谷歌研发的围棋程序AlphaGo在今年3月的“人机大战”中出尽了风头，与“人工智能的里程碑”这样的赞誉一同而来的还有质疑：人工智能和机器学习，这些对谷歌有什么用？

看起来，这家科技巨头已经找到了答案。上周末，谷歌开发者产品及开发者关系负责人Ben Galbraith来到了ChinaJoy，他跟我们聊起了谷歌过去几年如何用“机器学习”让自己的产品变得更加“聪明”。

机器学习一个重要应用就是，可以让产品像人类一样能够看懂图片。比如，当你去中东自驾游面对阿拉伯语的交通指示牌一脸茫然，但你又没法将这些文字输入翻译时，你只需要将指示牌拍下来，谷歌就能自动“读懂”照片上的文字，把它翻译成你想要的语种。

另一种应用则更为日常，当我们在手机里储存了大量照片时，想要寻找某一个时刻的某一张照片就会异常困难。通过机器学习积累大量数据之后，谷歌能像人类一样看懂你储存的那些照片。

比如，你可以对着手机说“我想找我带8岁的儿子去迪士尼乐园的照片”，几秒钟之后，这些被记录下的欢乐时光就又重新出现在手机屏幕上了。

谷歌目前有七款拥10亿用户级别产品，这些产品每时每刻都在产生大量的用户数据。在没有引入“机器学习”之前，挖掘这些数据是一项庞大而缓慢的工程，存在大量的重复性工作。

“机器学习”被引用之后，这些用户数据成为了它最好的原材料，通过不断分析、归类、整理、输出，这些“数据”也被用“活”了。

这些“产品”变得更聪明之后，受益的不仅仅是普通用户，还有利用谷歌服务的大量应用开发者。

一款应用登陆谷歌应用商店之后，会得到大量的用户留言评论，以往开发者只能通过一条条阅读去发现自己产品和用户体验的不足。引入机器学习技术后，谷歌将这些评论进行了重新的分类和整理，同时与其它同类型应用的评论进行交叉对比，发现了一些不一样的洞察。

“开发者能够很直观地了解到，比如我这款游戏在可玩性这一项上的评价比同类型的低了20%，那么我就需要针对性加强这一块。”Ben Galbraith告诉腾讯科技。

这种数据分析的力量还体现在在这些开发者利用谷歌平台投放广告时。截止目前，已经有20亿个应用通过Youtube、搜索擎关键词、Admob等不同的谷歌平台进行了下载安装。

当开发者不清楚如何对这些平台进行预算投放分配时，谷歌可以通过追踪此前相似应用的投放结果，帮助开发者找到最高效的投放方式。

Ben Galbraith说，机器学习已经在谷歌产品上得到了全面应用。“实际上，我想不出哪一款谷歌产品，现在还没有用到机器学习了”。