
十分钟带你看 Google I/O 2018 的亮点(视频中英双字)
今年的Google I/O开发者大会已经在美国落下帷幕。此次大会的重点是Google Assistant、Android P Beta,今年的主角依然是AI,它已经融入谷歌产品与软件系统中。
中英双字视频如下:
针对不方便打开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:
欢迎来到Google I/O。
对于像我这样在成长过程中没有手机的人,我清楚地记得,接触到科技能如何影响你的生活。这就是为什么我们一直专注于将数码技能带给世界各地的社区。
我们已训练了超过2500万人,并希望该人数在未来五年内能超过6000万。
AI 用于医疗
医疗是即将被AI转变一个最重要的领域。
在诊断糖尿病视网膜病变方面,我们使用深度学习来帮助医生进行诊断。我们可以预测你在五年内发生心血管并发症、心脏病或中风的风险。
我们用反识别病例与合作伙伴一同努力。结果证明,如果为每个病人分析超过10万个数据点,这超过任何一名医生可分析的数量,那么能比用传统方法提早24至48个小时,定量预测病人复诊的几率。从而给医生更多的行动时间。
Google 照片
另一个产品是Google照片。
我们将带来一个新特性,如果你拍了一张之后想使用的文件照片,我们可以进行识别,将文件转换成PDF格式,这样能够方便你之后的使用。
或者如果你有张非常特别的黑白老照片,我们可以给照片重新上色,并让那瞬间变得更真实、更特别。
Google 助理
截至今天,我们为Google Assistant增添了六个新的声音。今年迟些时候会上线John Legend的声音,那么你可以听到这样的回复:"上午10点,你有一个Google I/O的活动。接着在下午1点,你将享用玛格丽塔酒。祝你有美好的一天"。我很期待下午1点。
如今,智能助理已用于超过5亿个设备。在今年末,智能助理将支持30种语言,覆盖80个国家。
家庭使用场景
目前我们在研究的是一款称为Pretty Please 的产品。智能助理能够理解和回应积极的谈话,并赋予强化礼貌的方式。
智能预约
假设你要让Google帮你预约理发时间,那么你会听到Google Assistant打给一家真正的理发店帮你预约。
"您好,请问有什么可以帮您?"
"你好,我想预约理发。希望安排在5月3日。"
"好的,请稍等。"
"嗯哼。"
刚才你听到的是真实的通话,神奇的是,智能助理能够明白谈话中的细微差别。
Google 新闻
我们已花多年研究这项技术,它叫作Google Duplex。它集中了我们这些年在自然语言处理、深度学习、文本到语音中的所有投入。
我很兴奋地宣布新的Google新闻。通过新的Google新闻,我们能帮助你完成三项事情。首先,追踪你留意的新闻;接着,理解整个故事;最后,支持你喜爱的资讯。
我们的AI能持续为你阅读网上的大量资讯。每分钟都有大量的文章、视频、播客节目和留言被发布,整合了你需要知道的关键内容。
Newscasts
我们也很激动地介绍新的视觉样式,Newscasts。你不会再在其他新闻应用中看到这种形式。Newscasts提供了获取基本信息的简单方法,并决定我需要深入地阅读的区域。
Full Coverage能让我们了解更多内容,这能够提供事件的整体情况。包括报道的多种来源、多种形式,这是目前该应用最强大的特色。
在Newstand部分,能够轻易找到并追踪我喜欢的信息,同时浏览并发掘新的内容。如果我有个想订阅的出版商,那么就非常简单。因为你已经用Google账号登录了,那么已经完成了。
Android P
我们今天起在127个国家的Android iOS以及Web端上推出,Android在过去10年内的成长促进了计算从台式机到移动端的转移。
正如我所说的,AI将会大大地改变行业状况。那么看到我们正在致力于的Android新版本——Android P。
适应性电池通过设备内置的机器学习,帮你推断在接下来几小时内你要用的应用,以及你目前不会要用的应用。
智能预测
有了Android P,我们从仅能预测下一个要运行的应用,到预测你下一个要进行的操作。我们将这个特性称为App Actions。这能够根据我的使用模式进行预测。手机在适应我,并帮助我更快进入下一个任务。
Slices是面向开发者的新API。用来定义他们应用UI的交互性代码片段,可以显示在OS的不同地方。
通过ML Kit,你可以获得内置API进行文字识别、脸部识别、照片标签等。ML Kit也能基于ML技术支持进入Google云端。
戒掉手机瘾
我们团队试图在科技中找到平衡点,我们首先注重的是帮助你了解自己的习惯。
Android P将通过仪表盘显示你使用设备的时间分布情况。正如之前看到的,你可以看到你在应用中花了多少时间,将设备解锁了多少次,以及收到了多少通知。
Android P能让你设定使用应用的时间限制,在到时间时提醒你要做别的事了。如果你把手机背过来放在桌子上,则自动进入勿扰模式,那么你能专注于手头的事情。没有提示音、震动或其他打扰。
你可以告诉Google Assistant你几点要睡觉。当到时间时,会启动勿扰模式,并将屏幕调成灰色。这会减低对头脑的刺激,并帮助你放下手机。
Google Maps+Google Lens
地图是用于帮助每个人的。我们已绘制了超过220个国家和领土,并在地图上标注了大量地点。
兴趣推荐
我们在地图上添加For You的新标签。目的是为了告诉你关于所在社区的须知事项,即将营业的新店、目前流行的事物以及个人化的推荐。
我们开发了Your Match,帮助你寻找更多你会喜欢的地点。Your Match使用机器学习,结合Google所知的上百万个地点,以及我所添加的资料。
实景导航
让我们看到一个熟悉的场景,你的手机告诉你,在Market街往南走。问题是你完全不知道哪边是南,因此你看着地图上的蓝点试着走,看看是否与你往同一个方向移动。
我们的团队结合了相机的功能、计算机视觉以及街景和地图,重新构想导航。
Google地图中会是这样。注意你也在看地图,那么你始终能确定方向,你能看到附近的地点和周围的事物。
从现实到电子世界
如今通过智能文字选择,你现在能将看到的文字结合想要的答案和行动。
因此你可以把现实世界中的内容,直接复制与黏贴到手机中。
你在朋友家,看到这个时尚的台灯。你想了解这种款式,如今Lens可以帮你。打开相机,你可以看到Lens页面,并立即获取所有的信息,甚至能固定到你看到物品上的信息。
自动驾驶
Waymo是世界上唯一有全自动驾驶车队的公司。菲尼克斯将是Waymo自动驾驶交通服务的第一站,这将在今年晚些时候推出。
很快每个人就能使用应用预约Waymo,接着自动驾驶车将停过来,而且驾驶座上没有司机,车会将用户带到目的地。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30