Google 黑板报: 五月 2017

AlphaGo 的下一步

2017年5月27日

Demis Hassabis, DeepMind 联合创始人兼 CEO
Dave Silver, DeepMind AlphaGo 首席研究员

仅下了三手棋，我们就能清楚认识到这将是一盘非凡的对弈。

中国围棋大师，世界排名第一的柯洁九段一改以往风格，以三·3作为开局。这种开局方式十分罕见，其目的是要在开局阶段快速抢占角部实地。这种下法以往很少被围棋选手所采用，但却是 AlphaGo 最喜爱的开局。柯洁也将其使用在了自己的对局当中。

柯洁在首局中深思熟虑的这一手棋，正切合了本次中国乌镇·围棋峰会的主题——探索围棋这一古老游戏的深远奥秘。在为期 5 天的峰会中，我们有幸见证了这一游戏的最高水平。

我们始终坚信 A.I. 拥有帮助全社会探索新知识的潜能，并让我们从中受益。而 AlphaGo 则让我们真切的感受到了这一点。对于围棋选手来说，AlphaGo 更像是获得灵感的工具，而不仅仅只是对手。通过 AlphaGo 的启发，棋手们能够在这项具有 3000 年历史的游戏中，尝试全新的思路与策略。

2016 年在首尔战胜传奇棋手李世石时，AlphaGo 所弈出的创新着法，给围棋界带来了全新的知识。而年初以 Master 身份在网络上进行的非官方对局，也给包括柯洁在内的许多顶尖棋手带来了深远影响。在本周峰会所举办的配对赛中，两位顶尖棋手与 AlphaGo 分别配对，也展示了人类利用 A.I. 在复杂领域中产生全新认知的潜能。

对于 AlphaGo 而言，本周在围棋诞生之地与世界顶尖棋手举行的一系列扣人心弦的比赛，已经是它作为一个竞技程序所能企及的巅峰。因此，此次围棋峰会将是 AlphaGo 参加的最后一场赛事。

从现在开始，AlphaGo 的研发团队将把精力投入到其它重大挑战中，研发出高级通用算法，为科学家们解决最复杂的问题提供帮助，包括找到新的疾病治疗方法、显著降低能源消耗、发明革命性的新材料等。如果人工智能能够在上述领域发现新的知识和策略，那在这些领域的突破将十分可观。我们已经迫不及待地想看到这一切的发生。

尽管 AlphaGo 将退出竞技比赛的舞台，但这绝不是我们与围棋界合作的终点。我们非常感激围棋界在过去几年中，对我们工作所给予的鼓励和支持。我们计划在今年稍晚时候发布最后一篇学术论文，详细介绍我们在算法效率上所取得的一系列进展，以及应用在其他更全面领域中的可能性。就像第一篇 AlphaGo 论文一样，我们希望更多的开发者能够接过接力棒，利用这些全新的进展开发出属于自己的强大围棋程序。

我们也在开发一个教学工具——这也是我们在过去一周中收到最多的需求。这个工具将可以展示 AlphaGo 对围棋落子位置的分析，帮助大家更好地了解这个程序是如何思考的，最终让职业棋手以及爱好者可以从 AlphaGo 的视角来重新审视围棋。尤其让我们感到荣幸的是，柯洁同意成为我们的第一个合作者，和我们一起来分析他与 AlphaGo 的对局。我们很兴奋能听到他的精彩分析，同时也有机会分享 AlphaGo 的自我分析。

在本次围棋峰会的最后，我们想给全世界棋迷朋友们送上一份礼物。自与李世石的比赛之后，AlphaGo 成为了自己的老师，并完成了百万次高水准的自我训练，以不断提高。我们会公布 50 盘 AlphaGo 自我慢棋对弈的棋谱，我们相信这些棋谱中，包含了许多全新的思路及策略。

我们利用本周围棋峰会的机会，已经与一些顶尖职业棋手分享了这些棋谱中的一部分。世界冠军时越九段是这样评价的：“这是我前所未见的，就像是我想象中来自遥远未来的棋局一样。” 世界冠军古力九段说：“AlphaGo 的自我对弈令人难以置信，我们能从中学到太多。” 我们希望所有的棋手都能尝试使用这些棋谱中的一些着法。大家现在可以从这里看到前 10 张棋谱，我们接下来会每天更新 10 张新的棋谱，直到 50 张棋谱全部分享完毕。

