不要认为花钱太随意。谷歌并不愚蠢

谷歌研究和机器智能部负责人称,公司正以比以往更快的速度将人工智能突破性进展转化为产品。

1998年4月,两位斯坦福大学计算机科学毕业生发表了一篇论文,描述了一种超文本文档排序的新方法。当年9月,他们注册成立了一家公司,目前市值4,800亿美元,拥有员工60,000人。

这家公司就是“谷歌”,目前只是最近创建的母公司Alphabet的一个事业部。

去年,谷歌各项业务的研发总支出近100亿美元,占公司收入的15%,并且该支出还在一直增长。这些研发项目吸引了最多的关注,如自动驾驶汽车和可穿戴计算机Google Glass。

一些投资者抱怨说,公司在一些见效很慢的项目上花钱太随意。

但工程监理研究和机器智能部副总裁约翰·基纳德里(John Giannandrea)表示,Alphabet最大的研究团队,即原有的谷歌团队,显示这些研究投资的回报正在加快。

在此次交谈中,基纳德里告诉TR君,开始不起眼的研究工作取得了突破性进展,而这些进展正在迅速转化成重要的新产品。

谷歌投资时最看重哪些研究领域?

我们优先考虑的基本上都是计算科学的所有重大挑战,如语言理解、教计算机阅读、翻译、在嘈杂的环境完全理解讲话,或完全理解不同口音的讲话。

我们需要努力解决所有这些待解问题,然后以公司的形式生产这些产品。

如何组织研究人员?他们与产品组分开工作吗?

研究和产品之间的界线非常不固定。我们有一个大的研究组,下设各有专长的分组,如手写识别分组和语音识别分组。研究人员与正在使用他们技术的产品团队紧密配合。

一旦我们取得了前沿突破,我们会迅速将它们转化为产品。一个很好的例子是我们今年夏天推出了谷歌照片应用程序(Google Photos)。

你可以通过打字,如键入“腊肠犬”,搜索你的个人照片,然后该应用会找到一张腊肠犬照片(如果你有该照片的话)。

该应用基于一种先进的计算机视觉算法。该算法在今年年初的一个研究会议上公布,并在几个月后应用到产品上。

你的小组为谷歌做研究,但谷歌现在只是Alphabet下的一个子公司,跟其他子公司一样,如智能家居公司Nest和研发自动驾驶汽车等项目的X Labs。有没有一些Alphabet其他部门正在做的,而你们不打算进行的工作吗?

没有,我们拥有Alphabet内部目前为止最大的产品研发团队。我们将继续投资于领先的计算机科学领域,这是我们作为一个公司的最核心部分。

Alphabet的目的在一定程度上是通过促进子公司技术研发,包括Google.com、生命科学、自动驾驶汽车等来加快整体研发进度。

谷歌发布了很多关于人工智能和机器学习的研究论文。其中一个相对较新的领域叫做“深度学习”(deep learning),这看起来是一大重点。而且,你收购了新创公司DeepMind。

从某种程度上,你可以根据我们发表的文章判断我们的投资水平。

如果工作进展得好,我们会发布进展情况,因为我们为取得的成果感到骄傲,而我们的竞争对手也在做同样的事情。谷歌历来都会将机器学习应用到产品中。

三四年前,深度学习的研究成果已经相当不凡。我们将其应用到的领域包括最初的语音识别、随后的图像理解,以及最终的语言理解。我们从中看到了巨大的改进。

我们向深度学习刻意投入了大量资金,并吸引有意在这一领域有所建树的人才。我要说的是:深度学习或机器学习是谷歌在过去的几年里一直优先考虑的重点。

深度学习研究工作的下一步是什么?你希望将它应用到理解自然语言等新领域吗?

我们不把这些研究视为孤岛。

文本分析、语音分析或图像分析不是互相独立的。我们做的所有工作都可以归结为机器智能(machine intelligence)。

利用搜索引擎,我们已经开发了一款可以回答很多问题的产品,但我们仍然需要,在真正理解讲话和提问方面,进行进一步的投资。

例如,我们已经公布了同时进行图像分析和语言分析的研究结果。你甚至可以将机器人视为我们工作的一部分。

为了让机器人真正为世界服务,机器人视觉(能看到周围事物)将是非常有用的功能。谷歌还有不少人从事机器人控制研究。

你曾说过,探索的步伐有所加快。这是否意味着你的研究投资回报更快,因为从突破性进展转化为有利可图产品的时间更短?

我认为,从论文发布到形成产品的周期比以前更短。这一速度归功于互联网和创业文化。

与从前相比,现在创业更容易,因为你可以在云(cloud)上做东西。无需任何资金,你就可以成立一家深度学习初创公司。

我认为,当前的创新速度快于以往任何时候。

精选阅读

(点击标题阅读)

MIT Technology Review 中国大陆地区独家授权,

未经授权严禁转载。

关注即将商业化的技术创新,

分享即将资本化的技术创业。

如需转载合作请直接回复“转载”

发表评论

邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据