几年后，部分谷歌员工把授课内容制作成了短片，从而结束了直播授课的历史。但科恩认为，这门课程算得上是MOOC(大规模开放在线课程)的先驱。在随后几年，谷歌还针对机器学习培训展开了其他尝试，但这些尝试缺乏条理性和连续性。科恩2013年离开谷歌后，机器学习突然间成为谷歌关注的重点领域。
但在2012年以前，机器学习课程的重要性还未获得充分认识，直到迦南德里决定“吸收大量从事这项工作的人”，并将他们安排到同样的办公楼之后。始于Google
X部门的“谷歌大脑”也加入进来。迦南德里说：“我们吸收了很多团队，将他们安排到同一栋办公楼内，还提供了全新的咖啡机。有些人之前只接触过所谓的感知计算，即声音和语音识别等技术，而现在他们可以与那些从事语言研究的人共同探讨。”
越来越多地，这些工程师们开发的机器学习技术开始出现在谷歌的热门产品中。由于视觉、语音识别以及翻译是机器学习的主要领域，因此无需感到惊讶，这项技术成为谷歌语音搜索、翻译和Photos等服务的重要组成部分。更重要的是，机器学习技术将被应用到所有产品中。
迪恩表示，随着他和他的团队对机器学习的理解逐步深入，他们开始以更具野心的方式探索这项技术。他说：“我们之前或许会在系统的组件中使用机器学习技术，现在则会使用这项技术替代整套系统，而非为每个组件设计更好的机器学习模式。”迪恩表示，如果现在让他重新编写谷歌的基础架构，其中的很多内容都不再是预先编好的代码，而是后期学习而来的。
格雷格·考拉多，谷歌大脑项目联合创始人，正在和多个团队协作，将人工智能应用到谷歌产品中。
机器学习还能够将原本无法想象的功能植入到产品中，比如2015年11月推出的Gmail自动回复功能。这个功能源自“谷歌大脑”项目联合创始人格雷格·考拉多(Greg
Corrado)与Gmail工程师巴林特·米克洛斯(Bálint
Miklós)之间的对话。考拉多之前曾经与Gmail团队合作使用机器学习算法探测垃圾信息、归类邮件，但米克洛斯提出了更激进的建议：能否利用机器学习技术自动生成回复邮件，省去移动用户在狭小的键盘上输入文字的麻烦。考拉多说：“当初我几乎惊呆了，因为这个建议太疯狂了。但我后来觉得，借助我们始终都在研究的预测性神经网络技术，或许可能实现。而在意识到这是一个机会的时候，我们就必须去尝试。”
为了提高成功概率，谷歌让考拉多及其团队与Gmail部门展开了密切合作，这种派遣机器学习专家进驻产品部门的做法如今已经越来越普遍。考拉多说：“机器学习既是科学又是艺术，这就像烹饪。虽然烹饪过程发生了化学反应，但对于真正对烹饪感兴趣的人来说，必须要学习如何搭配手中的食材。”
传统的人工智能技术在理解语言时，需要将语音规则嵌入系统。但在这个项目中，系统可以利用现代化的机器学习技术，借助足够的数据自主学习，就像儿童自学那样。考拉多说：“我并不是跟着语言学家学会说话的，而是通过听别人说话学来的。”。但真正令智能回复变得切实可行的，是它的成功很容易定义——他们的目的不是创造一个妖艳的虚拟斯嘉丽·约翰逊(Scarlett
Johansson，电影《她》中的智能操作系统)，而是希望它能回复真正的电子邮件。
考拉多说：“这项服务的成功标志是，用户觉得机器生成的备选回复有用，可被当作自己的真正回复使用。”因此，只需要知道用户是否点击了系统推荐的回复内容，便可对其进行训练。然而，在开始测试智能回复功能时，用户却注意到了怪异事情：系统经常会推荐一些不合时宜的浪漫回应。考拉多说：“其中一种失败模式是：只要系统感觉困惑，它就会说‘我爱你’。这并不是软件漏洞，而是我们的错误引导它如此做。”
这个程序已经了解人类行为的某些微妙之处：“比如你感到担忧是说一句‘我爱你’，其实是一种很好的防御策略。”考拉多帮助该团队压制了系统的热情。