不需費時分類的Google Photos App為何這麼聰明？

Chris Perry，目前Google相簿搜尋和分析團隊的領導人。（圖／黃慧雯攝）

2015年5月推出的Google Photos App，你使用過了嗎？如果選擇不以原始解析度上傳的話能有無限空間的Google Photos，其實可以讓你上傳你從小到大的所有相片，而且更聰明的是能幫你輕鬆重溫感人回憶。究竟Google Photos怎麼做到的？其實背後有一大部分的技術是仰賴機器學習(Machine Learning)。

機器學習是本回Google亞太區媒體活動的主講重點，在此領域深耕已久的Google透過這個機會向台灣的讀者揭開了一點關於機器學習領域的神秘面紗，這當中的技術也運用在Google Photos App當中。

讀者可以透過Apple App Store或是Google Play下載iOS或是Android版本的Google Photos App（Google相簿App），以自己的Google帳號登入後，基本上你就可以無後顧之憂的將所有手機中的照片備份到Google Photos。而假如你有時間，你還可以看見Google從你上傳的照片影片中，為你製作而成的動態GIF圖片、拼貼照片以及故事集錦等內容。

Google Photos App運用了許多機器學習的技術，讓你僅需要很少的時間就可以輕鬆管理你的相簿，且找到你想重溫的經典回憶。（圖／黃慧雯攝）

此外，更聰明的是，透過機器學習的技術，存於Google Photos當中照片你可以輕鬆找尋得到。透過運用機器學習技術的圖片辨識能力，只要在Google Photos App中按下「放大鏡」的搜尋圖示，你就可以看見Google為你利用不同指標而分類的照片，預設內容包含：人物、地點、事物等等。以人物來說，Google Photos會為你將它判斷是同一個人的照片整合在一起，你還能為這個人物設定特定標籤，且對方不會知曉你採用什麼標籤(你甚至能一鍵就隱藏不想看到的人，例如前男/女友)，而同樣的機器學習技術也可辨識你所拍攝的特定主體，例如「天空」、「棒球」等等照片，使用者只需要在Google Photos App中多加查看，就可以看見這些Google已經為你分類好的照片。

當然，除了這些已分類好的內容之外，也可透過Google Photos App的搜尋功能，為你找到特定照片，例如你可以在當中以「我+自拍」的關鍵字，快速找尋到所有你自己的自拍照；且所使用的搜尋關鍵字可以很自然，舉個例子來說，例如「NY Night」。而以編輯目前嘗試的經驗來看，透過英文關鍵字來搜尋的結果比較多也更為準確，身在台灣的使用者目前則只能多練練英文，或是期待Google Photos App的中文搜尋功能再更為提升！順帶一提，這些照片搜尋的功能，主要是透過雲端運算而達成，因此如果你在沒有連網的狀態下，就無法執行這些功能。

對於人們來說，對於辨識物體的學習很快速，例如學習到「…是貓」、「…是狗」的內容。然而，這樣的工作對於機器學習領域來說，背後的技術並不簡單。簡而言之，你若要透過機器學習來判斷某一個知名建築物，在建築物通常外型不會有太大變化的情況下，判斷準確其實相對簡單；對於判斷人臉、動物這類會隨著時間改變的內容，則需要下很大功夫。

Google Photos App背後運用了一個名為Inception的深度學習技術，來協助辨識圖片的內容。（圖／Google提供）

就機器學習物體辨識的內容來看，你需要讓機器擁有「computer vision」，也就是教會機器去辨識所拍攝到的內容。以Google Photos App而言，背後就是運用了一個名為「Inception」的深度學習（deep learning）技術，包含22層神經網絡，每一層都用於辨識圖片中的某一向度，例如顏色、亮度、物體形狀等等，而透過Inception的判斷後，就會為你分類Google Photos中的照片。

當然，可想而知這樣的機器學習技術，仍有不準確之處。例如Google Photos曾經鬧出將一位非裔女性標記為大猩猩的糗事，差點引發種族歧視相關的議論，但Google Photos團隊在得知此事之後，一個小時之內便解決了問題，也讓當事人感到很滿意，算是有個圓滿的結局，且能避免其他的使用者在未來免於遭遇類似事件的困擾。

