现在，想象一下，这样的洞见如果扩展到整个医疗领域，大量的视觉诊断类的工作将会很快被自动化，以帮助医生，减少医生的过劳，然后，将服务扩展到更多没有条件接受治疗的人群。机器也能帮助记录医生访问，管理疾病，atv直播，带来更多可信赖的、快速的服务。

　　关于AI 和机器学习能带来的机会，我希望你们和我一样兴奋，但是，对于一些人来说，这些依然是存在高门槛的，它要求大量的专业知识，只有少数大公司可以提供这样资源，这也是为什么，云会是一个理想的平台，这也是为什么，我们会在云AI/ML上投入大笔投资，它会在接下来的几年内，提供强大的、易用的工具，给每一个云的用户进入这一领域的机会。

　　换句话说，谷歌云正在在将AI民主化，这包含了四步：

计算的民主化

数据民主化

算法民主化

人才和专业知识的民主化

　　首先也是最重要的——计算。AI 要求大量的计算，今天，深度学习算法能轻易地实现数十亿的连接，训练和使用这些模型，这要求计算资源。当然，这也是云要提供的主要功能。去年，我们提供了beta版的云AI/ML引擎，今天，我在此宣布，我们增加了通用性，这是一个平台，能利用计算的能力。然后透明地提供给大家。

　　简单来说，如果你在开发机器学习模型，不过你喜欢使用你自己所在环境熟悉的工具，比如TensorFlow。ML引擎让你可以专注于自己的解决方案，而将基础设施问题交给我们解决。在训练这些模型的时候，就可以同步将它们上传到云端。ML引擎可以更快、更大规模地处理。最后，只需要将结果从你自己的设备部署到移动设备，在那里训练的成果就可以用于解决现实世界的问题了。

　　但是，就算有了这么大的计算力，AI 仍旧是计算机科学当中最复杂的问题。对于很多企业和创业者来说，应用 AI 最简便的方式就是使用谷歌提供的 API，并借此使用谷歌已经完全训练好的机器学习模型，去解决常见的问题。这些 API 就像开关一样，能够立即打开任何应用中的智能，使其理解语音、照片，或者翻译文本，理解自然语言。

　　但是，谷歌的 AI 技术无论是从宽度还是广度上都远远不止于此。在谷歌，我们有无数的 AI 团队，在这些团队里有大量的 AI 研究在进行，覆盖了 AI 的很多领域，包括机器学习。我们研究团队里面，有很多都是在顶尖 AI 期刊和会议上发表了大量 AI 科研论文的作者。我们的团队经常性地在国际比赛中获得最佳论文奖。而且，这些科研的结果很快就会被转化为产品，交付给消费者。在此，我十分高兴地向大家介绍我们最新的一些产品。

　　Vision API 已经持续稳定地开发了一段时间，这次它有了一些重大的性能提升。

　　第一个是元数据（meta-data）的扩充，它能够从谷歌知识图谱上百万千万的实体中识别网上的图像。我们也在使用这些元数据，增强整个谷歌图像搜索的能力。第二个提升是光学字符识别（OCR）能力，能够识别图像或含有大量文本的文件（比如法律文件或其他复杂的文书）。

　　但是，像素的世界远远不止于此。实际上，视频中含有大量的数据，单单是 YouTube，每分钟就会有好几百乃至上千小时的视频上传。要理解视频中这些丰富的内容，是计算机视觉中一个重要的、但一直以来都没有得到很好解决的问题。实际上，很多计算机视觉研究者，包括我在内，都将视频视为数字宇宙的“暗物质”。

　　今天，我非常高兴地向大家宣布一个由机器智能驱动的全新的 API：视频智能 API。

　　下面，我们就请我的同事 Sara Robinson 向大家展示这个 API 的细节。

　　【Sara Robinson 展示】以超级碗谷歌家居的视频为例，仅使用这一个 API，就能告诉我们两个层面的东西：在一个相对高的层面，这个 API 告诉我们视频内容是什么；在一个更粒度（granular）的层面，它能识别出在视频的第几分钟出现了一只狗，不仅如此，它还能告诉我们这只狗的种类是什么。