Google的人工智慧開源神器三歲了,它被用在很多你想不到的地方

2016 年 3 月, AlphaGo人機大戰讓全世界都知道了人工智慧的威力。這場大戰半年前,Google 就已經把它的人工智慧底層能力開放給了全世界。2015 年11 月9 日,Google 正式對外開源了機器學習框架TensorFlow,到2018 年11 月正好3 年。TensorFlow 這三年一直保持著更新,2019 年即將布2.0 版本。應用方面也沒落下,Google 用TensorFlow 優化了旗下許多產品。

 

借助TensorFlow,Google 讓產品更智慧

在Gmail 裡寫郵件,系統會智慧建議下一個單詞或完整的句子。在Google Photos 裡瀏覽時看到一張偏暗的照片,系統會自動提示你調整曝光,讓照片更亮一點。在Google 翻譯裡寫入一個句子,系統可以對整個句子進行翻譯而非逐字翻譯,大幅提高翻譯精確度和流暢度。跟Google 的人工智慧助理Google Assistant 對話,再也不用一次次說出喚醒詞「Hey,Google」,一次喚醒就能持續多輪對話。

Google的人工智慧開源神器三歲了,它被用在很多你想不到的地方

Google內部超過80%的軟體項目都採用了基於TensorFlow的機器學習,最新案例是可以自己打電話的AI系統 ——Duplex。

Google 在2018 年的Google I/O 大會上發布的Duplex,具備語言理解、互動、時間控制、語言產生方面的能力,可以幫你打電話給髮廊、餐廳等消費場所,詢問訊息或預定。在和店員交談中,它還能模仿人類的語調,在說話間停頓、拉長,甚至使用「嗯」、「呃」一類語氣助詞。

將 TensorFlow 用於自己產品智慧化,這是再也正常不過的操作了。在一些有足夠標註資料的垂直行業,TensorFlow 可以發揮出更大的潛能。

上能發現「第二個太陽系」,下能預測餘震位置

2017 年 12 月,Google 和德克薩斯大學奧斯丁分校合作,用 TensorFlow 分析克卜勒望遠鏡獲取的資料,成功發現了兩顆新的地外行星:克卜勒-90i 和克卜勒-80g,其中克卜勒-90i 所在的星系克卜勒 90,更是太陽系之外首個已知的八行星星系。

眾所周知,天文是一個資料量非常龐大的領域。前不久退役的克卜勒天文望遠鏡,一直在用凌星測光法收集資料。

凌星測光法的原理是,當行星從恆星前方經過,會遮擋住一部分光線,克卜勒望遠鏡就能探測到恆星光線減弱,體現在光變曲線中有一個「U」型下沉。

Google的人工智慧開源神器三歲了,它被用在很多你想不到的地方

原理很簡單,但克卜勒望遠鏡收集的資料實在太多,若逐一進行人工檢查,實在太耗時耗力。而且有的行星很小、很黯淡,對應的恆星卻非常明亮、巨大,觀察起來非常困難,就像在聚光燈下尋找一隻螢火蟲一樣難。

Google 的 AI 科學家想到,這個問題和 Google Photos 為照片分類十分類似,於是在 TensorFlow 的基礎上搭建了一個機器學習模型,對 15000 個已經被標註過的地外行星資料進行神經網路訓練,判斷克卜勒望遠鏡接收到的信號是否來自某顆地外行星。經過訓練後,該模型的判斷準確率達到了 96%。

成功運作後,這個模型被用在了實戰中,很快從 670 顆恆星周圍找到了兩顆地外行星,分別是克卜勒 90 星系中的克卜勒-90i 和克卜勒 80 星系中的-80g。

得益於克卜勒-90i 的發現,克卜勒 90 星系成為太陽系之外首個已知的八行星星系。

天文學界的共識是,一個和太陽系近似的星系中,可能有和地球類似的行星,生命存在的可能性較高。遺憾的是,克卜勒-90i 離太陽太近了,一年只有 14.4 天,地表溫度約 427 攝氏度,幾乎不可能有碳基生命存在。

