人工智能正改变谷歌搜索，而下一个目标则是整个互联网
昨天，46岁的负责谷歌搜索业务的元老Amit Singhal宣布退休。很快，谷歌透露，Singhal卸任的巨大空缺将由一个叫John Giannandrea的人来填补。在某种层面上讲，这只是两个人各自开启新的生活。但你也可以将两人的职位更替看做是对谷歌内部——甚至是整个科技界运转方式之重大转变的一个绝妙隐喻。
要知道，Giannandrea正是谷歌人工智能的掌舵人。他的业务范围包括深层神经网络和模拟人脑神经结构的软硬件网络。通过分析大规模的数据，这些神经网络能够学习各种有用的任务，如照片识别、智能手机语音命令识别，以及正在发生的——网络搜索查询响应（Internet search queries）。有时候，它们学习任务的能力甚至超越了人类——这些神经网络能做的更好、更快，并且能够完成更大规模的任务。
这个叫做深度学习的方法正迅速改造互联网一系列最热门的应用：从非死book，到推ter，再到Skype。过去几年中，它也重新定义了谷歌搜索——整个公司最赚钱的业务。正如彭博社（Bloomberg）最近的报道，谷歌从2015年初开始在其搜索业务中部署一个叫做RankBrain的深度学习系统。到了十月，RankBrian已经在谷歌搜索引擎每秒处理的数百万个查询任务中的「非常大的一部分」中发挥了作用。
据彭博社报道，正是Singhal本人批准了RankBrain的应用。此前，他或许已经带领团队进行过对其他更简单的机器学习的探索。但是，据称Singhal曾一度坚决反对在谷歌搜索中应用机器学习——过去，谷歌主要依赖于人工算法，它们严格遵循人类所定制的一系列规则。一些前谷歌员工描述了对机器学习的担忧：人类更难理解神经网络（相较于人工算法）的工作方式，也就更难对其进行优化。
这些担忧仍然威胁着机器学习领域。事实上，即便专家们并不能完全理解神经网络的工作原理，但它们实实在在的在起着作用：如果你向一个神经网络输入足够多的鸭嘴兽图片，它便能学着鉴别鸭嘴兽；如果你输入足够多的恶意代码，它便能识别电脑病毒；如果你输入的是大量的自然语言——人们在搜索引擎中可能输入的词或短语，它便能学着理解这些搜索命令并给出结果。在一些例子中，神经网络比工程师们写的算法更好地执行了搜索任务。人工智能是谷歌搜索的未来——如果是谷歌搜索的未来，也即是互联网更多领域的未来。
坚守规则
去年秋天，我与一位不愿透露姓名的前谷歌员工（他未被授权公开谈论公司的内部事务）讨论了神经网络在谷歌搜索引擎中的作用。他说道，谷歌的广告团队曾一度利用神经网络来协助定位广告，但「有机搜索（organic search）」团队对这一技术并无好感。的确，这些年来关于这一争议的讨论仍不时涌现在Quora（一个广受欢迎的问答网站）上。
《高效的工程师》（The Effective Engineer）一书的作者，曾就职于谷歌搜索团队的Edmond Lau 在Quora上写道：Singhal对机器学习抱着哲学上的偏见。他这样描述机器学习带来的困扰：「给定一个查询请求，人们很难解释，为什么某个特定的搜索结果排名高于另一个。」另外，他还补充道：「很难直接调整基于机器学习的系统来提高某一讯息的重要性。」一些其他前谷歌员工对这一描述表示赞同。
是的，谷歌的搜索引擎曾由能够自动响应搜索查询的算法所驱动，但这些算法相当于一系列明确的规则。谷歌的工程师们能够轻易地改变和优化这些规则——而且，与神经网络不同，这些算法不会自我学习。正如Lau写道：「基于规则的评价标准虽有其繁冗之处，却让工程师们能够针对特殊情况对权重直接进行调整。」
但现在，谷歌已经将深度学习整合到其搜索引擎中。随着人工智能的负责人接管搜索业务，谷歌似乎已经坚定了这一趋势。
失控
诚然，应用神经网络意味着一定程度上的失控。「但也并不是完全无法掌控，」深度学习创业公司Skymind的创始人说道。其实神经网络不过是数学——线性代数，工程师们毫无疑问能够追踪这个多层结构中数据的变化。问题是，人类很难理解神经网络为什么以某种特定的方式将一张照片、一段语音或自然语言进行归类。
「人们能够理解深度学习背后的线性代数，但是这个模型并非人类可理解，而是机器可理解的」，Nicholson说道，「它们可以给出非常精确的结果，但我们常常不能从人类的角度去解释这些结果背后的道理。」
也就是说，为了优化这些神经网络，人类只能依靠直觉、试验和犯错来调整其数学模型——而且你必须不断地加进新的数据进行训练，也就意味着更多地试验和犯错。这在理论上可行，但是错综复杂。随着谷歌搜索向人工智能模型迈进，谁也说不清这一举动怎样让其搜索结果避免不公平投诉，或者，面对投诉时调整其搜索结果的能力又会受到怎样的影响。
这些考虑并非杞人忧天。最近，谷歌正面临一项欧洲的反垄断调查，涉及到谷歌是否不正当地对其竞争对手的页面进行降级。如果真的完全让人类所无法理解的机器做决定，到时候又该怎么办呢？ 人类依然会指导机器，但是不再像以前那样了。
无论如何，谷歌搜索已经迎来深度学习时代。而且近几年中，谷歌也许已经应用过其他的机器学习形式。虽然这些技术让人类在某种程度上失去掌控权，但谷歌相信这利大于弊。
深度学习
可以肯定的是，深度学习仍只是谷歌搜索系统的一部分。据彭博社报道，谷歌每天收到的搜索请求大约有15%是其未曾见过的，而RankBrain正是用于处理这一部分请求的。它主要的功能就是分析搜索请求中不熟悉的字词和短语，并且给出与其意义相似的词句。因此，在处理陌生搜索请求方面，RankBrain远胜过传统的基于给定规则的系统。
</div>