蘋果讓科技與設計融合，IBM投資的研究常常是超前時代10年，臉書的口號則要「快速行動，維持穩(wěn)定的基礎(chǔ)架構(gòu)」（但顯然已經(jīng)放下過去「打破規(guī)則」的部分）。
這些公司都以各自的方式成為絕佳的創(chuàng)新者，但真正讓Google（現(xiàn)在的正式名稱則是字母〔Alphabet〕公司）有所不同之處，在于該公司不是依賴某種單獨的創(chuàng)新策略，而是有許多創(chuàng)新策略，創(chuàng)造出一個細致但又強大的創(chuàng)新生態(tài)系統(tǒng)，似乎能同時產(chǎn)出數(shù)十種創(chuàng)新。
當然，Google本身就是個巨大的企業(yè)，營收高達750億美金、員工人數(shù)超過60,000人，產(chǎn)品種類目不暇給，從核心的搜尋業(yè)務、安卓作業(yè)系統(tǒng)，到像是無人駕駛車這種剛起步的業(yè)務。所以，想要更了解Google如何創(chuàng)新，我仔細觀察了其中一項領(lǐng)域：深度學習（Deep learning），這是一種極復雜的人工智能形式，能協(xié)助機器以類似人類的方式吸收資訊并提出回應。
堅定投入研究
一如Google的慣常作風，「深度學習」專案堅定投入科學，這種致力于發(fā)現(xiàn)的精神，深植在Google的DNA中。畢竟，整個公司最早的起源，也就是賽吉?布林（Sergey Brin）及賴利?佩吉（Larry Page）從國家科學基金會（NSF）得到的研究計劃，要為網(wǎng)絡加以分類。這種熱情延續(xù)下來，目前Google在研發(fā)上每年投入數(shù)十億美元。
然而，完整的故事還不只如此。Google還固定會去收購處于發(fā)展早期的新創(chuàng)公司（其中許多都是始于學術(shù)研究），也透過其風險投資部門，投資其他許多新創(chuàng)公司。（「深度學習」就是Google近期收購的新創(chuàng)公司之一，前一陣子因為打敗了傳奇性的世界圍棋冠軍李世乭而登上新聞頭條。）
Google判斷及取得突破性研究的另一種方法，則是透過主動與科學社群合伙合作。Google每年資助超過250項學術(shù)研究計劃，并將研究結(jié)果發(fā)布在例如arXiv這樣的公開資料庫、以及Google自己的研究網(wǎng)站，每年也邀請大約30位正在休假年的頂尖學者前往Google。
常常這些頂尖學者也就留了下來。Google給予科學家的是獨一無二的研究環(huán)境，有無人能比的資料集、全球頂尖的運算架構(gòu)，還有不斷公開發(fā)表的機會，這對身處頂峰的學者來說有極大的吸引力。例如人工智能界的巨星吳恩達（Andrew Ng），就在2010年來到Google。
由下而上的創(chuàng)新
吳恩達到了Google，與另外兩位學者葛雷格?科拉多（Greg Corrado）及杰夫?狄恩（Jeff Dean）一拍即合，這兩位學者也對于所謂深度學習這種新式的人工智能深感興趣。很快地，三人開始運用自己的「20%的時間」共同合作；這是Google知名的一種作法，鼓勵員工從事自己有興趣的專案計劃。
Google最受歡迎的某些產(chǎn)品，像是Gmail、Google新聞、AdSense，都是出自于「20%的時間」的專案。然而，這三人心中想的事情不太一樣，他們想做的不是打造某種產(chǎn)品，而是要擴展可能性的疆界。
想了解他們追求的目標，可以先認識一下大腦的運作方式。在塞滿人的酒吧里，你看到另一邊有個朋友；這看來像是一項單一事件，但其實不然。你的大腦有不同區(qū)域處理著這項經(jīng)驗的不同部分（像是顏色、形狀），接著整合成更大的概念（像是人臉、某種發(fā)型，或是某個流行設計師的招牌造型）。
科學家把這些不同面向稱為各種「抽象層次」。一般來說，電腦是線性運作，所以能處理的抽象層次只有極少數(shù)幾個。然而，這三人覺得他們可以達到大幅改進，擴展到20到30個層次，這樣一來，機器學習的深度就能遠超過先前的水準。
內(nèi)部的育成中心
沒多久，他們就有了進展。科拉多告訴我：「想讓網(wǎng)絡學習，就需要資料，而Google就是資料多。另一項重點則是要有極快的運算速度，而Google在分散式運算上的專業(yè)，給了我們極大的幫助。所以我們能夠非?？焖偻苿訖C器運算的進展。」
