Sadowski解释称：“谷歌开发了许多机器学习和AI模型，公司从安全角度着眼将所有模型优化。与IT大多的部分相比，安全是变化比较大的。3年或者4年前，有些产品是安全基础设施的核心，比如防火墙、端点防护，这些技术仍然很重要，但是我们想提供更深的防护，让它规模化应用，将它作为默认技术放置在多租户基础设施上，每天可以有几百万活跃用户。”

　　“我们从底层数据中心硬件开始起步，比如最新的Titan芯片。”Sadowski继续说，“在此之上是应用服务、身份验证，数据与通信完全加密。再上层是用户身份。如何才能7天24小时监控、侦测、响应事件，这是最后的防护层。例如，如果要让用户通过身份认知代理远程接入，我们就会有类似的技术确保安全。它是一项可编程的DLP服务，能够发现并防范数据泄露，帮助管理数据，增强安全性。我们的目标是让这些功能变得更容易使用，变成可消费服务，大规模推广。”

　　机器学习技术已经植入谷歌G Suite生产应用中。G Suite产品管理主管Allan Livingston介绍了一些谷歌所采用的方法，这些方法使得G Suite更智能、更能感知环境，甚至连用户都意识不到。

　　Livingston解释称：“你可以想像一下，G Suite将所有应用以更自然的方式整合在一起。你从其中一个应用开始工作，以适当的方式过渡到其它应用。你在Drive中打开Gmail附件，它将你带到Docs，完全自动。”

　　“我们努力站在用户的角度思考，当中会涉及到机器学习。我们最先从Gmail智能回复开始，然后在Inbox取得了成功，接下来又在Docs、Sheets、Slides中引进了Explore功能。”

　　Explore于去年秋天推出，它将自然语言处理技术应用于程序内生产体验。例如，在Docs中，Explore可以根据文档内容瞬间提供建议，还可以自动推荐相关主题和资源。在Slides中，它可以生成设计建议，让用户精简陈述格式。Livingston解释了Explore是如何用机器学习简化数据分析、商业智能情报的。

　　“许多用户不知道数据透视表是什么，也不知道如何利用它将数据表视觉化。” Livingston解释称，“假设你要处理一名客户的销售数据，每一行都是一件已经销售的商品。Explore允许你用自然语言提问，比如：‘黑色星期五最畅销的是什么商品？’系统会回答说：‘你卖了563条裤子。’在数据分析过程中我们可以节省时间，因为决策是以数据作为基础的，我们用机器学习以更自然的方式提高解决普通问题的能力。”

　　Livingston还说，开奖，谷歌准备将这种机器学习云搜索功能提供给第三方，它开始围绕新技术建立一个生态系统。谷歌的总思路实际上与AI的实用性有关：让人工处理实现自动化，将用户解放出来，让他们从事更有创造性的工作。这种思路实际上已经成为大多机器学习APP的核心：让重复性业务流程自动化，让日常任务（包括黄瓜分类）变成自动化流程。

　　“在商业行为中，与消费者沟通时，用户已经使用这些自然交互模式。向云计算和移动生产力转移改变了人们的工作方式，而机器学习技术又是其根本。”Livingston说，“因为我们在机器学习方面有优势，因为我们的产品可以作为基础提供服务，因为所有数据全都放在我们的云计算网络中，所以我们占据了最佳位置，可以使用它，以规模化方式应用。”

　　谷歌在AI方面所做的一切工作都是以API、算法、开源工具作为根基的。谷歌TensorFlow 资源库是GitHub平台上最流行的机器学习工具，许多应用程序采用，比如Koike黄瓜分类程序。整套API就是谷歌云计算的根本，正是它为谷歌APP和服务的每一个AI功能提供动力。

　　谷歌研究与机器智能产品经理Francisco Uribe为引擎核心工作，正是这个核心改变了谷歌的运行模式。Uribe掌管谷歌ML ASL，它是一个实验室，谷歌机器学习专家直接与企业合作，将AI解决方案植入企业。通过谷歌API和云计算机器学习引擎，实验室与企业携手合作，帮助企业在生产过程中训练、部署模型。