围棋界对 AlphaGo 给予了积极的评价，职业棋手和业余围棋爱好者也对 AlphaGo 给围棋这一古老游戏带来的全新视角表示欢迎，他们对 AlphaGo 的反应让我们十分感动。我们计划把这些新发现应用到其他新领域，以解决当前我们正面临的一些最重要最迫切的科学挑战。我们希望，AlphaGo 的故事仅仅只是一个开始。

配对赛及团队赛中国顶尖职业棋手与 AlphaGo 共同扩展围棋视界

2017年5月26日

中国乌镇（2017年5月26日）— 在本次围棋峰会的第四天，胜负退居其次，DeepMind 的围棋人工智能 AlphaGo 携手中国顶尖棋手，展开了两场不同形式的比赛——“配对赛”和“团队赛”。这两种独具一格的比赛形式为 AlphaGo 以及它的队友和对手带来了独特的挑战，而AlphaGo 和职业棋手们均有极具创意且十分有趣的表现。

DeepMind AlphaGo 首席研究员 Dave Silver 表示：“胜负并不是今天的主旋律，我们的目的是探索围棋的各种可能，并从中学习。配对赛非常精彩，四位选手均奉献出非常有创意的着法。这就像四位画家在一张画布上作画，不同的风格融合在一起创造出非凡的作品。”他还总结到：“我们仿佛瞥见未来，人类与 A.I. 工具合作，让许多的不可能变成可能。”

配对赛

今天的第一场比赛，是由古力九段和连笑八段分别与 AlphaGo 组队并轮流落子的配对赛。与 AlphaGo 联手取得今天配对赛胜利的连笑八段在赛后表示：“我们很佩服 AlphaGo 团队创造了这么酷的一个系统，给围棋带来了更多的想象力与创造力，拓宽了我们的视界。我们可以感受到它的强大，但我不认为它是不可战胜的，它还有进步的空间。它很像人类，但是，是超前几百年的人类。”

在和 AlphaGo 队友在比赛中投子认输后，古力仍感到十分乐观，他说：“我能从这场对弈中学到很多，包括 AlphaGo 那些出乎意料的着法。这样的对弈能给予我们全新的想法。”

韩语评论员金成龍九段进一步解释说：“这场比赛十分重要，它展示了人类棋手如何与A.I.协同合作。棋盘看起来就像人类的身体，AlphaGo 发现了一些需要治疗的地方，而这些地方之前并未被人类医生所发现。棋手或者人类医生根据AlphaGo开出的处方一起实现更好的治疗效果。不仅仅是围棋界，医疗以及其它 A.I. 应用领域都需要关注这场比赛。”

中文评论员王磊八段表示：“今天下棋的两位棋手估计也是非常吃惊，因为招招都是没有想到的棋。我们也很兴奋，不说千古无同局，但是下成这样真的是非常罕见的。看阿尔法围棋战斗也是挺开心的，就像看梅西踢球。”

团队赛

今天的第二场比赛，五位中国顶尖职业棋手在团队赛中集体挑战 AlphaGo，尝试发掘它的不同风格。作为团队赛成员之一，时越九段在赛后评价到：“我们通过今天和 AlphaGo 的比赛学到了很多。我想人工智能的应用会在许多方面提高人类的生活质量。

中文评论员刘菁八段表示：“虽然围棋经过了几千年，技术上不停在进步，但我们对围棋的认知还是很渺小的。现代围棋和过去就很不同，AlphaGo 出现以后就更不一样了。”

许多棋手和评论员都在讨论他们通过这几局比赛获得的启迪。“我向 AlphaGo 的每一手棋学习，尤其是 Master 版本出现以后，几乎每一盘都有新内容。”英文评论员，职业九段Michael Redmond在团队赛中这样说到。

最值得高兴的是，团队赛看上去充满欢乐。陈耀烨九段表示，“团队赛这种形式非常有趣，因为围棋通常是个人游戏。这是一次十分独特的经历，需要整个团队特别多的协作。这场和AlphaGo 的团队赛让我体会到许多乐趣。”

