谷歌要在北京组队搞AI,然后呢?

搬到新址一年后,Google准备在北京搞点新事情。

其实最近几个月,量子位已经从不同渠道(包括Google内部一位人工智能明星科学家)听说了这个消息:Google将在北京组建一个人工智能/机器学习团队,完全从无到有。

这会是怎样的一个团队?

Google的新想法

尽管Google没有标明上述岗位的招募数量,但仍然有大量的信息泄露出来。例如,这不仅是一个工程团队,还兼具技术研发的任务。

涉及的AI方向包括:计算机视觉、视频处理与理解、图像处理、语音识别、自然语言理解、文本理解、分类、模式识别、推荐系统、定位系统,以及机器学习、深度学习、优化的算法基础、人机交互,数据挖掘,AI+医疗保健,计算基因组学等。

由于国内对于公有云落地监管的缘故,如果想要推进这个计划,Google可能还需要一个中国伙伴。

TensorFlow在中国

当然,Google在北京围绕AI的举措,不止组建团队而已。在此之前,TensorFlow作为Google面向AI时代的开发者平台,内部对其在中国的发展前景非常重视。

4月在乌镇,Google大脑团队负责人JeffDean就告诉量子位,希望通过TensorFlow,让每一家公司都拥有机器学习方面的能力,而不必非得高薪聘请一位机器学习方面的专家。

在Google内部,Google大脑和Google云正在通力合作,希望把TensorFlow打造成为一个辐射全球的机器学习的算法模块和自动化学习系统,可以覆盖到数以百万计的中小公司,让它们也能参与到AI变革中。

中国市场当然是不可忽视的一块。同样还是4月的乌镇,TensorFlow的负责人RajatMonga告诉量子位,中国地区的TensorFlow用户增长情况喜人,已经超过14万的下载,是全世界最活跃使用的地区之一。

更令JeffDean感动的是,中国开发者还主动义务帮助TensorFlow实现汉化,Google内部对此非常感激,并希望能够通过官方力量做更多事情。

就在8月31日,Google中国开发者官方网站发布信息称:中国开发者可以更加便利地使用TensorFlow,在中国的开发者网站上提供数百份实用资源,所有对TensorFlow感兴趣的开发者、研究人员或公司都可以在tensorflow.google.cn上获取使用指南,在知识库中搜索现有的API(应用程序编程接口),或是构建模型的方法。

这可能也是“Google中国机器学习中心”建立后将要承担起的作用。自去年12月8日Google中国开发者平台上线后,外界就期望可以在此基础上获得更多,特别是AI风起云涌的当下。

此外,对于Google来说,把TensorFlow更顺畅地带给中国开发者,不仅是使命所然,也肯定不乏商业前景。

另一方面,TensorFlow也是Google在下一个时代继续保持优势的平台之一,它显然是至关重要的,而且TensorFlow展现出的扩展性、多平台性,显然比Android远远大得多。

TensorFlow现在也有一些中国大客户,比如京东、小米都是TensorFlow的应用企业,也有一些创业项目在通过TensorFlow享受Google开源的机器学习资源。比如一家叫CastBox的播客应用,就利用TensorFlow对他们的用户偏好进行分析,并向听众提供个性化的推荐。

AI人才抢夺

最后,Google在中国设立机器学习团队,主观上不知道,但客观上肯定能抢夺到不少优秀的AI人才。

这几年也有一些Google总部任职的工程师回国创业或任职,较为知名的如出门问问的李志飞,流利说的王翌。所以能在中国建立最前沿的AI研究中心,对于潜在人才的吸引力显然不言自明。

然而,现在看起来最令人担心的是Google目前在北京的新办公室,只租用了融科资讯中心的三层,新组织建立后能否坐得下呢?

那些年Google中国散出的人才

Google在北京再建研发组织,也不禁让人联想到10年前,Google曾将一大批人才凝聚起来,其后又在风云际会的10年里散作满天星。

Google中国2005-2006同事十年聚会(部分)

量子位随手盘点,按照其后履历,大致有这么几个派系:

创新工场系

Google大中华区总裁李开复离职后创立的创新工场,成为了不少Google离职人才的下一站,除了李开复博士,还有不少人才现在正是创新工场的中坚。

比如主管创新工场投资业务的合伙人汪华、主管运营的合伙人陶宁、任职CMO的合伙人黄蕙雯、创新工场AI工程院副院长王咏刚,创新工场AI工程院VP吴卓浩等,均是Google的中国“毕业生”。

百度系

还有不少人从Google离职后进入了百度,并在其后成为百度的技术研发主导力量。比如4月离职的前百度高级副总裁、自动驾驶事业部创始人王劲,百度美国研发中心主要创立者郑子斌,百度度秘事业部CTO、百度T11朱凯华,百度副总裁刘骏,这些都是从Google走出的百度高管,业务线人才更是不计其数。

