五年后重新谈论搜索之后的技术时，机器学习成为谷歌接下来产品必备的技能，并且谷歌已经宣布将开放这一能力，原因是其需要大量的数据使得机器更加智能。
机器学习不止是用于优化减少垃圾邮件以及YouTube的视频推荐，如今最能代表这项技术的产品就是Google Photos。发布6个月后，用户已经上传了500亿照片。这样大量的数据以使得谷歌可以自动帮助用户组织和管理图片，而且更加人性化的搜索图片和分享。
周二，Google Photos产品经理Chris Perry在日本向媒体展示了Google Photos是如何识别出十几年前父子在峡谷的合影，而这张照片并未被人工添加任何标签。与传统照片管理依靠特定标签不同，谷歌虽然也同样会根据关键词进行搜索，但是对于图片的识别技术已经发生了根本的改变。
Chris Perry展示了如何利用神经网络识别一张图片，而不是使用信息点匹配的方式，原因是后者只能识别静物。这项被称为“神经网络”的项目包括26个层次的识别，而每个层次识别的内容并不相同。简单来说，谷歌可以从像素、线条和形状分别进行对图片的识别，最终告诉用户这是什么。
不过，这里存在着一个难以突破的困境。机器可以通过已经上传的多张图片识别出他们相同的特点，并知道这是同一类事务，但无法将这些事务与人的认知相联系。举个例子，机器识别一张猫的照片，并知道这是一只喵喵叫的猫，但是它却无法告诉用户这是一只“猫”。
面对大千世界的海量数据，在实际中是无法有专门的人对每个事物进行标定。推特和Pinterest通过五年的时间实现了这个方式，而Instagram用了两年半的时间。
然而，谷歌的做法就是利用每一个人的搜索，以此代替专门的人工添加，这是自7、8年前语音团队开始切入机器学习后开始的。2、3年前谷歌开始大规模投资这项技术，
如今，谷歌向外界开放其机器学习系统TensorFlow，Alphabet执行主席Eric Schmidt表示，这将不断扩大网络，组成更大的知识基础，获得更多回馈，进而有更多发现。
当你看到被白雪遮盖了部分的路标，你可以大致猜测出这个图片是什么以及背后的含义。谷歌认为，机器也应该可以同样做到。为此，谷歌将机器学习引入旗下的产品。谷歌高级研究科学家Greg Corrado告诉科技新闻，“机器学习已成为谷歌搜索第三大重要技术”。
在Greg Corrado看来，人工智能是机器响应环境，而机器学习是可以根据经验进行学习。谷歌真正感兴趣的是这两者的交集部分。“我们预测机器可以预测不断重复同一工作”，然后使其对工作处理的更好。
机器学习的基础实际上包括三个重要的部分。首先，需要找到“Model（模型）”，这就是在输入和输出中间的一个转换公式，也就是“机器学习”中的“机器”；其次，需要为这个公式找到固定的“参数”，这是需要机器进行学习，并不断修正；最后，需要一个“学习”的软件，知道如何调整参数、降低错误。
不过，对参数的调整速度非常缓慢，这需要机器对至少上千万，甚至达到10亿G的案例进行学习。这也是，机器学习与人类学习的最大差别，前者需要大量数据作为“助推器”。
尽管并未对外公布是否该技术引入谷歌眼镜等硬件产品，但谷歌母公司Alphabet执行主席Eric Schmidt证实，目前有一百多个团队在用机器学习技术，其中包括Youtube核谷歌搜索等。
谷歌披露，机器学习提高了对Gmail垃圾邮件的识别率，以及对语音转换文字的识别率提高了20%。
谷歌在上周曾发布了自动回复邮件的功能。当用户收到新的邮件后，深度学习系统可以判断是否需要简单地回复。如果需要回复，系统会进入第二个判断，即如何对邮件进行回复。这样的判断与识别垃圾邮件类似。
事实上，机器学习的未来并不只是谷歌搜索所引发的业务。如果计算机视觉比人更好，那么就应该让机器来开车；机器对X光片的识别或许比人能够的出更精准的判断，而对时间顺序发生事情的判断对医疗诊断异常重要。
Eric Schmidt表示，如果选择创业，会进入医疗领域，因为这个领域的规模和机会。“我预测，会有很多的医疗机构可以利用我们的技术做正确的事情”。
对于目前的开放策略，Greg Corrado称，机器学习需要鼓励大家从不同的角度研究，即使在谷歌内部也有不同的方法，而学术界和不同的企业之间有很大的差异，谷歌也正在与Facebook和百度合作。而此次开源更可以为创业公司、学生，以及粉丝爱好者打开机器学习的入口。