三番棋第二局柯洁执白中盘负与AlphaGo Master版弈出最接近对局

2017年5月25日

柯洁前50步堪称完美，将AlphaGo逼近极限
中国乌镇（2017年5月25日）— 本次围棋峰会今日迎来了柯洁九段与 AlaphGo 的三番棋第二局，在本场对弈中双方均展示出了难以置信的极高水准，为观众呈现了一场复杂而精彩的对局。根据 AlphaGo 的评估，本场比赛的前50手棋堪称完美，而前100手棋则是 AlphaGo Master 版本所经历过的最佳对局。
赛后柯洁走进新闻发布会现场，他说：“比赛时我把手放在胸口上，是因为我觉得自己有机会赢。中途我一度认为离胜利很近了，不过看起来AlphaGo 不是这么想的。我当时非常紧张，都能感觉心在砰砰跳。“

照片由 Google 提供
DeepMind 联合创始人兼 CEO Demis Hassabis 立即对柯洁的评价表示认同：“本局前100手棋是 AlphaGo Master 版本所经历过的最佳棋局，我们的心也在砰砰跳。非常荣幸能与柯洁这样的天才棋手进行对弈，我们仿佛看到了来自未来的棋局。”
中国围棋棋圣聂卫平九段在赛后表示：“这场比赛是 AlphaGo 献给全世界职业棋手的一份大礼。”
来自 DeepMind 的 AlphaGo 首席研究员 Dave Silver 介绍了他们如何评估柯洁的超凡表现：“我们可以在比赛中随时查询 AlphaGo 对比赛的评估。当我们今天进行评估时，AlphaGo 认为比赛极其势均力敌。柯洁在开局时表现优异，直到比赛临近尾声时，AlphaGo 才认为胜券在握。”
与周二 AlphaGo 执白1/4子取胜的第一局比赛相比，英文评论员 Michael Redmond 九段表示：“（柯洁今天）改变了战术，使棋局变得尽可能复杂。这一定是他事先计划好的，用来测试AlphaGo 的弱点。我认为这也是 AlphaGo 特别需要的。”
Redmond 作为唯一一个西方九段围棋选手，将今天 AlphaGo 的表现形容为“我所看到过的它与人类所有对局中，战斗最复杂的一盘。柯洁一直在尝试让对弈变得复杂。”他最后还说：“柯洁一直在测试 AlphaGo 的战斗力，但 AlphaGo 的表现滴水不漏。”
AlphaGo 的技术也让其他评论员五体投地。英文评论员、前四段棋手 Haijin Lee 和殷明明一段夸赞了 AlphaGo 结合不同围棋策略的能力，Lee 表示：“AlphaGo 十分善于平衡实地，人类棋手则无法百分之百做到这点。始终抢占实地或扩张外势都不难做到，但在二者之间灵活切换则有悖常识。” 殷明明还说到：“当年我们学棋时，老师始终要求我们将一个战略贯彻到底，而 AlphaGo 则给人类棋手上了全新的一课。”
韩语评论员金成龍九段也发表了自己的见解：“AlphaGo 为我们定义了什么是惊艳的表现。当人类艺术家在画风景画时，不管发生什么都会一直画下去。然而 AlphaGo 却可以随时切换，从一幅风景画变成肖像画。人类棋手有他自己的棋风，而AlphaGo完全没有任何固定风格，它十分灵活。”
日语评论员大桥拓文六段也对今天双方大师级的表现表示了赞扬：“我们从未见过如此激烈的对局。我惊讶于柯洁的能力以及他为比赛所做的充分准备。他在对局前半部分的表现无与伦比，此局比赛应该是一场十分接近的比赛，但AlphaGo最终还是更胜一筹。”

Google 和 DeepMind 携手中国学者与企业家共同展示人工智能最新成果

2017年5月24日

中国乌镇（2017年5月24日）— 今天，来自 Google, DeepMind 以及中国企业家和高等学府学者齐聚人工智能高峰论坛，展示在机器学习这一前沿科学领域的突破与应用。人工智能高峰论坛是为期5天的中国乌镇·围棋峰会的一部分，来自 DeepMind 的 AlphaGo 将在本次峰会中与现世界排名第一的围棋选手柯洁九段进行三番棋对弈。

DeepMind 的联合创始人兼 CEO Demis Hassabis 在论坛中介绍了公司软件的发展历程，从玩 Atari 游戏开始一路发展成为2016年战胜世界冠军李世石的程序。同样来自于 DeepMind 的 AlphaGo 首席研究员 David Silver 介绍了最新版 AlphaGo 现在可通过独立 TPU (Tensor Processing Unit) 运行，这款 Google 上周在 I/O 大会上所发布的新型芯片使 AlphaGo 在运行效率上得到了飞跃。与去年相比当前的版本在处理计算时所消耗的能量仅为过去的十分之一，并能够更快速的进行学习。

