去年11月，谷歌宣布，机器学习研究杰出人物菲菲李博士将加入谷歌的云组平台组，很多人知道她的学术工作。但是，谷歌很少透露有关她为什么要加入公司，除了她将会导致机器学习的谷歌云业务。
在五个月的悬念之后，昨天李透露了她的新角色的重点在谷歌云开发者大会上的主题演讲,云计算未来2017。她将把自己的经验用于企业机器学习的民主化。她的任务是研究机器学习在各行各业可以解决的问题，使企业能够采用机器学习。
+同时在网络世界：有个足球雷竞技app谷歌云EXEC会谈求爱企业+
这听起来更像是一个企业的推销员，而不是一个斯坦福大学研究教授，出版领域超过一百篇论文工作，但是这将是错误的结论。机器学习已经产生了惊人的效果，但其应用已十分狭小，到目前为止，适用于大学研究和长期投资者在机器学习研究，如谷歌，Facebook，IBM，及微软应用程序来解决他们的特定领域的问题。
有些这样的工作是可扩展的，已经产生了相同的诊断准确性医生诊断皮肤癌和糖尿病性视网膜病变，失明的首要原因，在主题演讲中李提到的其他行业，如医疗成像。但是，她正在寻找企业可以使用新的绿地应用。
谷歌将使企业采用机器学习和人工智能的4种方式
李就人工智能民主化问题提出了四点建议。她一开始就说，“机器学习可以提供帮助，但这仍然是一个障碍很高的领域。它需要很少有公司能够负担得起的罕见专业知识和资源。”
她提出谷歌的云、技术和服务可以作为企业的人工智能和机器学习入口。
1.谷歌云中的机器学习计算
由于深学习算法可以有上千万的参数，这些训练机器学习模型，需要庞大的计算资源。在这里宣布，李从云机器学习引擎的测试版的发布。此功能是专为企业数据科学家和机器学习专家谁能够与库如Tensorflow建立自己独特的机器学习模型。
训练大型模型需要大量的计算，通常需要昂贵的专用硬件。训练是迭代的，需要多个学习周期来优化模型的性能和准确性。缓慢的硬件意味着模型开发人员需要等待数天、数周甚至更长的时间来进行一次训练，这样他们才能迭代以提高模型的准确性和性能。机器学习团队的培训资源需求与运营系统不一致，导致投入在内部硬件资源上的资金利用效率低下。
李提出谷歌的基础设施作为加快训练时间和提高投资回报的解决方案。谷歌有专门的ASIC, GPU和TPU硬件在其云加速培训，提高对按需云计算资源利用率的投资回报率。该模型被训练后，它被部署在多种平台 - 从内部部署到移动设备。
2.算法和预训练的机器学习模型
在这一点上，大多数企业都没有技术能力来建立和培训使用机器学习引擎的定制机器学习模型。这些公司可以将机器学习应用于谷歌的预训练模型(完整的列表)使用api为其应用程序增加机器学习能力，例如理解自然语言、图像和自然语言。
为了解视频的API测试也被公布。它标记通过时间线中的视频内容。李所指的视频作为互联网的暗物质，因为它们没有索引，需要串行搜索找到的视频中的内容特定的元素。这个云视频智能测试的示范3分钟的视频快速解释该功能。
李彦宏还提到，谷歌将把它在人工智能和机器学习研究方面的巨大投资用于创造新产品。
3.谷歌收购Kaggle数据
数据是AI的原料和陡峭的障碍一个企业的学习机上匝道。李画上她的经验构建开源ImageNet数据设置启用了深度学习研究的进展超过1500万标图像。Imagenet是一种重要的资源，但也有需要不同的数据集的许多其他机器学习的挑战。
谷歌收购了Kaggle为数据集和人才。Kaggle成立于2010年，是一个由来自世界各地的85万数据科学家组成的社区。该社区举办各种竞赛，以创建最准确的预测模型和市场模型，以及获取各种领域的新的公共数据集。
4.专业知识
李彦宏为客户介绍了先进解决方案实验室(Advanced Solutions Lab)，目标是开发机器学习来解决复杂问题。她提到了保险公司USAA与高级解决方案实验室合作的例子。USAA的一组工程师来到谷歌，向谷歌的工程师学习，建立一个广泛的技能基础，针对他们的保险需求。
先进解决方案实验室转移技能最能运用它们的企业。但它也为李和她的团队研究的绿地机器学习围绕着特定的行业结构性机会的机会。在投资组合中，谷歌公司的母公司字母，生命科学研究公司从事实实在在的科学和工程团队来解决新的和难以解决的其他公司和机构给他们带来了问题。目前还不清楚，如果李娜的团队将借此进一步措施。
AI的著名企业应用
此前在主题演讲中，李开始描述一些企业应用程序，说她深感兴趣：“这么多更多的是等待工作要做。”
- 零售:谷歌的Adsense可以被零售商扩展，为个人消费者提供最好的广告。
- 供应链:优化路线和库存，预测需求变化，无人机和自动车辆交付。
- 新闻内容个人个性化的新闻和屏幕上的假新闻。
- 金融服务:预测信用卡风险，管理个人财务，标记犯罪活动，如洗钱和欺诈，自动化流程，如替换呼叫中心和处理保险索赔与训练有素的人工智能代理。
- 医疗保健李彦宏说，人工智能在医疗保健中的意义是深刻的——自动化视觉诊断、减少开销、减少错误、将医疗保健扩展到服务不足的人群、扩大手术实践、改善医疗管理，比如医生看病时的电子病历记录和慢性病的管理。
从李的基调看来，谷歌在应用其很长的和广泛的人工智能和机器学习的经验来区分其云业务，并带领这部分市场的努力已经成为积极的。