科技讯9月29日消息，据国外媒体报道，一百多年来，人工智能一直是计算机界的终极难题，对这种极其复杂的技术，我们目前了解的只是冰山一角。目前，科技界的所有领军企业都向人工智能系统的研发投入了重金，但目前看来，我们距离真正的人工智能依旧十分遥远。
对此，国外媒体对谷歌的搜索业务高级副总裁约翰-贾南德雷亚（John Giannandrea）展开了采访。他曾担任谷歌的机器智能业务高管。
以下为访问主要内容。
目前并非人工智能时代，而是机器学习时代
约翰先阐明了一个问题，即机器智能拥有三个不同的层次：机器学习、机器智能与人工智能。机器学习是我们目前所处的研发阶段。在机器学习系统中，我们可编写某种算法并输入一些信息，用来训练机器以某种方式运行。
机器学习的较高层次是，机器能够吸收所学的内容，并适应新概念。而真正的人工智能能够自学新概念并实现自我进步，就像人类那样。我们目前已攻克的问题仅仅是编写人工学习算法。而且，约翰表示，要让系统吸纳所学内容并靠依赖自身的力量来适应新环境，为时尚早。
神经网络以及数字训练场
要让机器达到最简单的智能水平，核心在于“训练”。每台机器首先得接受“训练”，才能以某种方式处理信息。例如，向机器展示一张狗的照片，要它把照片正确标记为“狗”，谷歌需要向神经网络提供成千上万张狗的照片。本质上而言，神经网络是模拟人脑的多层数字感知器。
其中每一层都拥有某些“端口”，它们就像人脑中的神经元一样，可根据携带的刺激信号与对应端口相连接。因此，研究人员会向神经网络输入成千上万张仅含有狗的图像，并查看所有图片对应的输出信息是否是“狗”。一旦出现错误，错误的信息就会被反馈到神经网络中，这样神经网络就能从错误中“学习”，并调整识别模式。谷歌已取得一些显著的进展，这可在照片管理应用Google Photos中得到体现——该应用可基于内容对照片展开分类。
用户可以在Google Photos中输入“猫”，结果就会搜出图库中所有带猫的照片。这就属于机器学习的范畴，但仍然相当有限。约翰指出，虽然这种算法能够搜出所有带猫的照片，但无法根据猫的品种来细分照片。
机器学习的真正极限
当前阶段的机器学习拥有着相当有限的功能。它能够区分猫和狗，但还没办法识别出猫的不同品种。机器学习只能在很有限的变量范围内运行，哪怕只有一个变量发生变化，它就无法正常运行。例如，如果把一只猫装扮成狗，那么Photos应用该把它认作猫还是狗？
谷歌一直利用机器学习技术来开发能够区分说话者的声音和环境噪声的语音识别软件。这种软件还能够识别不同语言，但无法识别语调以及说话时的情感模式（例如，讽刺）。它只能在十分有限的参数集合中运行，要扩大可运行的参数范围，研究者就需要投入大量的时间，并安排成千上万次训练，才能让机器学习系统正常运行。
谷歌如何应用机器学习技术
约翰表示，谷歌的机器学习API目前仍处在研发初期，但进展速度相当快。谷歌正使用机器学习来增强自动搜索功能、YouTube的推荐视频功能、邮件客户端Inbox以及即时通讯工具Allo等等。Inbox的功能之一是基于内容撰写并发送自动回复邮件。约翰表示，Inbox用户发出邮件中的10%就使用了自动回复邮件这一功能。
Allo则更为智能。Allo中的算法学习了用户特有的交谈方式后，就会基于所学内容、建议回复内容。
语音助手Google Assistant对机器学习技术的应用可以说最为深入。它能够识别语言，甚至区分用户的声音与周边的噪音。Google Now则基于用户的使用模式为用户生成相关信息。
隐私问题
谷歌正在收集大量的用户数据，这不是什么秘密。这些数据对谷歌的用途之一是训练机器学习API。当被问及这些数据的安全性有多大，约翰回答，所有数据被用于训练机器学习，并汇总成一个庞大的数据库，但谷歌对数据进行了匿名处理，因此所有数据都无法追溯至来源。