Alphabet 董事长 Eric Schmidt谈到机器学习和人工智能引领了“智能时代”的发展，他表示：“神经网络和深度学习的爆发是我所经历过的最大变革”。在与第一财经传媒集团 CEO 周健工先生的对话中他还表示，这些新技术不仅提升了日常的生产效率，更为企业带来了无限机遇，尤其是在“医疗、交通以及政务”等领域。

早在1999年便加入 Google 的资深研究员 Jeff Dean 向大家介绍了机器学习在消费产品中的应用，包括 Google Photos以及 Gmail。以 Google Photos最新版本为例，通过机器学习技术，可以将照片中的雨滴去除，并为照片添加滤镜，使其拥有与知名艺术作品一般的效果。Dean 展望到：“人工智能正在改变这个世界，并创造无数全新机遇。”

来自 Google Cloud & A.I. 的研发主管李佳在论坛中还谈到了 Google正在“寻找人工智能相关的人才，补充到北京和上海现有的工程师团队。” 李佳在 Google 的工作是将人工智能应用到企业当中，例如帮助汽车企业和电话服务中心使用 Google 语音 API。

Google 负责健康研究的产品经理 Lily Peng 分享了如何利用电脑工具帮助缺乏医疗资源的国家更广泛地进行眼疾诊断，这其中就包括了印度。印度拥有13亿人口，总计缺少 127,000 名眼科医生。她提到 Google 的机器学习模型诊断眼疾的准确率，甚至略微高于一些通过美国认证委员会认证的眼科医生。这个技术还有很大的潜能可以应用到其它疾病的诊断，例如斯坦福的研究者近期已经开始使用 TensorFlow 利用图像进行皮肤癌的诊断。

TensorFlow 是现在 GitHub 上世界第一的机器学习知识库，其使用增长率远远高于其它同类型平台。TensorFlow 的工程师总监 Rajat Monga 说道：“我们的目标是将机器学习带给每一个人，并分享研究成果。” 比利时公司 Connecterra 就将 TensorFlow 应用到了牧场当中，而澳大利亚的研究者则将此项技术用于判断海牛种群的健康状况。

Google 翻译也用到了 TensorFlow。Google 的软件工程师陈智峰介绍了机器学习为 Google 翻译带来的巨大提升。随着神经网络机器翻译的引入，翻译结果有了显著提高。同时，结合了“计算机视觉”使得 Google 翻译 app 能够利用手机摄像头进行即时图像翻译，这项功能正是通过 TensorFlow 在移动设备上的版本来实现的。

Google 艺术与文化项目的项目经理 Pierre Caessa 向我们介绍了通过机器学习，全世界得以通过崭新的视角欣赏到其庞大电子艺术档案库中的六百万件作品。他最后还演示了“Portrait Matcher” ，一个可以利用摄像头将你的面部特征与类似艺术品匹配的功能。Caessa 希望包括这项功能在内的许多艺术与文化实验，能够让艺术再次激发起全球的兴趣，并让每一个人都能轻松访问。

DeepMind 的联合创始人兼应用 A.I. 主管 Mustafa Suleyman，在论坛中探讨了 A.I. 在许多重要的社会经济问题中起到的作用。“我们相信人工智能将在改变世界的进程中起到难以置信的作用，”他说到：“它能够帮助解决某些极其紧迫且复杂的问题，比如能源和医疗保健。” 他还特别强调了 DeepMind 在这些领域中的新项目，包括与 Google 合作将其数据中心冷却能耗降低了40%。本场论坛还邀请了来自中国企业和高等学府的发言嘉宾，包括陈刚教授（浙江大学计算机学院副院长、博士生导师）、刘知青教授（北京邮电大学计算机围棋研究所所长）、张鹏（极客公园创始人兼 CEO）、吴义坚（元趣科技CEO）、林宜立（出门问问产品副总裁）、谢忆楠（旷视副总裁）、李博（吉利汽车研究院智能驾驶开发中心总监）、王翌（流利说创始人）、李哲和廖方舟（清华大学博士生）、以及李小鸣（乌镇智库秘书长）。

