Google 的机器学习应用程序

机器学习是人工智能 (AI) 和计算机科学的一个领域，专注于使用数据和算法来模仿人们的学习方式，目标是稳步提高准确性。

在当今时代，每个人都知道谷歌，使用谷歌，也使用谷歌搜索任何信息。是的，这篇文章是关于谷歌最常用的机器学习应用程序。

应用：

1.谷歌地图：

如果我们需要方向或交通信息，我们最有可能使用谷歌地图。 “尽管交通繁忙，但你走的是最快的路线，”前几天我去另一个城市旅行时，地图对我说。但是它怎么知道呢？

谷歌地图结合了预测功能——由机器学习提供支持——如果他们的巴士延误，它将提前提醒乘客。它现在提供实时监控数据，可以预测全球数百个地点的交通延误。

谷歌创建了一个使用传统交通数据的模型，并对其进行了调整，以考虑公共汽车运动和路线的独特特征。研究人员使用交通机构的实时输入从公共汽车位置序列中提取训练数据，并将其与旅途中公共汽车路径上的汽车交通速度联系起来。

2.谷歌翻译：

谷歌翻译已经存在了十年。谷歌翻译最初是用基于短语的机器翻译作为主要算法引入的。后来，谷歌开发了进一步的机器学习突破，永久地改变了我们思考外语的方式。

谷歌神经机器翻译（GNMT）的发布是翻译系统最重要的进步。其模型架构由编码器网络（左侧）和解码器网络（右侧）组成。

在经典的级联系统中，需要一个中间表示来表示语音。与级联系统不同，谷歌用 Translatotron 证明了单个序列到序列模型可以直接将语音从一种语言翻译成另一种语言，而无需中间文本表示。

3. 邮箱：

自 2004 年以来，Gmail 一直在改变我们对电子邮件的看法。据谷歌称，在此期间，它已经积累了 15 亿用户。我是其中之一，你也很有可能也是。

据谷歌称，新的深度学习扫描仪自 2019 年底开始运行。在此期间，它将包含恶意脚本的 Office 文档的每日检测覆盖率提高了 10%。考虑到谷歌每天扫描的大量论文，这是一个很大的数字。当您考虑扫描仪擅长的领域时，这个数字要大得多，即“检测敌对的突发攻击”。

4.谷歌助手：

谷歌通过将语音转换为文本并利用深度学习的改进，将人工智能应用于袖珍型小工具。

谷歌智能助理必须能够理解人类用户，才能真正帮助消费者完成日常琐事。这不仅需要理解，还需要欣赏你使用的词语的重要性。

Google 开发人员完全重建了 Assistant 的 NLU 模型，以帮助该工具更好地掌握上下文并提高其“参考分辨率”，或识别给定查询背后目的的能力。这项新改进基于 2018 年开发并应用于谷歌搜索的机器学习技术，该技术允许在上下文中理解所有搜索的术语，而不是一次理解一个短语。