由此可知，機器學習主要是一個讓程式透過大量範例來學習，而後慢慢演進的更為準確、有效工具的技術。雖然難以得到百分百準確的結果，例如：在Gmail垃圾郵件判斷的例子上，然而透過使用者的回饋、以及長時間的學習時間，還有越來越為準確的機器學習Model，能讓整個系統更為智慧化，有時甚至能讓你感受到「哇！它好聰明」的感覺。

在經過多年的努力之下，至目前為止，Google算是在機器學習的領域小有成就，且已在Gmail、Google Photos App、Inbox by Gmail App等工具中，成功運用機器學習的技術，為使用者帶來更好的使用體驗。Google認為，過去工程師習慣撰寫演算法來教機器如何思考，這樣制式化的方式未來將會被機器學習所取代，而對於消費者而言，或許很難理解機器學習背後的運作原理，但你卻可以期待更為智慧、甚至讓你覺得聰明的（行動）裝置即將被發明，而將對你我生活的許多層面帶來想像不到的便利性，光是這樣的願景，不就很值得期待了嗎？

Google揭秘機器學習7大關鍵

在Google擔任人工智能、計算神經科學、及可量化機器學習研究員的Greg Corrado 博士。（圖／黃慧雯攝）

Google於10日在日本東京舉辦亞太區媒體活動，以「The magic in the machine」為題，舉辦相關的主題演講以及參訪活動。對於網友來說，或許覺得這個主題離你很遠，然而其實我們日常生活中就已經享受機器學習（Machine Learning）的相關服務，且很可能你早已愛不釋手！關於機器學習的領域，讓我們來一起來瞭解幾個關鍵問題，讓你瞬間搞懂，吸收Google工程師一甲子的功力！

1、 機器學習是什麼？
一個改變現有軟體工程師工作內容的方法。相較於過去工程師透過撰寫有實際演算法的程式碼，讓程式（program）透過實際的條件來執行（重複性高的任務），機器學習則是讓程式透過大量的實際例子來學習。

以下透過讓機器學習預測「學生讀書時間與學業成績間的關係」這件例子來解釋機器學習的過程。試想，學生閱讀（x）的時間與學業成績（y）之間的關係，若以不同的xy參數來代表，透過一些學生的資料，我們可以在數學的象限繪出一條能以代數方程式呈現的直線，來代表當中的關係。而對於機器學習來說，這條直線與y軸之間的角度（W）以及與原點間的距離（b），可以讓我們得出這條直線的代數方程式為y=Wx+b。而機器學習則是透過大量的例子（學生成績與學習時間的資料），作為Learner，讓擁有機器學習能力的程式，透過微調W與b的數值，讓所繪出預測直線，能更為準確地預測下一個學生的資料。

讓機器學習預測「學生讀書時間與學業成績間的關係」的例子說明。（圖／Google）

2、機器學習的內容是什麼？
相對於過往的Program，可以透過套用工程師寫下的演算法快速得出一個結果，然而所能處理的任務，卻對於人們日常生活便利性的提升，帶來不大的效果；機器學習透過非常大量例子學習的歷程，會漸進式變得更為準確，較能滿足「提升人們日常生活品質」的這個目標，例如讓你不用減少電子信箱中看到垃圾郵件；當你習慣於給予Google「某些電子郵件是垃圾郵件，而某些被判斷為垃圾郵件的信件，並非屬於此類」的回饋時，其實背後的機器學習程式將會慢慢學習到對於你來說，哪些信件應該歸為垃圾郵件，哪些不是，隨著時間前進，結果會越來越準確。

3、機器學習能得到什麼結果？
透過機器學習，你能得到一個較為一般性的結果，例如「包含某些特定內容的信，對於大部份的使用者來說，是垃圾郵件」，然而這不一定適用在「所有的」使用者身上。

4、過往有時會聽見的「深度學習」又是什麼？
深度學習（deep learning）屬於機器學習領域，而且是一個具備巨大影響力的工具。簡而言之，深度學習模擬了人們大腦神經元的運作模式，透過運用多層次的機器學習功能（程式），可以讓機器學習像人類一樣判斷一些事情，例如「辨識圖片中的主體是貓」。

