机器学习开始驱动产业新革命，未来甚至将成为竞争力的证明，为了让人人都能用，Google决定将开源机器学习引擎TendorFlow变成一朵云，也让云端资料平台布局更上一层

除了Container技术，Next大会的另一个焦点技术就是机器学习。继去年Google将机器学习引擎TensorFlow开源之后，现在更进一步，Google推出了机器学习云端服务。

Google研究团队资深院士Jeff Dean表示：「如何理解和运用资料的方式，能决定你成功的深度。」这位在Google Brain团队带头研究深度学习技术的专家是Google最重要的研发人才之一。

他是MapReduce技术的发明人之一，这正是大资料分析平台Hadoop的核心算法。他也设计了Google五代检索、索引与搜寻服务系统，还有Google赖以为生的原生广告与AdSense内容广告系统，甚至还有分散式运算的基础架构。现在，Jeff Dean正全力研究大规模分散式系统上的机器学习技术，TensorFlow正是他率领Google Brain团队打造的其中一项成果。他对机器学习技术发展的看法，最能反映出Google机器学习技术未来的发展方向。

Jeff Dean认为，机器学习技术可以帮助企业，从结构化和非结构化资料中抽取出有价值的趋势，进而降低维运负担也能改善商业运作。

Google从2012年初开始在内部项目中使用机器学习技术，2014年拥抱机器学习的项目量更快速成长，至今超过1,500个内部项目采用，除了AlphaGo以外，还有地图服务、相片服务、Gmail、语音辨识、Android、YouTube、翻译、机器人研究、自然语言研究、医药研发等项目。

Google想要打造的机器学习技术，Jeff Dean表示，想要满足三类使用者，一种是拥有高度机器学习专业能力的专家，来训练他们自有的机器学习模型，第二种是服务那些需要简单易用界面，不需要高度机器学习专业的应用程序开发者，让他们可以善用那些已经预先训练好的机器学习模型，来打造出更聪明的应用程序。最后一种是介于两者之间的角色，也就是资料科学家们，让他们方便在自己的资料上运用成熟的机器学习模型，进行实时或批次的预测。

去年11月，Google开源释出了自家第二代机器学习引擎TensorFlow，这是一个可以本地端、云端或甚至在行动装置上执行的机器学习引擎，引发了业界震撼，在今年Next大会中，Google更进一步推出了以TensorFlow为核心打造的机器学习云端服务Cloud Machine Learning（或简称Cloud ML）测试版，也释出了以机器学习技术打造的Cloud Vision API的Beta测试版、云端语音辨识API的Alpha测试版以及云端翻译API正式版。Jeff Dean表示，这只是开始，将会在云端提供更多机器学习API。

Google云端平台产品管理总监Fausto Ibarra表示，机器学习云并非是一个独立的Google服务，而是Google云端资料平台的一环。

Fausto Ibarra表示，这个资料平台可以提供从云端数据库、储存服务、资料处里服务到分析服务、进阶分析智慧、探索和协助技术的总和，Cloud ML正是进阶分析智慧的关键平台。而当前主要目标，将会锁定常见的4大云端资料应用模式，包括了App开发所需、资料储存与归档、大资料分析以及机器学习应用所需，针对开发者、资料科学家和商业分析人员的需求来打造。