如今掀起热潮的 AI，与 AI 的众多奠基人从技术上看是非常不同的。但是，核心思想都是让机器能够思考，能与人交流。AI 经历了几次起起伏伏，从最初的命令逻辑到专家系统，再到早期机器学习浪潮，最后到今天的深度学习革命，我认为过去 60 年 AI 是处于一种“in virtual”的状态，在实验室里。在这 60 年的过程中，我们打下了基础，发展了对 AI 而言至关重要的领域，比如机器人技术、计算机视觉、自然语言处理、语音处理等等。同时，我们也衡量对数据的理解，发明很多工具，因此在 2010 年左右，统计机器学习工具的成熟和互联网、传感器带来的大数据有幸融合在一起，再加上摩尔定律让我们拥有了更好的硬件设备，也即强大的计算力，这三者合在一起，共同支撑起了如今 AI 的发展，也就是我所谓的“invivo AI”，对现实世界产生实际影响。如今由 AI 和 ML 给谷歌云带来的转变，我认为这才是 AI 的历史时刻，AI 将对更多产业造成实质上的影响。但是，我想强调这一切都还只是开始。

　　我们目前所发明的方法，目前探知的 AI 好比大海中的几滴水，我们不能过分夸大。不过，我认为前面有许许多多令人振奋的工作在等待着我们。

　　Diane Greene：我非常同意你的观点。现在很多公司都在用 AI 去做一些以前我们完全无法想象的事情，而且涉及的范围还很广，AI 似乎随处可见，不仅仅在云里。

　　如果我们看到问题的更深一些的层面，Françoise 你是做语音识别的。现在语音识别可以说是最普遍的 AI 应用之一。你能分享你对这一转变的看法吗？

　　Françoise Beaufays：我 12 年前加入谷歌时，我们一帮人有个梦想，就是用语音识别做一些既有用又好玩的东西。语音识别实际上很早就有了，但我们想做一些与众不同的东西，这在当时很困难，因为那时候的语音数据没有今天这么多。于是，我们从很小的产品开始做起，不能识别太复杂的东西。我们不断尝试去拓展，但又不能往前推进太多，毕竟我们需要作出让人想用的成功的产品，然后开始收集数据，构建模型，再不断迭代。

　　我不知道你们还记不记得一款叫“Google 411”的产品，当时只是一个很简单的电话应用，你拨打一个号码，系统会告诉你这是哪个州哪个城市，然后你说你对什么东西感兴趣，系统会问你具体对什么公司（business）感兴趣，你告诉系统一个具体的名字，它就会自动将那个州那个城市的那家公司跟你连接起来。

　　要知道那是 12 年前，没有 iPhone 也没有安卓手机，只有翻盖机，能做的事情非常有限。但好在谷歌领导层对这一技术针对是非常有远见，很积极地鼓励我们研发，我们才得以继续探索。

　　后来，iPhone 和安卓手机的出现让一切都变了样。很显然，视觉反馈成为最主要的，于是我们开始设想其他的应用，最后想到的就是语音搜索。

　　所以，谷歌语音搜索是那个时候起，才真正开始有专人全心投入。随着手机上的麦克风位置不断变化，能用声音做的事情也变得越来越多。最近，我们开始研发将手机上的语音识别转移到 Google Home 这样的家居设备上，因为人们对使用语音完成任务的需求越来越多。这可以说是打开了整个语音助理行业的入口。能用语音完成的任务越来越多，你可以用自然语言与机器交互，不再需要很麻烦的键盘输入。

　　Diane Greene：谢谢。Fernanda，你之前提到想要普及将数据可视化，这跟数据之间有着密切的关联。如何实现你的目标？你是怎么看数据可视化分析的？

　　Fernanda Viegas：我 10 多年前开始从事数据可视化，直播，当时条件要艰苦困难得多，无论是机器的性能，还是可以获得的公开数据，都不能与现在同日而语。但如今，人们似乎处处都通过数据可视化的方法沟通交流，我看见新闻业中使用数据可视化真的很开心，当说起很复杂的与统计学相关的故事时，我们总是开玩笑说，数据可视化就像是统计学“入门毒品”（gateway drug），就好像你正在做统计学但完全没有意识到你在做统计学一样，因为我们人类实在是太擅长在通过视觉识别模式、看出重点等等。