日前籮文去到東京參與一次 Google 的亞太區媒體活動，一眾 Google 研究員及工程師為媒體介紹 Google 將來的發展大方向：機器學習(Machine Learning)。好像好深奧吧？以下就為你一一解構。
日前籮文去到東京參與一次名為 The Magic In The Machine 的 Google 的亞太區媒體活動，一眾 Google 研究員及工程師為媒體介紹 Google 將來的發展大方向：機器學習(Machine Learning)。
其實 Google 一直都已經有運用機器學習技術 (Machine Learning) 在各種領域，如預測使用者喜好、診斷辨識等， Google 目前透過兩方面應用機器學習技術：強化現有的產品服務 (如：Google搜尋裡的排名建議)、提供更先進更新穎的產品服務 (如：Gmail 裡的 SmartReply 智慧回覆功能)。
機器學習即是讓機器懂得學習，而機器學習和人工智慧 (AI) 的差別：人工智慧是希望令機器有智慧、而機器學習是希望「機器具有學習能力」。事實上，發展 AI 比 Machine Learning 難上許多，所以後者為較可行的目標與方向。Google 讓電腦透過各種樣本與案例學習。Unwire 幾年前的一則報導就舉出一個實例說明什麼是 Machine Learning。
我們熟悉的機器運作方式是輸入 (input) 後進入機器設定的模型 (model) 後得到出品 (output) 或預測結果 (predictions)，但是模型的設定可能過於單一，導致出品或預測結果會不準確。因此如何讓模型的設定更聰明、涵蓋更多變數，就是機器學習的重點。參數越多、比較越多次，學習的效果會越好，而且學習的過程是漸進式的。
其實 Google 早就已經開始將 Machine Learning 應用到手機應用程式，而最顯而易見的例子就是 Google Photos。Google Photos 除了幫大家把照片同步到雲端外，還用了三大方法去分類照片，讓用家非常方便地搜尋相片。Google Photos 根據⼈物、地點或物件進⾏照片分類，用家只要透過關鍵字搜尋，即使您沒有特別標註，也能快速找到需要的照⽚。
▲籮文一打開 Google Photos，App 就自動將相片分門別類，而準確度達9成。
以上的電腦視覺 (Computer Vision) 就拜於 Machine Learning 所賜。舉例來說，當Google相簿要辨識一隻貓的照片，首先會辨識到線條與顏 色，接著發現眼睛與耳朵，經過這樣一層層複雜的偵測後，辨識出這是 一隻「貓」。而 Google 相簿如何將物件連結到「貓」這個字，就要從網路上千張 「貓」的影像與「貓」這個字的連結，整理出「貓」字連結的影像中， 通常有「尖尖的耳朵」與臉上生動的線條。透過這種文字與圖像的分析，Google 相簿得以對相片中的情境有全面性的了解。例如，當照片出現插著蠟燭的蛋糕時，我們知道用戶正在慶祝生日，因此尋找照片時，可以搜尋「生日」而非「蛋糕與蠟燭」。
顯然 Machine Learning 屬於 Google 一些核心的技術，一般用家可以無興趣了解此技術的運作或原理。但只要應用到適合的地方，對於用家絕對為一大方便。籮文就是 Google Photos 的重度用家，根據⼈物、地點或物件進⾏照片分類的功能實在十分方便，希望 Google 日後亦會將技術應用到不同範疇，讓科技更方便人類生活。
