谷歌對于機(jī)器學(xué)習(xí)的研究要追溯到7-8年前的語音技術(shù)開始。但是，機(jī)器學(xué)習(xí)這一技術(shù)取得突破性進(jìn)展，是發(fā)生在計(jì)算機(jī)視覺領(lǐng)域。谷歌的機(jī)器學(xué)習(xí)產(chǎn)品包括一系列的云服務(wù)和工具。

谷歌機(jī)器學(xué)習(xí)的原理是，用眾多的電腦模擬人腦中的“神經(jīng)元”，形成一個(gè)人“神經(jīng)網(wǎng)絡(luò)” （ Artificial Neural Network）。它不需要借助大批研究人員幫助電腦標(biāo)明事物之間的差異，只要為算法提供海量的數(shù)據(jù)，“神經(jīng)元”與“神經(jīng)元”之間的關(guān)系將會(huì)發(fā)生變化，讓數(shù)據(jù)自己說話，讓組成“神經(jīng)網(wǎng)絡(luò)”的機(jī)器具備自動(dòng)學(xué)習(xí)、識(shí)別數(shù)據(jù)的能力，在新的輸入中找出與學(xué)到的概念對應(yīng)的部分，達(dá)到機(jī)器學(xué)習(xí)的效果。例如，當(dāng)人們需要計(jì)算機(jī)辨別圖片內(nèi)容的時(shí)候，各個(gè)人工神經(jīng)元就會(huì)把所抓取的信息傳遞給被設(shè)置為“決策者”的神經(jīng)元上，它們通過統(tǒng)觀其下層所有神經(jīng)元所呈現(xiàn)的信息，結(jié)合案例、數(shù)據(jù)的分析及算法最終得出結(jié)論。

而在這背后，谷歌的機(jī)器學(xué)習(xí)的步驟是：首先需要找到“Model（模型）”，就是在輸入和輸出中間的一個(gè)轉(zhuǎn)換公式，也就是“機(jī)器學(xué)習(xí)”中的“機(jī)器”；其次，需要為這個(gè)公式找到“參數(shù)”，這是需要機(jī)器進(jìn)行學(xué)習(xí)，并不斷修正；最后，它需要“學(xué)習(xí)”如何不斷調(diào)整參數(shù)、降低錯(cuò)誤。