关于Google高级研究员、Google大脑项目领导者Jeff Dean，业界有不少佳话和段子，其中两句话最能说明Jeff Dean的江湖地位。

　　一是：初级Google粉膜佩奇和布林(两位创始人)，骨灰Google粉都膜Jeff Dean。

　　二是讲诉Jeff Dean代码功力之强的段子：“编译器从不会给Jeff Dean警告的，Jeff Dean会给编译器警告。”

　　如果之前没人直接问过Jeff Dean对这些“评价”如何看，那在围棋峰会现场，新浪科技向这位Google高级研究员转述后，他自己也显得很开心，然后回答说：谢谢，我很荣幸。

　　当然，在乌镇围棋峰会现场，围绕AlphaGo、Google和人工智能，Jeff Dean还与我们分享了观点。

　　谈Google变革：AI贯穿一切

　　在刚结束的Google I/O大会上，Google CEO皮查伊再次强调了“AI Frist”。

　　在被问及如何理解这种“AI Frist”时，Jeff Dean表示，人工智能在Google内部并不是研发人员的事情，而是贯穿整个公司的战略和技术，而不是一种孤立的工具。

　　他举例称，在硬件领域、产品组、服务组等，都在AI的连接下交叉配合，比如Google翻译、Google photo、谷歌医疗、无人车等产品和项目，背后都有人工智能贯穿其间。

　　其中，最令他感到开心的是Google翻译在人工智能推进下取得的重大进展。今年3月，Google方面宣布了Google翻译在机器学习的助力下，实现了准确度和翻译学习方面的重大突破，而按照Jeff Dean的话来说，就是能够把两种语言的翻译学习，“迁移”到更多的语种，速度更快、准确性更好。

　　打个比方来说，在目前的技术条件下，通过中英互译的学习，就能直接把模型算法迁移给中日、日英等多语种互译方面，机器已经在不断摆脱“人类经验”的作用，通过强化学习，拥有自学习的能力——用Jeff Dean的话说就是机器的“学会学习”。

　　此外，Jeff Dean还表示人工智能还帮助整个Google降低资源消耗、提升效率，比如对于计算资源的优化上。

　　具体可以佐证的是两代AlphaGo的计算资源对比。去年对战李世石的AlphaGo-lee当时消耗了50个TPU单位的服务器，但经过一年的算法结构优化，现在对战柯洁的AlphaGo-master，只被装在了4个TPU组成的1个服务器中，并依托Google云计算实现了“单机版”对战。

　　Jeff Dean认为，这些关于计算机相关的问题不止在Google得到根本性解决，也在整个行业得到突破，并正在把计算相关领域的边界不断拓宽。

　　AI拓宽产业边界：生产力革命波及各行各业

　　对于这种AI正在带来的革命性改变，Jeff Dean认为是机器学习的进步让很多计算机相关的问题得到根本性解决，而且进一步为很多行业的计算问题扫清了障碍。

　　比如计算机视觉领域的突破，就大大拓宽了计算机的应用，计算机开始进入到之前不能完全进入的汽车领域，自动驾驶正在给这个传统行业带来颠覆性变革。

　　Jeff Dean表示，就像计算机视觉一样，会有很多行业用人工智能，先是探索性的、解决小问题的，再不断拓展，最后发展到端到端的整体解决方案。

　　所以未来，可能不是科技公司需要人工智能，会是全面全行业的采纳人工智能。唯一不确定的是具体速度，因为各个行业具体采纳的速度可能是不一样的。

　　被问及认为最快应用的领域，Jeff Dean认为医疗和无人车是目前走在最前的领域：突破迅速且前景大好。

　　Jeff Dean也感叹自己生逢其时。他透露自己的本科毕业论文就是神经网络的并行排序，在当时就希望通过这样的方式提高计算效率，但没有想到变革来得如此迅猛。

　　“2012年我们一起成立了Google大脑，当时还用的是CPU，尝试提高效率。现在利用GPU、TPU，我们已经实现了倍数效率提升。”

