深度学习技术涉及到开发人工神经网络，让计算机模拟大脑分类和处理信息的方式。深度学习中的“深度”意指神经网络采用分层结构。具备这种结构的数据处理配置被称作深度神经网络，相对于其他人工智能技术可以获得更优的数据处理结果。
深度学习正在驱动人工智能的创新，当前许多应用中都可以看到深度学习的身影。随着数据量的持续增长，计算能力的成本越来越低，更多行业将受到影响。在这里，我们将看看，作为行业先驱的谷歌(微博)如何将深度学习技术应用于产品和服务。
谷歌为何对深度学习感兴趣？
在深度学习的应用方面，谷歌是重要的推动力量。目前，深度学习正得到广泛应用，甚至被视为人工智能的代名词。原因很简单，深度学习技术可以带来很好的效果。利用深度学习技术，数据科学家解决了困扰多年的难题，例如语音识别和图像识别，以及自然语言处理。
对深度学习可能性的探索始于2011年的“谷歌大脑项目”。次年，谷歌宣布开发神经网络，模拟人类的认知过程。这一神经网络基于1.6万台计算机，在学习了约1000万张照片之后学会识别照片中的猫。
2014年，谷歌收购了来自英国的深度学习创业公司DeepMind。
DeepMind率先尝试将现有的机器学习技术与神经科学的尖端研究联系在一起，开发更接近于“真实”智能，例如人类大脑的系统。DeepMind是AlphaGo的开发者。AlphaGo最开始学习电子游戏，随后又学习了围棋，证明了DeepMind的算法如何学习完成任务，并成为某个领域的大师。
谷歌在邮件服务中使用深度学习技术是为了什么？
深度学习的概念已在实验室和围棋比赛中得到了证明。与此同时，谷歌也在许多服务中部署深度学习技术。
谷歌深度学习的首个实际应用是图像识别。谷歌扫描了搜索引擎编目的数百万张图片，这样做是为了更精确地分类，从而给用户提供更准确的搜索结果。在使用深度学习进行图像分析方面，谷歌的最新突破是图像增强。这涉及到利用现有数据去推断，或是借助已知的类似图像，恢复或填补图像中缺失的细节。
谷歌的另一个平台“谷歌云视频情报”专注于向新用户提供视频分析功能。保存在谷歌服务器中的视频可以被分段及分析，自动生成概要，或是在人工智能认为出现可疑信息时发出安全警报。
语言处理是谷歌又一个使用深度学习技术的领域。谷歌Assistant语言识别人工智能利用深度神经网络去学习，如何更好地理解语音指令和问题。谷歌大脑团队开发的技术被用在这个项目中。最近，谷歌翻译服务被纳入了谷歌大脑团队的负责范围。这个翻译工具得到了重新开发，以“谷歌神经机器翻译”为基础，将所有一切都纳入至深度学习环境。
谷歌核心服务利用深度学习技术的第三种主要方式是在YouTube上提供更有用的建议。谷歌大脑团队再次提供了技术。在用户播放视频时，这项技术监控并记录用户的浏览习惯。数据已经表明，向观众推荐他们接下来想看的视频是平台留住用户，获得更多广告收入的关键。深度神经网络被用于研究和学习观众的习惯和偏好，指出哪些因素可以让观众留在屏幕前更长时间。
谷歌深度学习还有哪些应用？
当然，考虑到已经取得的成功，毫无疑问谷歌希望将这种技术用于更多面向未来的项目。
2015年，谷歌将TensorFlow机器学习和深度学习软件平台开源。这使得所有人都可以利用与谷歌同样的技术，开发基于神经网络的解决方案。
通过“云机器学习引擎”，谷歌还向第三方开发者提供了存储和处理能力。这意味着开发者无需为强大的计算基础设施而投入大笔资金。
Alphabet旗下的无人驾驶子公司Waymo正在利用深度学习算法去开发自动驾驶系统。这可以帮助无人驾驶汽车更高效地分析周围环境并作出反应。
与此同时，DeepMind目前正在推进医疗健康项目，包括识别眼球损伤的早期迹象，以及判断癌细胞的生长。
未来在何处？
在推广深度学习技术的过程中，谷歌是一股重要力量。谷歌的研究和投资令所有人都可以从这种技术中受益。我们将越来越多地利用深度学习系统去处理自己的数据。许多人都希望，未来几年深度学习技术能取得飞跃式的发展，无论是对于药物研发还是对于太空探索。谷歌所做的基础性工作将是其中的重要一部分。
文章来源：腾讯科技
RSS订阅