深度學習當中的每一層程式，類似大腦的神經元，執行的任務很小，但是所產生的結果將被下一層機器學習程式作為輸入（input），再接著進行下一階段的任務，而透過多層次的學習歷程，也就是說一個具備多個機器學習功能的深度學習程式，就可以執行「辨識圖片中的主體是貓」的任務。

透過深度學習，可以達成圖片內容辨識的任務。（圖／Google）

5、你的日常生活跟機器學習有關嗎？
當前，Google已經將機器學習的成果運用在Inbox by Gmail App（最新發佈的Smart Reply功能）、Gmail Spam判斷、Google Photos分類與搜尋、Google翻譯的語音辨識等功能中。也就是說，在你可能沒有察覺的情況下，你已經接受了不少來自Google於機器學習領域所獲結果的幫助囉！

Google旗下多款工具都已運用在機器學習相關技術。（圖／Google）

6、機器學習為什麼最近好像變顯學，大公司都在談？
根據在Google擔任人工智能、計算神經科學、及可量化機器學習研究員的Greg Corrado 博士所言，因為電腦當前的速度已經夠快，可以處理大量的資訊，因此需要仰賴大量例子來學習的機器學習，能產生可見且具影響力的成果，讓人們的日常生活更為便利。

7、機器學習是一種魔術嗎？
透過了解以上內容，相信你可以輕鬆回答這個問題，答案就是「No」，機器學習是一種運用於許多終端產品中的工具。

作為一個讀者（消費者），你或許不需要太過充分的理解以上的內容，不過你卻已能體驗到Google投注在機器學習領域的成果，並且天天享受它。如果你期待你手中的手機、電腦還能更聰明，還能為你想到更多，未來你能持續關注這方面的議題，或者甚至成為一個程式開發者的方向來努力。因為日前Google甫推出了TensorFlow，內容是機器學習原始碼，藉由開放TensorFlow，Google期待將加速機器學習領域發展，所以你也能成為替人類生活帶來更多便利性的當中一員！

Google釋出機器學習相關的原始碼，並採開放的做法，名為TensorFlow，企圖加速此領域的發展，或者更進一步站穩領先者的地位。（圖／Google）

Win10 Mobile正式版推送日期揭曉

Windows 10 Mobile正式版升級推送時間被曝光，包含Lumia 1020在內的多款Lumia手機將獲得升級的機會。(取自微軟)

先前微軟已確認將會在今年12月推送Windows 10 Mobile正式版，如今根據波蘭媒體的報導，推送的日期終於塵埃落定，手中有Lumia裝置的朋友也預備為自己手機升級的計劃囉！

波蘭Orange電信商目前已公布了Lumia手機升級Windows 10 Mobile的時間，以及確切機種。首先將在弟一波獲得升級的手機包含：Lumia 630、Lumia 635、Lumia 735、Lumia 830以及Lumia 640，時間就在2015年12月14日。而第二波獲得升級的機種將是Lumia 520、Lumia 532、Lumia 625、Lumia 720、Lumia 820、Lumia 920、Lumia 930、Lumia 1020以及Lumia 1320，時間須等到2016年2月份。

Windows 10 Mobile將是基於Windows 10跨平台作業系統的一支，透過此特性，未來與Windows 10 PC、Xbox One等平台之間的資料同步與分享，都將更為容易。在Windows 10 Mobile正式版推送之前，屬於Xbox One的Windows 10作業系統將會在11月12日推送。

在Windows 10 Mobile作業系統升級服務推送之後，會否對於Windows 10 Mobile的市場占有率有著正面拉抬的作用，會是市場觀察的重點之一！

臉書Photo Magic幫你一鍵寄回好友照片

Facebook針對Messenger推了Photo Magic功能，讓你能一鍵分享手機中拍攝到的臉書好友照片。(取自The Verge)

