在近期發展中，Google在諸多服務產品導入機器學習技術，諸如Google Search、Gmail、Google Photos、語音識別、Google翻譯等服務均透過機器學習讓資料搜尋更快、更正確，同時也能協助使用者更快完成各類需求操作，例如在Gamil中快速過濾垃圾郵件、學習如何回覆信件，或是在Google Photos服務中快速針對影像內容進行分類等。
而為了進一步推動機器學習應用，Google稍早也宣布開放旗下機器學習軟體框架「TensorFlow」，透過釋出本身同樣用於Gmail、Google Photos的機器學習資料庫框架，藉此讓更多第三方服務內容串接機器學習參考資料庫資源，進而推動各類科技技術快速成長。
Google Brain計畫共同創辦人、Google人工智慧、電腦神經科學暨可量化機器學習研究員Greg Corrado博士表示，Google投入機器學習時間已經超過10年以上，目標希望能透過機器學習方式大幅減少高度重複的機械化操作，期望透過電腦端快速自動完成運算，直接提供符合使用者需求的內容或預期操作結果，例如在Google Search輸入搜尋關鍵字時，由系統自動猜測使用者可能想要搜尋字詞，或是在Gamil服務內自動判斷哪些信件為垃圾郵件，另外在Google Photos內透過電腦視覺學習判斷影像物件內容等。
在現階段的機器學習中，主要透過持續輸入資料、結果，並且持續讓電腦端透過各類變因學習如何「判斷」，藉此藉由更多參考資料學習更多內容。而由於傳統機器學習速率較慢，同時無法像人腦般能有靈光一閃般的思考模式與內容聯想，因此諸如Nvidia、AMD均提出藉由繪圖卡運算資源進行加速，藉此縮減機器學習所需完成速度，進而推動此項技術廣泛應用。
至於針對機器學習與人工智慧的差異，Greg Corrado表示兩者其實有部分相似、重疊之處，但兩者背後所代表意義其實仍有不同之處，例如機器學習是透過諸多資料、變因進行邏輯運算與分析，進而反應在後續自動執行或內容判斷表現，人工智慧則是藉由持續進行機器學習累計而成的系統「思考」模式，就Google本身看法而言，兩者還是有其差異之處。
而對於目前包含百度、Facebook、IBM等機器學習技術發展，Greg Corrado認為各家仍有各自不同優勢所在，但均處於初期發展階段，因此Google預期藉由開放架構增進更多認知運算學習成長機會。
[youtube https://www.youtube.com/watch?v=oZikw5k_2FM&w=800&h=450]
[youtube https://www.youtube.com/watch?v=l95h4alXfAA&w=800&h=450]
