與人工智慧略有不同，機器學習的目的並非是要讓電腦變得更聰明，僅僅只是希望讓電腦變成更有效的「工具」，在這個思維下，提升電腦的自主學習能力，是為了改善自動判別的準確度，以提供用戶更適切的搜尋結果。
而為了讓機器學習可以更快進化，Google 採用了「深度學習 Deep Learning」的方式，透過層疊多種模型來產生更複雜的學習模式，來進行接近人腦的思考方式。具體來說，每一層模型都具備辨識能力，當數據進入模型中，電腦可以依循不同的條件、不同的識別元素、不同的運算方式，來一步步篩選出正確的結論。目前 Google 已經應用 Deep Learning 在以下產品中：
- Gmail：可以自動辨識 99% 的垃圾郵件，僅僅只是分析用戶的使用行為，就可以正確的判斷哪些信件是垃圾郵件。（現在甚至可以自動回信了，詳見：信箱裡的 Mail 看不完？Google 的新功能幫你自動回）
- Google 語音辨識：透過大量的語音數據，目前已經可以正確的判讀出常用的句子，並且減少 20% 的錯誤量。
- Google Photo：可以用關鍵字搜尋到特定照片，不管是動物、地名、情感，都可以快速篩選出來（Google 表示要讓電腦辨識出貓這種隨時都會有不同模樣的影像，相當不容易）。
其中 Google 更以 Google Photo 為例，表示在面對大量照片整理時，人類缺乏有效的整理方式，並且會遺漏一些重要的訊息。舉例來說，透過 Google 關鍵字搜尋的方式，甚至可以協助用戶，找到內容包含有海蝕地形的照片。
對 Google 來說，每一層模型可以識別的特定項目是什麼，並不是最要緊的事情。重點在這個系統中，每一個模型都擁有學習的能力，而這也是為什麼 Google 重視深度學習系統的原因。受惠於電腦技術的發展，以及運算速度的提升，電腦學習已經有了相當成熟的發展環境。由於 Google 對目前的發展速度仍嫌不足，因此才希望透過開源的系統，吸引更多人以及更多數據，一起改善並提升開發速度。
Android 6.0 值得升級？ Google 點出 10 大特色！
不用抽 不用搶 現在用APP看新聞 保證天天中獎 點我下載APP 按我看活動辦法