編者按：Google 這家成立于 1998 年的公司，起于互聯網搜索引擎，其 Android 是移動操作系統當之無愧的霸主，不滿足于語音識別+搜索，而從 2016 年開始了真正意義上的人工智能起點，到如今真正地 All in 了 AI，更是在學術和應用上兩面開花。那么，Google 在 AI 上究竟都實現了什么？我們或許可以從前不久的 Google I/O 上一窺究竟。

很幸運今年又再一次來到 Google I/O 現場，會場仍然在離 Google Complex 不遠的海岸圓形劇場。會議開始之前，主會場人頭攢動，各種歡呼聲，結伴照相的聲音此起彼伏，恍若入了慶典的海洋。這三天的會場萬里睛空，除了在 Keynote 中某個團體開著飛機拉橫幅之外，基本上沒有出現其他干擾。由于 Keynote 的一些圖片已經滿天飛大家也看到了許多，筆者就現場抓拍了 Google Brain 的老大 Jeff Dean 出場的畫面。

這應該是這位大佬，為數不多的在 Google I/O 出場的場景。

既然各個 Session 的全程視頻網上都有，那我就專注于 Google I/O 大會 AI 相關的展臺，今年的 ML 相關的展臺也設的比較特殊，就在會場入口不遠處。

整個 I/O 的標志是 I/O Lankmark 的位置，而 AI 相關的展廳便是附近的 G 位置，得天獨厚。我在第二天的下午，就跑到 AI 相關的展臺，去看看里面倒底有什么。

所有的展廳外面都是搭的帳篷，ML+AI 放在一個展廳，用最醒目的大紅色加以標注。

Google AI Research

進門右拐，可以看到 Google AI Research 的展位。人工智能發展到今天，數據越來越重要，誰掌握了數據，誰就能夠做出更好的 AI 模型，數據是人智能的食糧。大公司可以以數據取勝，那么，對于眾多開發者，探索人工智能如何落地的工程師，如何得到有效的數據呢？Google AI 搜索主要解決數據集的問題，讓你免費獲得可以公開的數據集。

我們知道，Google 最強有力的武器便是它的搜索工具，便攜，好用。而且不會出現各種詐騙信息。那么，Google 對于數據集專門出了一個搜索通道，會加速 AI 的學習使用。

附數據專項搜索引擎的地址：

https://toolbox.google.com/datasetsearch

我們以 students 為關鍵字，查找一下數據。打開頁面為：

https://toolbox.google.com/datasetsearch/search?query=students&docid=aTkZB%2F0%2F6kN6Bq6AAAAAAA%3D%3D

整個結果頁面如下：

總共搜出了超過 100 個數據集。我們就從第一個數據集 kaggle 來看一下，搜出了什么樣的結果：

通用屬性，告訴我們一份關于中學生的社會、性別的學習數據，可以看出酒精消耗程度。然后我們拿到這些數據的詳細信息，包括來源網站、上傳日期、數據來源、許可、可下載的文件格式。

數據詳繼描述，說明了這份數據可以用來預測學生的最終級別。在描述中，共有 30 個數據域，把每一個域的數據的意義，標識都解釋的一清二楚。

完全是妥妥的一份完全數據清洗之后的數據嘛?？梢阅脕碇苯佑昧恕?/p>

一個搜索引擎，做這么貼心。真的很不容易，是不是需要感動一下？

AI on Edge

上面這張照片所顯示的是一個 Edge 端的 Demo 演示，整個演示過程如下：

有一個上面帶有數字標記的圓盤，圓盤編號從 1 到 8.先把圓盤投到右邊的斜槽上，圓盤滾動到最右邊，然后用帶攝像頭的 Edge TPU 去識別圓盤上的數字，如果識別完之后，自動的轉動右邊的黑色大的圓圈中的白色的通道，使得這個通道連通最下面用數據標識的槽。然后帶數字的圓盤就會掉落到對應數字的槽中。

左邊是一個顯示器，顯示器展于從 1,2,3,4,5,6,7,8 這 8 個數字的圓盤的識別情況，照片正好識別的數字 1 的情況，我們能夠看到顯示屏的瀏覽器中，這個 Demo 的名稱為“Vision Intelligence with AutoML and Edge TPU”。 用 AutoML 和 Edge TPU 實現視覺智能。

我起初覺得就是用 Edge TPU 實現簡單的數字分類，難度在于圓盤識別的數字可能是歪的，需要調正，然后再識別。但是展臺工作人員告訴我，這個 Demo 完成了兩個功能，一個功能是識別數字，打開對應通道，另一個功能是檢查圓盤有沒有破損情況，如果有破損，那么會標記出來，在顯示屏上會顯示”break”。相當于是 2 個 AI 模型共同工作，得出的結果。

即使只是一個小小的 Demo，但背后的技術含量還是很高的。

那么，讓我們的思緒亂飛一會兒，這樣的 Demo 有什么樣的實際應用場景？而且我們用不同的 AI 模型相互搭配、亂入，可以獲得什么奇妙的應用場景呢？歡迎留言討論。

Custom&Pre-Trained Models

Custom&Pre-Trained Models 這個展臺實際上向我們展于，我們在視頻中，實時識別的數據，我們可以做什么樣的處理，達到我們想到的結論。再補上一張圖：

這張圖也是這個展臺中的，相當于用這個模型，可以分燈出人、飛機、汽車等一些對象。如果是攝像頭處理的視頻流，那么，可以用時間記錄下來，在時間軸上，什么時間識別出了什么樣的物體？這個類型的識別，更能夠用于人口流量的統計等場合。比如一個十字路口，每一秒，每一天過了多少人？如果人流量太大，可以做一些分流。

Dance Like

這應該是具有互動性的一個展臺了。

這個展臺實際上想展示 AI 在舞蹈方面的應用。首先站在背景的男士，可以看到他的對面有一個顯示器，顯示器上是一個舞蹈老師在跳舞。我們學舞蹈時，也會這樣做，前面有一個老師，現場教學。在前面，觀眾可以看得到的顯示器有兩個畫面，左邊的畫面是真實的跳舞的人的動作。右邊的畫面是舞蹈老師和跳舞的小伙子重疊的影像。而且能夠實時的看到姿勢的差異。我們用另一張圖片展現一下。

這張圖片就更明顯了，在這個時間點上，后面跳舞的帥哥是正面稍微下蹲的姿勢，但是老師是擺腿的姿勢，完全不一樣。對于學習跳舞來說，這是一個很好的產品。但是我突然有種不好的感覺。這個產品對于人的模仿能力，是極大的考驗啊。這完全是用 AI 跟人在磨啊，AI 吊打人類啊。

總結

這次的 I/O 之行，聽了很多演講，主要在 AI 的展廳實地觀摩了一翻，還有一些 AI 展臺沒有介紹。但是上面這四個展臺給我的印象特別深。對于數據處理，結論分析，實際的應用場景，都有展示?？梢哉f，展臺產品涉及到 AI 從數據到實際產品的幾個主要環節，對于開發者，公司運用 AI 提供了特別好的示例。隨著 AI 的應用越來越廣泛，相應的落地應用會越來越多。