文 / Google 高级研究员 Jeff Dean
大约一年之前，Google Brain 团队首次分享了我们的使命：让机器拥有智慧，造福人类生活。当时，我们向大家介绍了将机器学习与众多 Google 产品进行融合的工作动态，这些产品每天都有数以亿计的用户使用，其中包括翻译和地图等。今天，我想详细介绍一下，让大家了解我们是如何通过改进基础理论与理解机器学习和研究产品服务逐步接近这一愿景的。
五年前，我们的同事 Alfred Spector、Peter Norvig 和 Slav Petrov 发表了一篇博文和一篇论文，阐述了 Google 的混合研究方式，这种方式总能让我们在好奇心驱动与应用驱动的研究之间取得动态平衡。Brain 团队在机器学习中专注应对的最大挑战需要对新想法进行最广泛的探索，也正是这个原因，我们的研究人员会设定自己的议程，团队内大部分人都将精力集中在机器学习最前沿的领域。在探索的过程中，我们过去几年在 NIPS、ICML 和 ICLR 等大会上发表了成百上千篇论文，并且论文的接受率远远高于大会平均水平。
实现愿景的关键是在机器学习领域贡献新的基础性研究。为了实现这个目标，我们构建了一支开展长期、开放式研究的前沿团队，希望推动科学发展。在对视觉与听觉感知、自然语言理解、艺术与音乐生成和系统架构与算法等领域进行研究的过程中，我们定期与外部机构的研究人员协作。在我们 2017 年发表的论文中，三分之一的论文具有一位或多位跨机构作者。此外，我们还邀请学术机构的研究人员来推动我们的工作和加强我们与外部科学社区的联系。
我们也认为，以易于理解的方式向大家清楚解释现代机器学习中的概念非常重要。Distill.pub 是一个在线技术期刊，由 Brain 团队成员 Chris Olah 和 Shan Carter 启动，它为我们向大家解释一些概念提供了一个论坛。TensorFlow Playground 是 Google Brain 团队的可视化专家创建的一个浏览器内试验平台，它让人们可以了解神经网络如何解决一些简单问题。PAIR 的 deeplearn.js 是一个基于 WebGL 加速的开放源代码 JavaScript 机器学习库，它可以完全在您的浏览器中运行，无需安装，也无需后端。
除了与学术和业内的精英合作之外，像 Google 的许多其他团队一样，Brain 团队也坚信培养下一代科学家非常有意义。我们团队每年接收超过 50 名实习生，目标是将他们的成果发布在*机器学习出版刊物上（在我们团队 2017 年迄今为止已经发表的论文中，大约 25% 的论文有实习生作为共同作者，而且实习生通常是主要作者）。
此外，我们还在 2016 年迎来了 Google Brain 学员计划的第一批学员，Google Brain 学员计划是一项为期一年的计划，面向想要学习如何开展机器学习研究的人群。在学员计划的第一年，27 位学员在 Brain 团队成员的指导下进行了研究，并发表了超过 40 篇被*研究大会接受的论文。今年 7 月，第二批 36 位学员在我们团队开始了他们一年的学习，并且已经开始参与各种项目。
在与 Google 研究部门其他团队合作的过程中，我们既可以贡献机器学习的基础性研究，也能单独进行以产品为中心的研究。在确保机器学习发展产生重要的全球性影响方面，这两个途径都非常重要。
查看全文及文中链接，请点击文末“阅读原文”。
推荐阅读：