　　谈AI标准化：丛林法则尚未展现

　　不过，即便强调了AI对于各行各业的颠覆意义，但Jeff Dean也认为并非每一家面临挑战的公司都有机会将此转为机会。

　　最核心的问题是：并不是每一家公司都雇得起机器学习方面的专家。

　　于是与此相关的挑战是如何打造一个机器学习的算法模块和自动化的学习系统，可以帮助数以百万计的中小公司不雇佣顶级机器学习人才，也能完成AI变革。

　　这种“算法模块”和“机器学习系统”，正是Jeff Dean参与研发的Google在机器学习方面的开源框架平台TensorFlow。

　　他告诉新浪科技，TensorFlow目前的使用情况令人可喜，特别是中国，也是全球最活跃的使用地区之一。Jeff Dean向新浪科技透露的中国TensorFlow用户数是7万，更早之前，TensorFlow当前负责人Rajat则表示中国下载量是14万。

　　当然，对于Google的TensorFlow来说，在中国最大的挑战来自两方面，一是如何进一步推广的问题，另一个则是来自百度开源平台paddlepaddle的正面竞争。

　　Jeff Dean对此向新浪科技回应称，现在确实有很多不同的开源框架，而且全都是不同的标准。但TensorFlow很优秀的一点在于它是针对大部分研究用途设计的，所以它非常灵活，可以在上面尝试一些特殊的想法和任务。

　　“我们把它设计得非常具有扩展性。这样你就可以通过它来训练大型的分布式系统模型。它还被设计得能在不同平台上运行。所以你可以在手机，无论是Android还是iPhone，台式机、数据中心、TPU上运行它。”

　　Jeff Dean认为，灵活性、扩展性和计算产品完成度这三者结合起来，会创造出非常强大的框架。而目前其他平台只能提供其中两到三种能力。

　　不过这并不意味着Jeff Dean赞同TensorFlow会就此成为AI时代的Android，在当前的竞争中再现丛林法则，消灭其他框架、一家独大。

　　“我觉得人们总会选择对自己有用的那个，如果TensorFlow对他们有用，我自然很高兴，但如果开发者通过其他框架也能解决问题，我也认为没问题。我不觉得TensorFlow会消灭其他机器学习框架。”

　　至于具体如何向中国开发者推广TensorFlow，Jeff Dean表示，现在实际上已经为中国开发者提供了接入方式——开发者可以获得源代码，以及使用它们的说明。不过也会进一步考虑如何做一些更加有效的推广，让中国开发者更加方便地使用TensorFlow。

　　Jeff Dean还分享称，他们知道中国有一些开发者还主动帮助TensorFlow做了汉化工作，这令Google内部感到欣喜。

　　谈和DeepMind的关系：独立又互补

　　实际上，之所以此次作为Google大脑的负责人来到中国，并全程见证AlphaGo对战柯洁，是因为在Google内部，和收购来的全资子公司DeepMind合作最密切的就是Google大脑。

　　谈到Google大脑和DeepMind的关系，Jeff Dean认为可以看做是两大研究组织的合作，相互独立又互相合作补充。

　　他表示DeepMind可能更倾向于在更加纯净的环境中研究算法，比方说玩游戏。而Google大脑团队则倾向于关注拥有更多数据的复杂问题，并且将这些问题以产品化模型的方式解决出来。

　　Jeff Dean透露，最近两大组织在工作中合作了很多，二者之间非常互补。

　　当然，新浪科技还就此问题采访了DeepMind联合创始人穆斯塔法，他说在DeepMind，有一个小组专门对接和Google的协同合作，输出技术，和Google团队一起打造“令人激动人心”的产品。

　　谈及AI带来的未来，穆斯塔法赞同Jeff Dean的说法，认为一切刚刚开始。