谷歌在人工智能方面不只有無人駕駛汽車和手機語音服務，還有能識別數(shù)字和圖像的搜索引擎，這也是提升巨型數(shù)據(jù)庫效率的重要工具，我們可以把它比作“在線網(wǎng)絡帝國”的重要“武器”。

谷歌負責全球數(shù)據(jù)中心網(wǎng)絡設計和運營的Joe Kava說：

我們正在用“類神經(jīng)網(wǎng)絡”的技術來分析數(shù)據(jù)庫的運作情況，并且進行相關的維護。這里“類神經(jīng)網(wǎng)絡“的核心其實是算法，可以識別各種模型并進行相應判斷。雖然它們可能沒有辦法信號越人類的大腦，但在某些時候卻可以更快更全面，通過反復處理各種數(shù)據(jù)信息，它們能獲得學習的能力。

而谷歌負責這個數(shù)據(jù)庫項目的是年輕才俊的工程師Jim Gao。他是一個天才，通過在網(wǎng)上觀看斯坦福大學教授Andrew Ng的教學視頻后，他用自己在谷歌20%的時間進索“類神經(jīng)網(wǎng)絡”是否能提高公司數(shù)據(jù)中心的效率，并得出了肯定的答案。

谷歌每間隔幾秒就會收集數(shù)據(jù)庫中的處理信息，包括了設備的耗能以及室溫的高低。Gao用這些數(shù)據(jù)構造出了人工智能的模型，以適應不同條件的預測。這項開發(fā)為期12個月，目前模型的預測準確率已經(jīng)達到了99.6%，谷歌將這個模型運用到數(shù)據(jù)庫中，提高了整體效率。

當數(shù)據(jù)庫的效率低于模型的預測時，公司就會收到相應的信息，模型可以幫助谷歌決定什么時候需要管理數(shù)據(jù)庫中的設備。其實在兩個月以前，谷歌曾經(jīng)被迫停止了一些服務器，不過Gao的人工智能模型卻幫助他們將能源效率保持在高水平，這從一定程度上“解放”了谷歌的工程師們。

谷歌在白皮書中曾經(jīng)表示，Gao的模型與“深度學習”沒有關系，而只是一個“類神經(jīng)網(wǎng)絡”的架構，與一些網(wǎng)購網(wǎng)站所生成的產(chǎn)品推薦體系沒有大的區(qū)別。大數(shù)據(jù)創(chuàng)業(yè)公司Cloudera前工程師Josh Patterson說，網(wǎng)絡世界日趨復雜，要提高效率就不得不采用與谷歌相似的模式。從產(chǎn)品推薦，到“思維搜索”，再到深度分析網(wǎng)絡，“深度學習”可作為一種高級的學習工具服務許多人工智能工程。

現(xiàn)在，Google使用人工智能提高數(shù)據(jù)庫的效率，而在將來，新的穿戴式電腦和智能硬件設備會讓整個網(wǎng)絡更加復雜，這樣的技術也就更有機會大展拳腳，甚至成為世界必不可少的一項工具。