如何用巧妙的方式借助TensorFlow幫助他們工作

盡管機器學習是 Google 旗下眾多產(chǎn)品的核心，而我們的開源機器學習框架 TensorFlow 已經(jīng)成為全球科學家研究成果、研究人員課題、甚至高中學生作業(yè)的核心組成部分。在 Google I/O 大會上，我們聆聽了來自這些人的分享，他們正在解決巨大的問題——比如關(guān)于宇宙起源之類的事情。接下來的案例展示了他們是如何用巧妙的方式借助 TensorFlow 幫助他們工作的。

Ari Silburt, 是賓夕法尼亞州州立大學的博士研究生，他想要解開我們太陽系起源的秘密。為了實現(xiàn)這個目標，他必須要把太陽系中的隕石坑做成地圖，這樣才能幫助他找到太陽系中已存的物質(zhì)形成的位置（和形成的時間）。你聽懂了嗎？在過去，這一過程需要用人的雙手來完成，既消耗時間又會受到主觀影響，然而，Ari和他的團隊利用 TensorFlow 把這一過程自動化了。他們用現(xiàn)存的月球照片訓練了機器學習模型，已經(jīng)使其辨認出了超過6千個新的隕石坑。

左側(cè)這張月球的照片，很難分辨出隕石坑分布在哪里。而右側(cè)這張圖片，通過 TensorFlow， 我們可以清晰地看到隕石坑的分布。

讓我們從外太空來到巴西的熱帶雨林：Topher White（Rainforest Connection 的創(chuàng)始人）發(fā)明了 “The Guardian” 設備來阻止亞馬遜地區(qū)非法砍伐森林的行為。該設備在對舊手機的升級改造同時借助 TensorFlow 運行。它被安裝在樹上，遍布整個森林，通過識別電鋸和伐木工程車的聲音，向管轄該地區(qū)的管理員發(fā)出警報。如果沒有這些裝置，就必須依靠人力來監(jiān)督管理這一片區(qū)域，因此難以覆蓋大面積地區(qū)。

Topher 在亞馬遜地區(qū)的高聳樹木群中安裝監(jiān)控設備

糖尿病視網(wǎng)膜病變是目前越來越被人們重視的致盲病因，目前全球范圍內(nèi)有 4.15 億糖尿病患者面臨視網(wǎng)膜病變的風險。若是發(fā)現(xiàn)及時，該病是可以被治愈的，但若是未能及時診斷，則可能導致不可逆轉(zhuǎn)的失明。在 2016 年，Google 宣布機器學習正在被用于對糖尿病視網(wǎng)膜病變領域的輔助性診斷，以高精準度來幫助分析患者的眼底圖像（眼睛后部的圖片）?，F(xiàn)如今，Google 正在運用 TensorFlow 將這些眼底圖像的分析提升到另一個新的階段。奧克蘭的驗光師 Jorge Cuadros 博士，正在運用深度學習的模型分析眼底圖像，通過分析能夠預估患者患心血管病的風險概率。

此圖為一張眼部視力已經(jīng)受到視網(wǎng)膜病變威脅的眼底圖像，機器學習的分析能夠?qū)⒋藞D中不僅限于眼部健康的信息提供給醫(yī)生。

還有一個好消息，是關(guān)于世界各地園藝專業(yè)人士的：Shaza Mehdi 和 Nile Ravenell 這兩位高中生，發(fā)明了一個可以幫助他們了解植物是否患病的應用程序。Shaza Mehdi 和 Nile Ravenell 在 TensorFlow 上運行機器學習的模型，同時從 plantvillage.com 以及一些大學的數(shù)據(jù)庫中收集數(shù)據(jù)用于訓練該模型去識別生病的植物。除此之外，Shaza 還創(chuàng)建了一款用類似方式來運行的能夠識別皮膚病的應用程序。