Facebook耕耘圖片內人臉辨識技術已久，如今又推出了一個全新功能，協助你發送「你幫好友拍的照片」給他，名為「Photo Magic」。

Facebook全新推出的「Photo Magic」服務，是針對Facebook Messenger所推出的新功能。使用者更新到最新版Facebook Messenger之後，可啟用「Photo Magic」功能(當然你也可以選擇不要用)。啟用之後，使用者需要允許Messenger取用你的手機相簿，接著App便會察看近期所拍的相片，辨識出當中有你的Facebook好友時，會有提醒通知建議你是否要將照片傳送給對方。

Photo Magic這項功能主要是因當前人們使用智慧型手機的習慣而生。通常你的手機當中會有許多幫好友拍的照片，相對的，你的照片則會存在其他朋友的手機裡。如果你們都沒有額外的時間將這些照片傳送給對方的話，這些應該屬於對方的照片就會只存在你們的手機中，想起來其實也是很怪的事，因此Photo Magic功能就應運而生！

這項功能有點類似先前Facebook Moments App的功能，同樣是透過人臉辨識技術，將你手機中的照片透過Facebook Messenger傳給對方。只是Facebook為你節省你的時間，將照片辨識的功能整合到了Facebook Messenger中。

想當然爾，這項獲取讀取手機相簿的功能，牽涉到了用戶的隱私。目前僅率先在澳洲地區推出，Android的使用者可以先行使用，iOS版用戶則要稍等一陣子。正是因為牽涉隱私，因此稍晚才會登陸歐洲國家，而之後使用者也將擁有「不允許其他好友透過此功能在手機中辨識你照片」的權限，將管控「有你的照片」的權限交還給使用者。

Photo Magic功能對你而言，是又一個Facebook的貼心之舉，還是讓你感到很多餘呢？歡迎大家在文章下方回應你的想法！

新聞業緊張 臉書《Notify》如期推出

Facebook發布最新《Notify》新聞通知App。(取自Facebook)

你現在都上臉書(Facebook)做什麼？除了發動態消息、打卡之外，或許就是查看朋友們的近況，還有他們又分享了什麼最新消息！當前，不少網友接收新資訊或新聞的方式，多是經由社群網路的朋友分享，讓臉書宛如另類的新聞平台。靠著如此累積起來的影響力，臉書一如外傳，在11日推出了《Notify》App，能向使用者推送最新Po在臉書各處的新聞！

Facebook的《Notify》App，類似其他的新聞App，可讓使用者訂閱感興趣的內容類別(Stations)；不然則會針對使用者在個人頁面中所挑選的興趣來推薦新聞。目前包含《CNN》、《時代雜誌》、《紐約時報》、《彭博社》等70家知名媒體，都已與Facebook合作。

Facebook《Notify》可讓使用者訂閱喜歡的新聞Station，推送你所感興趣的新聞。(取自Facebook)

Facebook與媒體合作的方式在於邀請媒體將新聞直接發布在Facebook的所屬頁面中，而非透過貼上自家新聞網頁連結的方式來分享。針對這些發表在Facebook平台上的新聞，Facebook先前已透過文章快手功能，不僅在內容呈現上有不一樣的提示，讓使用者可清楚辨別，載入速度也比透過網頁連結連回到新聞網站的方式快上許多，在優化使用者體驗的前提下，使用者肯定能清楚區分兩者的差異，並且可能愛上這些選擇在Facebook發表第一手新聞的內容。

目前Facebook《Notify》App僅在美國Apple App Store上架，台灣的消費者如果擁有蘋果App Store美國商店的帳號，可搶先體驗。當使用者所訂閱的內容在Facebook貼上最新新聞之後，《Notify》便會發出推播通知(顯示在通知中心中)，使用者點選推播通知就可直接連到該新聞頁面。

《Notify》App可謂是Facebook進軍新聞業關鍵棋子。在擁有大量使用者的前提之下，Facebook已成功佈局新聞內容、推出文章快手功能，最後再加上可透過《Notify》將新聞直接推送到使用者的手中，完成了一條龍的服務。

Facebook對於消費者的這項服務，應該對於讓消費者停留在Facebook平台上的時間有所幫助；然而，對於新聞業來說，不再採用將消費者導回自家新聞網站的作法之後，究竟對於本身的業務會有多大影響，非常值得觀察。而Facebook新聞服務很可能將成為撼動新聞業的關鍵要素之一。