学知识，但是很多程序员却对此不屑一顾，即便是那些能够写出超长 代码 的超级黑客也不例外。

克里斯汀·罗伯森,职责是在 机器学习 方面培训谷歌内外的人员。

这也需要相当程度的耐心。罗伯森说：“ 机器学习 模型不是静态 代码 ，你需要不断为其提供数据。我们一直在不停地更新模型，而且还要不断学习，增加更多数据，调整预测方式等。它就像是一个有生命的东西，这是一种截然不同的开发模式。”迦南德里说：“实际上这是一个使用不同 算法 进行实验的学科，或关于哪个训练数据集在你的使用案例上工作效果最好的学科。”