请点击此处输入图片描述

世界冠军柯洁尝试新招法三番棋首局惜败AlphaGo

2017年5月23日

Google I/O 大会上的关于 VR 与 AR 的分享

2017年5月19日

虚拟现实
增强现实
视觉定位服务

机器学习与医疗保健的合作

2017年5月18日

Google I/O 2017 | 使 AI 触手可及

2017年5月18日

Google 自创立之初起，一直都在努力用深奥的计算机技术和洞察来解决一些复杂的问题。
最复杂的问题，其实往往存在于日常生活中。令人激动的是，Google 渐渐成为了越来越多人生活中的一部分：Android 设备月活跃用户刚刚突破了 20 亿；YouTube 不仅有着 10 亿用户，更有着长达 10 亿小时的日播放时长；Google 地图日导航里程超 10 亿公里。但若是没有了计算机向移动设备转变的大潮流，这一切的增长都将是不可能实现的。这也让 Google 开始重新思考对产品的改造，以适应新型的交互模式，例如多点触控。
如今，计算机又面临着新的转变：从移动优先转变为人工智能优先。和以前一样，Google 将会努力构想一个能够进行更加自然、无缝的技术交互的世界。如 Google 搜索，它是被建立在对文本和页面的理解能力的基础上的。而现在，通过深度学习技术的革新，机器对图像、照片和视频的理解也逐渐成熟，这在以往都是不能实现的。现在，你的相机有了“视觉”，你能对手机说话，并得到回应——语音与图像对于计算机技术来说已经变得意义重大，其重要性甚至渐渐等同于键盘和多点触控。

在以上提到的诸多 AI 新进展中，Google Assistant 就是一个很好的例子。它已经能够在 1 亿个设备上运行，并且日益发挥更大的作用。现在，Google Home 已经可以辨别不同的声音，从而让用户在与设备互动时能够获得更个性化的体验。与此同时，智能手机的相机功能也可以帮助用户完成许多工作。 Google Lens 是一组基于视觉的计算功能，可以识别用户正在查看的内容，并帮助用户根据该信息采取行动。例如，用户趴在朋友家的地板上查看在路由器背面冗长且复杂的Wi-Fi密码。现在，用户的手机就可以识别该密码，并在察觉到用户登录该 Wi-Fi 的需求后自动完成登录。最关键的是，用户不需要事先通过学习来实现此功能 -人机交互体验比在智能手机上完成跨应用程序的复制和粘贴更为直观。Google 首先将会在 Google Assistant 和 Google Photots 中启用 Google Lens 功能，用户也可以期待在其他产品中使用 Google Lens.

所有的这一切都需要相应的计算架构。去年的 I/O，Google 发布了第一代 TPUs，这使得 Google 的机器学习算法能够更快更有效地运行。今天，Google 发布了下一代 TPUs-Cloud TPUs，新版的 TPUs 针对推理和训练进行了优化并且可以处理大量信息。Google 将把 Cloud TPUs 引入 Google Compute Engine，以便公司和开发人员更好地使用。
Google 致力于将日新月异的技术投入应用，使其能更好地为每个人服务，而不只是服务于 Google 产品的用户。 Google 相信，如果科学家和工程师可以拥有更好的计算机工具，创造出更强大的研究成果，那么复杂社会问题的解决将有巨大的突破。然而，目前看来要实现这样的突破，还面临着很多的障碍。
这就是 Google.ai 的创立初衷。它聚合了 Google 在人工智能领域做的所有努力，从而减少了研究过程中的障碍，并提升了研究人员、开发者以及公司在这一领域的工作效率。
Google 希望通过简化神经网络的机器学习模型的设计，降低人工智能的门槛。如今，设计神经网络是极其耗费时间的，其对专业知识的极高要求大大缩小了适用人群，只有科研人员和工程师才有机会接触到。这就是 Google 创造 AutoML 的原因，AutoML 表明神经网络设计神经网络也是可以实现的。Google 希望 AutoML 能拥有现在一些博士所具备的能力，在三到五年内使众多的开发者也能通过 AutoML 设计神经网络，来满足其特定的需求。

