人工智能（AI）的發展重點是令機械變得「聰明」，就如以往過濾垃圾電郵必須選用關鍵字（keyword）；近年運算平台能力不斷提升，再加上在機械學習（Machine Learning；ML）的架構，令情況變得不一樣。
運算系統需要經過訓練、推理（inference）後作出決定，去辨認任何物件的名字與性質。Google 全球副總裁兼工程研究員 Jay Yagnilk 表示，這其實不是驚天動地的新技術，現有運算科技足以應付。
ML 只屬初期
每年有關機械學習的 Arxiv 論文數目，增加速度不下於「摩爾定律（Moore's Law）」的級數；另一方面，參與神經資訊處理系統（Neural Information Processing Systems；NIPS）大會相關項目的人數亦不斷上升。Yagnilk 舉例指出，人類由 1826 年首次引進攝影技術、到 1893 年嘗試第一張自拍照、1847 年首張新聞照片現身、1860 年初嘗航拍、1861 年推出彩色攝影、1878 年發明動態圖片、1957 年首次掃描數碼相，當中科技皆以高速成長。他認為機器學習只屬初期發展階段。
Google 稱堅持不作惡
目前 Google 為開發人員提供工具，他們就算非 ML 專家亦能架設以雲端運算為基礎的 AI 應用。Yagnilk 認為，AI 未來另一挑戰是運算能力限制，但以 GPU（圖形處理器）為基的系統平台可解決上述問題，持續協助人類社會改善生活水平。例如，目前全球有 5 億人以木薯作為主要食物來源，但自然災害有機會造成嚴重失收。Google AI 提供多達 5 種語言的方案，協助全球農夫分析與預早解決農作物成長問題。早前面對天災 Google AI 平台亦見用處，如「洪水預報系統」能跟不同國家政府合作，有助拯救成千上萬的生命。
人工智能會否失控，這大概是在科幻電影中才會提到的問題。Google 其實亦設下 7 項 AI 原則，包括：必須對社會整體有益、對人類負責、避免製造或增加不公與偏見以及保護私隱等。這跟該公司草創時定下的「不作惡（Don't be evil）」原則，思維可謂一致。Yagnilk 認為，這基礎對於以「AI 為先」的 Google 十分重要，也是為未來輸入正確價值觀的手段。
建立機械學習生態
開源工具 TensorFlow 正是 Google 協助業界架設機械學習生態環境的平台。該項目工程總監 Rajat Monga 指未來物聯網（IoT）涵蓋數據中心、智能手機與家居，各個層面互聯互通。目前 TensorFlow 已錄得超過 1,700 萬次下載量，其中僅中國境內的下載次數已達 200 萬 ，走向建立「AI 觸手可及」的環境。其中剛於本港上市的「美團點評」，正正採用 TensorFlow 的 ML 架構為旗下網站海量相片分類，大大改善用戶觀看體驗。ML 就連中國歷史中源遠流長的對聯文化也能應付，在 Google 中國工程師優化 TensorFlow 系統平台後，電腦也能化身文人分析上聯，為下聯工整配字。
Source：ezone.hk