谷歌＂机器学习忍者＂计划:人工智能融入所有产品

尽管迦南德里已是搜索业务主管，但他仍然认为在内部传播 机器学习 技术的福音是他工作的一部分。他说：“计算机科学那部分不会有太大变化，但对数学和统计学的关注会更多，而对编写五十万行 代码 的关注则会减少。”就谷歌而言，这一障碍可以通过智能再培训克服。迪恩说：“在训练的一天结束时，这些模型中所使用的数学变得不再复杂。对于谷歌雇佣的大部分工程师而言，这都是可以实现的。”

为了进一步帮助日益增长的 机器学习 专家团队，谷歌开发了一系列强大的工具，在训练 算法 时选择正确的模型，以加快培训和提炼过程。其中最强大的是TensorFlow，它可以加速 神经网络 的构建过程。TensorFlow源自谷歌大脑项目，由迪恩和他的同事拉加特·芒格(Rajat

Monga)共同发明。它能把构建系统过程中涉及的晦涩难懂的细节变成标准化的内容，特别是在谷歌2015年11月开始将其开放给公众后，这种做法的效果更快得以显现。

前景广阔 应用无限

尽管谷歌煞费苦心地将传播 人工智能 技术的行为描述为利他主义行为，但它也承认：如果新一代程序员都能熟悉该公司内部的 机器学习 工具，那对谷歌未来的招聘活动带来莫大好处。尽管如此，TensorFlow的功能以及谷歌的 开源 模式很快受到了程序员的欢迎。迦南德里表示，当谷歌首次提供TensorFlow课程时，共有7.5万人报名参加。

但谷歌仍为自己的程序员保留了很多好东西。在公司内部，员工拥有无可比拟的 机器学习 工具——Tensor Processing

Unit(张量处理单元)。他们虽然使用这项创新已经很多年，但直到最近才对外宣布。张量处理单元是一种针对 机器学习 程序优化的芯片，就像GPU是专门针对图形处理优化的芯片一样。该公司的庞 大数据 中心里使用了数以千计的张量处理单元。通过赋予 神经网络 以超级计算能力，张量处理单元为谷歌带来了巨大优势。迪恩说：“如果没有它，我们无法推出RankBrain。”

但由于谷歌最需要的还是设计和完善这些系统的人才，就像正在紧锣密鼓地完善其软件训练工具一样，谷歌也在不断尝试各种方式来为工程师提供 机器学习 方面的培训。这些培训的规模大小不等，包括为期两天的速成班，使用幻灯片和实际操作练习。谷歌希望这只是初步尝试，工程师随后还会寻找更多资源来深入学习。迪恩说：“已经有数千人报名，准备参加下一次课程。”