除此之外，Google.ai 已经与 Google 的研究人员、科学家以及开发者们进行合作，来解决各个领域的问题，并取得了前景广阔的结果。例如，使用机器学习来改进检测乳腺癌扩散到相邻淋巴结的算法。Google 也看到了人工智能在运算速度以及准确性上的巨大飞跃，使研究人员可以对分子性质进行预测，或是进行人类基因组排序。
此次转型不仅与建设未来设备和进行前沿研究有关，Google 同时也认为，它可以在此刻帮助数以百万计的民众，以普及化的渠道获取信息以及接触到新机会。例如，接近半数的美国雇主声称他们存在招募员工、填补职位方面的问题和困难；而另一方面，待业的雇员也时常对于就在身边的空闲职位毫不知情，因为这些工作的特点——高流动低业务量、与职位名称不符，使得搜索引擎很难准确的筛选这些工作。
而通过新启用的 Google for Jobs，Google 希望能帮助公司联系潜在的雇员，也帮助民众找到新的工作机会。在接下来的几周中，Google 将在“搜索”里加入新功能，从而帮助人们寻找跨越不同经验需求和不同工资水平的工作，包括在传统意义上很难分类和搜索的工作，比如服务和零售岗位。 Google 欣喜的看到，人工智能终于结出了每个人均可品尝享用的硕果。倘若 Google 能让人工智能技术越来越便捷地为民众所用——无论是在工具层面，还是应用方式层面——那么，所有人都会更快地从人工智能技术中获益。

从数据到洞察｜Avinash Kaushik 给营销者的建议

2017年5月8日

近年来，随着数字化浪潮的不断深入，各个品牌对数字营销的重视程度也日益提升，在这一过程中，与数字营销有关的决策方式也有了显著的变化。针对数字营销决策方式的这些变化趋势，Google 数字营销专家，Web Analytics 及 Web Analytics 2.0 等数字营销畅销书作者 Avinash Kaushik 也分享了自己的看法以及给营销人员的建议。

Q1：您曾说过希望改变人们在网络世界做做决策的方式，随着 Web Analytics 及 Web Analytics 2.0 等书作对数字营销领域产生的影响，您观察到人们的决策方式有哪些改变和进展？
Avinash Kaushik：首先我们不再固执于网站流量或者是点击，而更关注这背后的消费者行为。
其次，在工具层面和非工具层面，我们也都有了非常大的进展。
就工具而言，包括 Google Analytics 和 Adobe 等网络分析工具实现了大幅改善，让我们拥有了更加智能的分析能力，例如基于用户的细分、对线上和线下营销归因的分析、以及由机器学习提供支持的新功能 (如，数据驱动归因模型）。
在分析工具以外，人们也不再仅仅沉迷于数据的收集，而是越来越关注构建分析模型，并在这一模型的指导下进行数字营销分析。越来越多的人开始意识到，数据和工具是为你的假设和思考服务的，而不仅仅是数据输出。
要真正成为由数据驱动决策的组织，需要兼具商业敏感和数据洞察的人才，将海量数据转化为洞察，这样才能有效支持企业最高层决策，并将数字化策略融入组织内部。
Q2：您对于数字营销有何新洞见？对于营销者来说，您首要的建议是什么？
Avinash Kaushik: 我的建议是：不要只索取数据，而要索取行动的建议。
目前，大多数的营销人员和企业管理层都还在要求充满各种图表的报告，但实际上，他们并没有时间或能力去分析和了解数字背后的成因。
而同时，大多数的数据分析师仍然认为他们的主要角色是提供数据，并没有充分地接近实际业务，在这样的工作模式下，很多数字信息毫无疑问被浪费了。
为了解决这个问题，企业管理层需要改变对分析师们的要求，应该询问分析师：下一步我应该做什么？这将促使分析师更加贴近实际业务，使分析师有更明确的分析目的。
概括而言，就是不要求提供数据，而是提供洞察（Insights), 行动建议（What we should do ) 和业务影响预测 (Result of the action been recommended)
Q3：您提到在数字营销工具层面，机器学习支持的新功能-数据驱动归因模型出现在了广告解决方案中，作为新的归因模型供选择，对此您有何建议？
Avinash Kaushik: 数据驱动归因模型非常让业界激动。
一直以来，营销者在寻求特定的规则将转化功劳正确计算给不同的渠道。就像一场篮球赛，每一次入篮得分都是团队协作的功劳，而并非仅仅是投篮入筐的球员。传统的渠道归因，大多将转化功劳仅仅计给最终转化的渠道，或第一次曝光的渠道。
在过去，由于我们无法完全了解每一次用户的互动和渠道接触点，我们设定的归因规则只能基于人类预设的观点。
而今，我们可以利用机器学习的力量，理解和计算消费者的每一条转化路径，并据此评估渠道贡献，用算法帮助我们解决归因难题并提供洞察。数据驱动归因模型完全基于机器学习，不再受人类偏见影响。
Q4：你如何看待中国在数字营销方面的进展？Avinash Kaushik：中国在数字营销方面的进展令人兴奋，这不仅是因为中国市场上的衡量工具和手段有了很大的提升，更重要的是，数字分析正在成为中国企业决策过程中的重要因素。中国企业的管理者对于数据报告和数据分析的区别有了更深入的理解，他们也正在通过加强投入，提升决策的敏锐度。
Avinash Kaushik 介绍