小米系

相较创新工场和百度,现在有多少Google工程师成为小米一员,我们不得而知。但Google与小米的渊源关系无须赘述,小米创业的7个合伙人中,现任总裁的林斌和MIUI负责人的洪锋,均来自Google。

此外也有不少人成为其他公司高管,典型代表如沈博阳,在离职Google后,他先后创办糯米网、出任LinkedIn中国区总裁,现在又再创业成为蛋壳公寓执行董事长;庞见维,之前担纲Google在国内的人才招聘,现今任职优信拍执行总裁;还有张矩,现在是峰瑞资本董事。

当然,还有不少当前声名鹊起的创业新星和明星公司合伙人,量子位虽不完全统计,但也觉得名单阵容足够耀眼:

值得一提的还有一位名为薛荣升的“大厨”,当时是Google在北京的行政总厨,现在成了餐饮品牌奇萨卷的创始人(也获得了李开复的投资)。

此次Google在北京建立机器学习研发团队,会在AI时代里再培养出多少人才呢?

THE END
1.机器学习的相关软件框架下载安装机器学习软件机器学习 专栏收录该内容 31 篇文章 29 订阅 订阅专栏 本文详细介绍了如何下载和安装Anaconda,解决AnacondaNavigator打不开的问题,以及创建和使用PyTorch-CPU环境。此外,还涵盖了Python版本升级、包的维护,包括pip工具的使用、升级和管理第三方库的方法,以及如何修改pip镜像源以提高下载速度。 摘要由CSDN通过智能技术https://blog.csdn.net/weixin_45891612/article/details/128692813
2.Microsoft机器学习产品和技术概述Azure Data Science Virtual Machine使用预安装的数据科学工具的虚拟机映像使用 Jupyter、R 和 Python 等工具在自己的 VM 上开发机器学习解决方案。 ML.NET开源的跨平台机器学习 SDK开发适用于 .NET 应用程序的机器学习解决方案。 Windows AIWindows 设备上的已训练模型的推理引擎将人工智能功能集成到 Windows 应用程序https://docs.microsoft.com/zh-cn/azure/machine-learning/service/overview-more-machine-learning
3.科学网—机器学习软件推荐一个机器学习软件推荐一个 写在前面 谈起机器学习和数据挖掘,很多非计算机专业的人就望而却步。很重要的原因是,敲代码。这次就推荐一款无需敲代码的独立软件Weka,专门做机器学习和数据挖掘,用起来真的很香。当然,Weka也为开发者提供了接口,方便用户开发新应用。https://wap.sciencenet.cn/blog-571917-1310015.html
4.初学者和专业技术人员使用的十大机器学习软件它是用python编写的,并且可以在TensorFlow,CNTK和Theano等其他高级软件之上运行,该机器学习软件有助于快速试验各种模型和算法,它还为CNN(卷积神经网络)和循环网络提供支持,Keras模型主要基于顺序模型和功能性API,人们相信这是制造神经网络的未来,Keras允许您在不同的后端上运行相同的代码,这就是为什么Keras如此被爱的https://www.51cto.com/article/627083.html
5.机器学习和预测分析软件Minitab数据科学和机器学习 业务分析和智能软件 统计过程控制 质量分析 Live Analytics 可靠性和寿命数据分析 离散事件模拟 过程挖掘 关键功能 持续改进 数据集成和数据准备 图表和思维导图 数字孪生 模型和机器学习运营 创新和项目管理 过程卓越:检测、纠正和预防 http://salford-systems.com/
6.软件公司生产的产品有哪些零代码企业数字化知识站人工智能和机器学习软件用于开发智能应用,支持自动化决策和数据分析。包括机器学习平台(如TensorFlow、PyTorch)、自然语言处理工具(如spaCy、NLTK)和计算机视觉库(如OpenCV、Dlib)。机器学习平台提供算法和工具,支持模型训练和评估。自然语言处理工具用于文本分析和理解,支持聊天机器人、翻译和情感分析应用。计算机视觉库用于图https://www.jiandaoyun.com/blog/article/439333/
7.机器视觉软件有哪些苹果机器学习软件是苹果公司开发的一套机器学习和机器视觉工具包。它提供了丰富的图像处理和模式识别功能,可以帮助用户进行图像分类、目标检测等任务。苹果软件还具有高度可定制化的特性,适用于开发人员和研究人员。 4. 微软计算机视觉软件 微软计算机视觉软件是微软公司提供的一套机器视觉工具。它包括了多个功能强大的图像https://cn.smartmore.com/article/post/1922.html
