前陣子因為「AlphaGo」所涵蓋的深度機器學習技術議題持續受到關注，此在Google Cloud Platform NEXT 2016活動上也由Google研究團隊資深研究員Jeff Dean宣布，將開放包含雲端翻譯 (Cloud Translate)API、雲端預測 (Cloud Predicition)API、雲端視覺 (Cloud Vision)API，以及雲端語意 (Cloud Speech)API，讓開發者能透過此類API將旗下服務與深度機器學習技術緊密結合。
如先前在舊金山結構資料大會受訪時表示，將近一步透過深度機器學習方式讓Google翻譯服務品質更好，Google研究團隊資深研究員Jeff Dean稍早於Google Cloud Platform NEXT 2016活動上宣布，將開放包含雲端翻譯 (Cloud Translate)API、雲端預測 (Cloud Predicition)API、雲端視覺 (Cloud Vision)API，以及雲端語意 (Cloud Speech)API，讓開發者能透過此類API將旗下服務與深度機器學習技術緊密結合。
根據Jeff Dean表示，深度機器學習應用除了與Google人工智慧系統「AlphaGo」整合外，在此之前也已經與Gmail、Google Photos、Google Maps、YouTube、Google Now等服務結合應用，另外針對電腦視覺、圖像識別、自然語言結構理解，甚至藥物分析、機器人研究等領域都有使用此類技術，透過持續讓電腦系統學習資料，使其能配合正確判斷資料內容代表涵義，藉此協助找出有用資訊。
比方就結合影像識別的電腦視覺應用，透過輸入影像資料且透過各項文字敘述其情境，如「狗」、「寵物」、「動物」、「坐在草地上的狗」，甚至加入顏色、所處地理位置等資訊，讓電腦系統有更多參考資料能記憶比對，如此透過長時間訓練之下，即可讓電腦系統正確判斷照片中的動物是狗，而不會判斷成貓。
就機器學習的運作原理來看，取決在使用者提供參考數據資料量，以及參考內容是否俱全，同時也因提供資料類型差異而產生不同學習結果。
另外，針對去年11月於日本東京宣布推出的開放學習架構TensorFlow框架，Google也將開放雲端機器學習 (Cloud Machine Learning)API資源，讓開發者能依照本身持有資料，配合Google Cloud Datalab、BigQuery、雲端儲存資源建立自有機器學習結果，並且配合雲端系統應用在本身服務。
而在這樣的資源開放之下，企業端如銀行業者、資料分析等即可透過本身資料讓系統進行大量數據比對學習，並且建造屬於自己的學習資料庫，而若資料持有者願意將學習結果進一步對外開放，預期對於整個服務應用將能帶來更大效益。
此次額外開放雲端機器學習資源，最主要也是希望透過雲端運算能力協助開發者以模擬方式，在更快效率運作下完成必要的機器學習成果，不過為了避免機器學習造成誤謬現象，Jeff Dean也表示初期給予系統參考學習資料，以及取樣樣本正確性就更顯得重要。
