所以当时我们建立了 Google 411，一个语音搜索服务。要知道，12 年前还没有 iPhone，但谷歌领导层很支持我们，到了后来所有的事情都发生了变化，我们看到了回报。

Dinae Greene：Fernanda 你希望能让数据可视化变得更大众化，对此有什么想说的？

Fernanda Viegas ：我做数据可视化有十几年了。最开始的数据可视化要比现在难得多，那时计算机并不好用，能用的数据也非常少。变化的开始是我们发现不论什么地方，人们都在与数据可视化互相作用。让人兴奋的是新闻业开始应用数据可视化，讲非常复杂的故事，我们经常开玩笑说「数据可视化是统计学的 Gateway Drugs（诱导性毒品）」，因为在不知情的情况下你已经在使用统计学了，我们实在是太擅长抽象模式和勾勒轮廓了。

数据可视化正在变得大众化，它帮助人们更好的了解数据和数字的意义。人工智能方面，Geoffery Hinton 和他的同事们的人工智能可视化研究造成了非常大的轰动。人工智能或者机器学习最大的挑战是系统的空间维度太高，人们很难理解这些系统。数据可视化是让人们能站在最高点了解系统的方法之一，Hinton 开发的技术帮助我们理解不同模块如何共同发挥作用，以及它们之间关系如何，因此，我将它视作重要的进步。当然，我们同样站在用数据可视化帮助人工智能进步的开端。

Dinae Greene：接下来我们会更技术一点，Françoise 先谈一下语音识别的一些挑战。

Françoise Beaufays：因为我们每个人有不同的声音、口音、语言，所以语音识别非常复杂。语音识别一直都是基于机器学习的，神经网络的使用是非常重要的转折。语音识别很早就使用了神经网络，当时也有很多有潜力的结果，但没有计算支持。所以神经网络有曲折，而语音识别在一些基础方法上也有所进步，比如高斯混合模型。

当我们再次深入深度神经网络的时候，需要处理很多挑战，延迟问题、信号、训练等等。最终，当深度神经网络变得可靠时，它也开启了其他领域的道路。我们能够快速的从一种架构发展到另外一种，比如循环神经网络（LSTM）、卷积神经网络、CTC 等。深度神经网络的发展打开了语音识别能力的大门。

Dinae Greene：Daphne 作为 Calico 的首席计算官与机器学习顶级研究员，能介绍下你的工作吗？

Daphne Koller：很多人可能不知道 Calico，Calico 是 Alphabet 旗下的公司，致力于了解衰老的秘密，以及让人们更健康的生活。40 岁以后，不管是心血管疾病还是癌症，发病几率随着年龄增长越来越高，但我们并不知道原因。

为了了解原因，我们必须研究衰老在生物系统和分子层面上的原因。我不认为我们会永生，但可以活得更久更健康。最早加入我们的科学家之一 Cynthia Kenyan 展示了一种基因突变，可以将虫子的生命延长 30%－50% 的同时保持健康。人类也可以同样如此吗？

为了达到这个目标，我们还有很多研究要做。我们收集所有关于寿命的数据，虫子的、酵母的、苍蝇的、老鼠的还有人类的，以及他们在分子层面有什么相似之处，没有任何人有能力收集从生物层面到整个人类层面的所有不同类型的数据，包括 DNA、RNA、图像等等。

应该如何将这些数据结合起来，了解衰老的原因？如何延缓衰老、延长寿命才是最有效的？收集数据需要协作，机器学习专家可以设计模型、将数据综合起来，单打独斗是无法成功的。

Dinae Greene：李飞飞，你曾在 TechCrunch 上说视觉是人工智能领域的「killer App」，这有何含义？AI 民主化的含义又是什么？与 Google Cloud 有何关系？

李飞飞：有人问图像识别的杀手级应用是什么，我会说图像识别是人工智能的杀手级应用。有两个原因。第一个来自于自然，4.5 亿年前，生物界出现了一次前所未有的大进化，一些很小的种群脱颖而出产生了生物大爆发，这是如何发生的呢？科学家们多年来一直感到困惑。近年来，一个具有说服力的理论认为这是因为部分动物发展出了视觉，动物进化的路线由此发生了改变。4.5 亿年后，人类成为了最具智慧的有视觉生物，atv，事实上，进化给予了我们处理复杂视觉信息的能力，因为这种能力很重要。