你知道吗，员工只用5%的时间进行创造性头脑风暴？根据谷歌的研究，这是真的。跟踪、研究和分析、最终润饰、格式化和整合反馈等任务大多通过电子邮件完成。事实上，平均每个人每周要花11个小时过滤工作信息，每天大约有1450万条垃圾邮件被发送(或接收)，这只会让人更加分心。

幸运的是，对于每月使用Gmail的15亿人和Gmail to G suite的500万员工来说，好消息是：谷歌正在关注你。早在2015年，它就声称99.9%的垃圾邮件、网络钓鱼和恶意软件帮助到达了账户人工神经网络(数学功能层松散地模仿大脑神经元)，同时保证了合法邮件的共享，无意中最终在垃圾邮件文件夹中保持在0.05%以下。(2012年，垃圾邮件比例为99%。现在谷歌表示，它每天可以阻止大约1亿条额外的垃圾邮件，部分原因是其开源机器学习框架TensorFlow提供的“新保护”。

该公司此前表示，它每分钟保护用户免受1000万封垃圾邮件和恶意电子邮件的侵害。

Gogole反滥用技术部门的产品经理Neil Kumaran在电话采访中告诉VentureBeat:“我们过去使用(机器学习)，而且(而且)我们也[有]许多规则和基于规则的保护措施。”“TensorFlow的有趣之处在于，它可以很好地检测剩余的垃圾邮件。”

这并不是说Gmail工程师没有使用TensorFlow来改进垃圾邮件检测。谷歌在2017年5月的一篇博客文章中提到了该团队向该框架的迁移。相反，根据Kumaran的说法，这一最新的里程碑是通过广泛采用TensorFlow和一套更大的“大规模”垃圾邮件分类实现的。

“一段时间以来，Gmail保护用户免受垃圾邮件、网络钓鱼和恶意软件的攻击，我们使用了各种技术，”他补充道。

那么，什么样的增量垃圾邮件才能让Gmail变得更好呢？主要基于图像垃圾。图片垃圾邮件占2011年垃圾邮件流量的8%，邮件附件照片中嵌入了文字信息。它试图绕过文本分析垃圾邮件过滤器和光学字符识别(OCR)工具，其中一些工具相当复杂。说谎者使用模糊处理来阻止OCR工具读取嵌入的文本，或者试图用无意义的单词误导基于签名的检测算法。

Kumaransaid TensorFlow在实验中为Gmail团队提供了灵活性，允许更快地部署新方法来打击图像垃圾邮件和其他新的邮件类型。

“(垃圾邮件发送者继续使用)新域名——。例如，(发送)一些合法的电子邮件，然后开始发送垃圾邮件。……历史上，我们的员工一直使用TensorFlow来获取这些信息，”Kumaran说。“它为我们提供了更好的工具，让我们能够更快地进行实验。”

长期以来，谷歌一直依靠用户来判断哪些电子邮件是真的，哪些不是。它利用这些数据来训练它的人工智能系统。

Gmail中的“报告垃圾邮件”和“非垃圾邮件”按钮不仅用于显示——，还用于通知邮件过滤的机器学习算法，以提高它们检测不需要的邮件和反映个人偏好的能力。(后一点就是为什么有些用户会在收件箱里看到每周的时事通讯，而其他人却没有。它们补充了谷歌的网络钓鱼检测模型。在某些情况下，当其算法实时更新时，会延迟对消息的详细分析。

Kumaran说，“每个人可能对垃圾邮件有不同的定义。——可能对一个人有利，也可能对另一个人不利。”“通过(机器学习)实现个性化是可能的。—— (it)在考虑用户的具体偏好方面做得非常好。”

有些人可能会立即指责谷歌用大刷子给大量电子邮件上色，但它偶尔会伸出橄榄枝。例如，2015年，它发布了Postmaster Tools，这是一个诊断套件，可以向向Gmail用户发送大量电子邮件的公司暴露发送错误、垃圾邮件报告和其他潜在有用的分析。

山景公司声称，最终将努力保护用户和组织免受网络攻击。迈克菲在2015年进行的一项调查发现，97%的人无法正确识别网络钓鱼诈骗——。如果成功，中型公司平均会损失约160万美元的电子邮件。

如果一切按计划进行，垃圾邮件检测算法将不会是TensorFlow正在推进的唯一事情。Kumaran说，该团队已经在测试改进的网络钓鱼和恶意软件过滤模型，并希望在未来详细解释它们。Kumaran说：“我希望我们以后能出版类似的。”

的博文。”

在消息过滤领域之外，AI正悄悄进入Gmail新老版本的各个方面。2016年，谷歌推出了智能回复(Smart Reply)功能，该功能使用机器学习来建议回复电子邮件，随着谷歌将智能回复引入hangouts聊天等平台，智能回复功能还在不断完善和改进。(根据谷歌的数据，智能回复每天处理数亿条信息，超过10%的电子邮件回复是通过手机完成的。)最近，谷歌推出了Smart Compose，它使用人工智能来自动完成单词和短语，以及“轻推”(nudge)，这是一个由机器学习驱动的功能，可以提供后续电子邮件提醒。这些都是除了高优先级通知之外的，高优先级通知是一种将电子邮件通知限制为“重要消息”的设置，而时事通讯则是退订建议。