8.基于机器学习的软件缺陷预测方法研究基于机器学习的软件缺陷预测方法研究,机器学习,软件缺陷预测,类不平衡,特征选择,软件缺陷预测技术能够在软件开发初期尽早的发现软件缺陷,有助于合理地分配测试资源,降低软件开发和维护成本,是保证软件可靠性的重https://wap.cnki.net/lunwen-1020344241.html
9.关于机器学习的这几个必备软件,你知道吗?生涯频道领研网今天给大家介绍4款机器学习的免费软件,全部可以在App Store里面下载(手机、iPad均可),可以帮助大家更好地理解机器学习! 神经网络 神经网络:该APP是一个受Google TensorFlow的Deep playground启发而制作的应用。该程序的大量代码都借鉴了开源项目Deep playground,其致力于普及神经网络、人工智能的相关知识。 https://www.linkresearcher.com/careers/c55d3dec-a7f6-4194-951e-8f693d1c572d
10.百度谷歌等联合推出机器学习基准加速全球AI软硬件发展中新网5月3日电 5月2日,由包括百度、谷歌、斯坦福大学、哈佛大学在内的多家企业和高校联合发布了一套用于测量和提高机器学习软硬件性能的国际基准MLPerf。其巨大的学术和产业价值获业界肯定,被认为不仅将加速推进机器学习硬件+软件相关技术创新,更将对整个AI领域的研发思路、投资布局带来长期影响。 https://www.chinanews.com.cn/m/it/2018/05-03/8504906.shtml
11.ccd机器视觉需要学什么软件机器视觉视觉检测设备3D视觉在CCD机器视觉中,机器学习和深度学习可以帮助我们构建更加智能和准确的检测模型。常见的机器学习软件有Scikit-learn和TensorFlow等,它们提供了各种机器学习算法和模型,可以帮助我们进行数据的训练和预测。而深度学习软件如Keras和PyTorch等,则更加强调对神经网络的建模和训练。学习机器学习和深度学习软件需要一定的数学基础和https://www.0755vc.com/16989.html
12.基于机器学习的软件缺陷预测与识别随着软件在现代社会中的广泛应用,软件缺陷的出现对企业和用户都带来了严重的损失。为了及时发现和解决软件缺陷,研究人员和工程师们开始探索利用机器学习技术来预测和识别软件缺陷。本文介绍了机器学习在软件缺陷预测与识别领域的应用,以及相关方法和挑战。 引言: http://www.51testing.net/studyInfo/basis/70726.html
13.基于机器学习的软件缺陷预测模型研究.pptx基于机器学习的软件缺陷预测模型研究:2023-12-30目录引言软件缺陷预测模型相关理论基于机器学习的软件缺陷预测模型构建实验设计与结果分析模型应用与展望参考文献引言01软件质量的重要性软件质量对于企业的成功和用户的满意度至关重要,而缺陷是影响软件质量的主要因素之一。传统测试方法的局限性传统的软件测试方法往往无法全面https://m.renrendoc.com/paper/304512742.html
14.ODYSSEE数字孪生与机器学习大数据优化软件ODYSSEE是基于CAE模拟数据和物理测试数据,通过人工智能(AI)/机器学习(ML)和降阶建模(ROM)技术,进行产品实时预测及优化的数字孪生与机器学习大数据优化软件。 软件不仅用于设计阶段,在早期设计阶段之后,采用数字孪生技术,制造商可以进行图像识别、仿真预测和故障预测,帮助解决整个生产过程中的停机、吞吐量、质量和灵活性https://www.anscos.com/odyssee.html
15.为什么大的芯片厂,都忙着收购“机器学习”软件公司?一些大型半导体供应商已经在开始收购机器学习(ML)软件公司,以便加强它们针对嵌入式系统的人工智能(AI)产品。最近一笔交易就是英飞凌科技与总部位于瑞典斯德哥尔摩的初创公司Imagimob AB所签署的,后者在为边缘设备提供机器学习解决方案。这家瑞典公司的工具链可提供生产级机器学习模型。 https://www.esmchina.com/news/10724.html
16.软件定义下一代汽车,国产龙头依旧是:华为!3.3. 机器学习算法实力强劲,实现快/准/巧 诺亚方舟实验室和智能车云服务产品部是机器学习软件算法的核心支撑团队。华为八爪鱼(HUAWEI Octopus)自动驾驶云服务依托联合团队以及诺亚方舟实验室的最新研究成果,优化自研算法,多项算法模型的精准率达到业界领先水平。 https://awtmt.com/articles/3611353
17.安卓软件开发:如何实现机器学习部署到安卓端安卓软件开发:如何实现机器学习部署到安卓端 2024年已经过半了,我作为聋人独立开发者,我经常反思自己在这半年中的成长,自己这半年到底进步了多少?在这篇文章里,分享机器学习模型部署Android端的开发案例。无论你有没有开发经验,相信这篇文章对你会非常有所帮助。https://cloud.tencent.com/developer/article/2452333