在起步后大約18個月，這個小組將專案帶到Google內(nèi)部的Google X實驗室運作，在這里他們不僅能夠全職全心投入深度學習專案，還能聘用另外五六位頂尖科學家和工程師，有著在數(shù)學、神經(jīng)科學、資訊科學方面的博士加入。
科拉多表示：「我們在Google X度過的育成時間十分關(guān)鍵。我們可以在不用綁定某種特定產(chǎn)品的情況下，專心推進核心科技。我們從三人兼職研究，走到了大約八、九人的全職投入。而這是個能夠進展極其快速的絕佳規(guī)模。我們就像是個小型的新創(chuàng)公司，但擁有這家巨大企業(yè)的資源。」
這段育成期的結(jié)果，就是一項實際的產(chǎn)品：「DistBelief」，這是他們所推出第一代的機器學習系統(tǒng)。不多久，DistBelief就已經(jīng)整合進各種Google的產(chǎn)品當中，像是Google地圖、Google翻譯、甚至是YouTube（好協(xié)助使用者找到他們想要的影片）。
創(chuàng)新核心
到了2012年，這支團隊已經(jīng)從Google X實驗室「畢業(yè)」而成立了Google Brain，現(xiàn)在隨時都有大約100位研究者投入，包括深度學習的大師級人物杰佛瑞?辛頓（Geoffrey Hinton）也在2013年加入。DistBelief已經(jīng)發(fā)展成更先進的版本，稱為TensorFlow，并以Apache授權(quán)模式開放。
Google Brain是出于Google的創(chuàng)新生態(tài)系統(tǒng)，而到今天，Google Brain又成了這個生態(tài)系統(tǒng)緊密的一部分。Google的各個產(chǎn)品團隊就是他們的內(nèi)部「顧客」，Google Brain主動與他們合作，將深度學習作為Google任何作為的核心。幾乎只要是Google的人，都能運用Tensor Flow，讓某個產(chǎn)品變得更聰明、更有效率。
舉例來說，TensorFlow已經(jīng)讓Google的語音搜尋更快、更精確，將錯誤率從23%減少到8%，而且完成一項搜尋的時間也減少了將近1/3秒。影像搜尋的錯誤率也已減少2/3，而且現(xiàn)在使用者也能搜尋不帶標簽的圖片，從日落到某種種類的狗不一而足。
這也帶出了各種新功能，像是Gmail的智能回覆（Smart Reply）功能，就能提供使用者建議如何回覆來信。Google翻譯已經(jīng)擴展到100種語言，涵蓋全球99%的人口。Google Brain極有可能會帶出全新的產(chǎn)品，但光是在改進Google的核心能力上，就已經(jīng)展現(xiàn)出巨大的價值。
緊密的回饋循環(huán)
在多數(shù)企業(yè)中，創(chuàng)新都被視為線性的過程：研究、開發(fā)、展示、布署，每一步都各自為政。但在Google，每一項都是緊密結(jié)合的回饋循環(huán)，研究者和產(chǎn)品團隊攜手合作，不只要創(chuàng)造新產(chǎn)品，也要看出值得進一步研究的領(lǐng)域。
科拉多告訴我：「能夠取得關(guān)于使用者及其真正需求的資料，讓人有進一步創(chuàng)新的機會。」他和其團隊主動出擊，不僅和產(chǎn)品團隊合作，也與其他那些「20%的時間」的計劃合作。這些人不是一群想做出科學怪人那種怪物的瘋狂科學家、潛伏在公司內(nèi)部偷偷行事，而是主動的合作者。
正是如此，才讓Google Brain擴展到了整個Google的創(chuàng)新生態(tài)系統(tǒng)中。TensorFlow讓人能取得基本的機器學習工具，使Google的工程師看到新的可能性，就會再找上Google Brain的科學家，創(chuàng)造出新的產(chǎn)品和功能。這會創(chuàng)造出非常豐富的問題集，進一步吸引著頂尖研究者來到Google，而再創(chuàng)造出甚至更叫人興奮的新科技。
Google特別的地方，就在于整合了整套的各種創(chuàng)新策略，結(jié)合成無縫的整體。產(chǎn)品經(jīng)理著重在顧客需求，研究者追尋著科學的指引，至于投入「20%的時間」計劃的工程師，則是跟隨著心之所向。只要你愿意，任何人都可以參考其中一種走向。
這一切需要的，不只是某套管理哲學、或是精簡化的營運方式，而需要一種真正的發(fā)現(xiàn)精神，深植在企業(yè)的DNA之中。