Google的人工智慧開源神器三歲了,它被用在很多你想不到的地方

TensorFlow 不僅可以處理天上的事情,還能解決地面的麻煩,比如地震。地震造成破壞不可避免,但如果可以及時營救,能最大程度減少損失。

每次主震之後,災難並沒有完全過去,還可能有餘震維持數月,繼續摧殘著被主震動搖的建築物。地震學家一直致力於透過資料預測餘震發生的時間、規模和地點,以安排及時的營救。

但是,地震學領域的資料非常複雜,每次地震事件都有很多變量,如不同區域地表的構成元素、地震模塊之間的互動、地震波傳遞能量的方式,單純靠人工在資料中找到聯繫、繼而預測餘震成本很高。基於過去的經驗定律和模型,地震學家們已經可以較好預測餘震發生的時間和規模,但預測位置則相對困難。

為此,Google 和哈佛大學的研究人員利用 TensorFlow 開發了一個深度學習模型,並且用包含超過 13 萬次主要地震的資料集去訓練。這個深度學習模型引入了一種以前常用於冶金術的馮‧米賽斯屈服準則,以更好地找到複雜地震資料間的相關性,從而對餘震位置進行預測。

這個模型目前還只能應用於靜態應力(更好預測),對於動態應力還有心無力。但正如哈佛研究團隊裡的領隊 Phoebe DeVries 所說:「完全準確預測出餘震位置還有很長的路要走,但我想機器學習在這方面有很大的潛力。」

行醫濟世,AI For Good

醫學一直是 TensorFlow 應用的重點領域,目前在檢測糖尿病視網膜病變、檢測轉移性乳腺癌、心血管疾病評估、癌症檢測和分析病歷中小有成果。

檢測糖尿病視網膜病變為例。全球範圍內有 4.15 億糖尿病患者面臨視網膜病變的風險,若是發現及時可被治癒的,但若是未能及時診斷,則可能導致不可逆轉的失明。

專科醫生檢測糖尿病視網膜病變最常用的方法之一,是用眼球後部的掃瞄片進行分析,觀察是否有病變的徵兆(例如微動脈瘤、出血、硬性滲出等),並判斷其嚴重程度。但世界上許多糖尿病高發的地區,並沒有足夠的專業醫療人士去檢測該疾病。這個問題在南亞地區尤為嚴重。

為此,Google 於 2016 年和美國、印度醫生合作,創建了一個包含 12.8 萬張眼底掃瞄圖片的資料集,用於訓練一個檢基於 TensorFlow 的深度神經網路。Google 把神經網路的診斷結果,和 7 個專業醫生的診斷結果對比,結果表明前者的結果與眼科醫生小組的診斷相當。

2016 年這個研究公佈後,深受醫學界好評。哈佛醫學院的安德魯 ‧ 比姆和艾薩克 ‧ 柯漢表示,「這一研究展示了醫學新世界的樣子。」

目前,Google 在醫學領域最新的消息是,新成立 Google Health 部門,並把一手締造了 AlphaGo 的 DeepMind 的健康業務納入其中。

實用之餘,還會畫畫

別看 TensorFlow 「一本正經」,又是發現行星、預測餘震,又是診斷糖尿病視網膜病變的,其實搞起藝術來也有兩把刷子。像 AutoDraw,能幫助你將自己的一些塗鴉轉變成規整的畫作。

Google的人工智慧開源神器三歲了,它被用在很多你想不到的地方

操作步驟也很簡單,點擊左側第二個按鈕,啟動機器學習辨識模式,再隨便塗上幾筆。AutoDraw 會即時辨識這是什麼,並給出一些圖形供你選擇,點擊一下即可替換。

AutoDraw之所以能猜出你畫的是什麼,得益於一個名為「Quick,Draw! 」的項目。這個項目採用群眾募資的模式來蒐集成千上萬的塗鴉,組成資料集後用於訓練模型。模型能理解人們在繪製塗鴉時是在何時起筆、走筆方向、何時停筆,以及畫的是什麼。

Google的人工智慧開源神器三歲了,它被用在很多你想不到的地方

 

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則