打敗了傳統編程后，機器學習該如何在 Google 普及

　　Christine Robson 是 Google 內外機器學習活動的組織者和帶動者。

　　機器學習在搜索中獲得成功，對于 Google 而言非常重要，這讓很多人開始真的注意起機器學習來。 而華盛頓大學的教授 Pedro Domingos 用更直白的語言說：

　　“一直以來，在傳統編程者與機器學習者之間都存在著一場戰爭。結果機器學習者在戰斗中獲勝了。”

　　Google 目前的挑戰是要將他們的工程師隊伍過渡到機器學習的隊伍，不要求每個人都熟悉掌握機器學習，但起碼需要熟悉機器學習。 不僅 Google 在這么做，很多其他的公司(比如 Facebook)都在積極邁進機器學習的時代。Google 正在各個名校的機器學習領域搶奪人才。 Google 也即將在蘇黎世開設一個機器學習研究中心，搶奪機器學習人才的戰爭，延伸到了歐洲。

　　基于目前學術界并沒有造出很多的機器學習人才，保持這方面的人才就顯得至關重要。在 Google，這并不是易事。因為大部分的頂級工程師一輩子都通過傳統的編程取得成就。但是機器學習所要求的，是全新的思維。編程者一般通過對編程的控制來進行創造，但是機器學習要求掌控的是某些具體類型的數學和統計學，但是這些領域的知識，甚至對于一些頂級的、可以解決復雜問題的工程師而言，都是陌生的，他們之前也根本不愿意學。

　　Christine Robson 正在致力于給 Google 的工作人員創造更好的機器學習的環境:“機器學習與靜止不變的編程不同：你要經常給它提供新數據，我們要一直更新模型，一直學習，要一直添加更多的數據，一直轉變我們預測的方式。機器學習就像是一個活生生的、會呼吸的家伙，它和傳統的計算機編程完全不同。”

　　但是，Google 對訓練工程師學會機器學習的前景是樂觀的：如今在機器學習中使用的數學不算太復雜，大部分 Google 的工程師都可以學會。Google 并且建造了類似 TensorFlow 的工具，幫助工程師學習機器學習。TensorFlow 也為 Google 在雇用人才方面增加了吸引力。當 Google 開設 TensorFlow 公開課時，有 75000 人報名參加。

　　目前 Google 最大的任務，就打造更多可以完善這些機器學習工具的人才。他們也在內部建立了大量的機器學習的課程，“下一次的課程，已經有好幾千的工程師報名參加。”Jeff Dean 說。