Avinash Kaushik 是 Google 数字营销专家、数字营销线上培训机构 Market Motive Inc. 的联合创始人。凭借其经典 Web 分析博客 Occam’s Razor 及畅销书《精通 Web Analytics--来自专家的最佳 Web 分析策略》以及《精通 Web Analytics 2.0——用户中心科学与在线统计艺术》，Avinash Kaushik 已经成为数字营销界权威专家，备受认同与关注。

AI 是怎么让机器学会涂鸦的？

2017年5月5日

在 Google，AI 和机器学习绝不仅仅是“高冷”的实验和冗杂的数据。去年，来自Google AI 实验室的一群脑洞巨大的科研人员已经证明了这一点：他们用 AI 唱 Rap，识别实物，编写旋律，构建可视化高维空间...
在这些奇奇怪怪却很有意思的“小玩意儿”之中，有一个 AI 版的“你画我猜”：QuickDraw。AI 会给你一个涂鸦主题，在你作画的过程中 AI 将不断地识别和猜测你画了什么，直到得出正确答案，或是 20 秒倒计时结束。

而在不久之前，Google 又推出了功能更加实用的“你画我猜”升级版 AutoDraw，可智能识别涂鸦内容并进行完善。有了它，就连“灵魂画手”也能画出一手好画啦：

涂鸦是人们对事物的抽象视觉表达。AI 和机器学习技术似乎使机器学会了“看懂”和“理解”涂鸦内容，但这似乎还远远不够。比如，要如何让机器学会自行生成涂鸦呢？
其实，在此之前，科研人员已在机器生成图像的领域做了大量的工作。这是一项非常有难度的研究，其过程中不乏产生一些十分“魔性”的成品：

近期，来自 Google 的科研人员们在论文《简笔画绘图的神经表征》(A Neural Representation of Sketch Drawings) 中，让教会机器绘画成为了可能。

科研人员们受人类绘画过程的启发，降低维度，通过用大量的手绘涂鸦来组成数据集训练模型，训练机器来理解人们在绘制涂鸦时是在何时起笔、走笔方向、何时停笔。经过训练的模型在接收一张人手绘的涂鸦后可以生成一张同主题的新涂鸦：

用“猫”为主题的涂鸦训练的模型重建的猫涂鸦
是不是看起来就只是把人的涂鸦重复了一遍？但事情可没有是这么简单！
实际上，模型生成的新涂鸦的确不是简单地重复了人的绘画，而是对图像的本质进行了分析和理解的。为证明模型确实是学会了人类画猫的一些技巧，可以尝试输入一些故意犯了一些小错误的涂鸦：

在收到故意被画成三只眼的小猫涂鸦后，模型输出了一个轮廓类似的新涂鸦，其中“三只眼”的错误已被修正。这说明经训练的模型已经理解了“猫”涂鸦的特征，理解了这个抽象概念，进而将这个抽象概念正确地表达出来。

同样，用大量小猪涂鸦训练的模型也能达到类似的效果。输入人类绘制的小猪涂鸦，也能得到一个新的、有着相近轮廓的小猪涂鸦：

可以看到，模型将第一行中八条腿的小猪涂鸦修正成了四条腿。而若是输入一张卡车涂鸦，模型则会遵从对“小猪”这个抽象概念的理解，输出一只长得像卡车的小猪！

一千个人会画出一千个不同的小猪涂鸦，比如下图绿框中的猪头和橙色框中的整猪。模型又是如何理解同一抽象概念的不同表达的呢？模型中，只有头的涂鸦各部位尺寸被一步步调整，再加上了身子，最终过度到一只完整的小猪。