人工智慧被運用在 Google 的許多產品中，是我們發展的優先重點(在本週的 Google I/O 我們將分享更多相關訊息)。在此之前，我們想和你分享人工智慧已經如何以各種你也許還沒發現的方式影響你的生活、而全球各地的人們又是如何應用人工智慧來建立各自的技術。
機器學習是許多 Google 自家產品所使用的核心技術，而我們的開放原始碼機器學習架構 TensorFlow，一直以來更是在全球許多科學家、研究人員，甚至是在高中生的科技研究成果中扮演著不可或缺的角色。在本次 Google I/O 大會中，我們會邀請一些正設法解決重大問題 (這裡指的是規模真的很「大」的問題，例如宇宙的起源是什麼) 的人來分享他們的經驗。以下簡單說明他們透過哪些有趣的方式，運用 TensorFlow 來輔助他們的研究工作。
賓州大學博士生 Ari Silburt 想要揭開太陽系起源的秘密，為此，他必須繪製出太陽系中的隕石坑，以便瞭解太陽系中各個不同的地方 (和不同的時期) 存在著哪些物質。過去這種研究必須靠手動操作，不但耗費時間又容易牽涉到主觀意識，因此 Ari 和他的團隊選擇使用 TensorFlow 將研究過程自動化。他們使用現有的月亮相片訓練機器學習模型，到目前為止已經找到了 6,000 多個新的隕石坑。
左圖是月球的照片，從中很難分辨出隕石坑的位置
右圖是透過 TensorFlow 精準描繪出的隕石坑位置


接下來，讓我們將鏡頭從外太空切換回亞馬遜雨林：Rainforest Connection 的創辦人 Topher White 發明了「The Guardian」裝置，希望能遏止亞馬遜雨林的非法伐林活動。這些裝置是採用了 Tensorflow 的回收再造手機，安裝在遍佈整座雨林的樹木上後，就能夠出辨識鏈鋸和伐木卡車的聲音，然後對負責巡視該區域的護林員提出警告。如果沒有這些裝置，就必須完全倚靠人力來巡視整座雨林；以如此廣袤的範圍來說，這簡直是不可能的任務。

Topher 將「The Guardian」裝置架設在亞馬遜高聳的樹木上


糖尿病視網膜病變 (DR) 是人數成長最快的致盲病症，全球有 4 億 1,500 萬名糖尿病患者都面臨失去視力的風險。如果能夠早期發現，這種疾病是能夠治療的；但一旦錯過黃金時期，病患便會永久失明，且無法復原。2016 年，我們公開發表了機器學習如何透過更精確地分析病患的眼底影像 (眼球後方的相片)，達到輔助視力或 DR 診斷的效果；現在透過 TensorFlow，我們可以更進一步地善用眼底影像。奧克蘭一名驗光師 Jorge 博士發現，運用深度學習模型來分析眼底影像，可以判斷出病患罹患心血管疾病的風險。

面臨視力疾病威脅的視網膜眼底圖像，在機器學習的幫助下，醫生能近一步了解病況


全世界的園藝愛好者有福了！Shaza Mehdi 和 Nile Ravenell 這兩名高中學生，開發出一款能夠判斷植物是否罹患疾病的應用程式「 PLantMD」。他們在 TensorFlow 上執行機器學習模型，然後使用 plantvillage.com 和幾個大學資料庫的資料，訓練模型辨識患病的植物。Shaza 還運用類似的做法開發出了另一款能夠診斷皮膚病的應用程式。

運作中的 PlantMD

想了解更多關於機器學習如何帶給人們更多幫助，歡迎前往 ai.google 。


本文作者：TensorFlow 團隊