月谷歌发布了 ，这是一种机器学习计算单元，其效率比商用 高出几个数量级，并且已经被用于例如： （来源）。 月，一个致力于机器学习的欧洲研究单位在苏黎世成立（来源）。 月，在谷歌多地工作的科学家们证明他们的学习算法已经能够用文字描述阅读图像和视频，他们发布了 和 - 数据库，其中包含数百万自动描述的资源（来源）。 月，谷歌宣布在神经网络创建的图形方面取得突破性进展（来源）。 月，谷歌云内部组建了一支强大的人工智能和机器学习专家团队来源。
月由于机器学习算法的实施，谷歌翻译中的一些翻译质量 挪威电话号码表 显着提高（来源）。 月， 赞助了世界上最大的神经网络会议， 集团的多达 名员工参与其中（来源）。 上述时间表令人印象深刻，但肯定是不完整的，因为并未披露所有进展和新实施。例如， 就是这种情况，它在发布仅半年后就宣布了。 与定位的关系 在过去的一年里，整个谷歌公司都转向了机器学习、人工智能和学习算法。然而，值得注意的是，许多变化和趋势直接影响了公司结构中的搜索部门。
对搜索结果的影响必须是显而易见的，因为即使是负责与定位器联系的员工也非常热情地解释了 背景下的机器学习。 在小的、非隔离的样本上，变化肯定不容易被注意到——即对于只监控几页的定位器。就个人而言，通过每天监控超过 , 个域并不断运行许多孤立的测试，我们可以清楚地看到，在过去的几个月里，我们的搜索结果（有小间歇）是多年来最不稳定的搜索结果。它是否已经与更灵活的自学习算法有关？或许连谷歌员工自己都不知道这个问题的答案。