人工智能存在于众多Google 产品的背后，并已成为谷歌为重视的事情(你可能已经在之前的Google I/O 大会上听到过了)。虽然这一技术可能从一些可能还未被你察觉的方式影响了你的生活，但世界各地的人们已经开始利用人工智能构筑自己的科技。
尽管机器学习是Google旗下众多产品的核心，而开源机器学习框架TensorFlow已经成为全球科学家研究成果、研究人员课题、甚至高中学生作业的核心组成部分。
Ari Silburt, 是宾夕法尼亚州州立大学的博士研究生，他想要解开我们太阳系起源的秘密。为了实现这个目标，他必须要把太阳系中的陨石坑做成地图，这样才能帮助他找到太阳系中已存的物质形成的位置(和形成的时间)。
你听懂了吗？是不是很复杂？在过去，这一过程需要用人的双手来完成，既消耗时间又会受到主观影响，然而，Ari和他的团队利用TensorFlow把这一过程自动化了。他们用现存的月球照片训练了机器学习模型，已经使其辨认出了超过6千个新的陨石坑。
左侧这张月球的照片，很难分辨出陨石坑分布在哪里。而右侧这张图片，通过TensorFlow，我们可以清晰地看到陨石坑的分布。
而在巴西的热带雨林：Topher White(Rainforest Connection 的创始人)发明了“The Guardian” 设备来阻止亚马逊地区非法砍伐森林的行为。该设备在对旧手机的升级改造同时借助TensorFlow运行。它被安装在树上，遍布整个森林，通过识别电锯和伐木工程车的声音，向管辖该地区的管理员发出警报。如果没有这些装置，就必须依靠人力来监督管理这一片区域，因此难以覆盖大面积地区。
Topher在亚马逊地区的高耸树木群中安装监控设备
糖尿病视网膜病变是目前越来越被人们重视的致盲病因，目前全球范围内有4.15亿糖尿病患者面临视网膜病变的风险。若是发现及时，该病是可以被治愈的，但若是未能及时诊断，则可能导致不可逆转的失明。在2016年，Google 宣布机器学习正在被用于对糖尿病视网膜病变领域的辅助性诊断，以高精准度来帮助分析患者的眼底图像(眼睛后部的图片)。现如今，Google 正在运用TensorFlow将这些眼底图像的分析提升到另一个新的阶段。奥克兰的验光师Jorge Cuadros博士，正在运用深度学习的模型分析眼底图像，通过分析能够预估患者患心血管病的风险概率。
此图为一张眼部视力已经受到视网膜病变威胁的眼底图像，机器学习的分析能够将此图中不仅限于眼部健康的信息提供给医生。
还有一个好消息，是关于世界各地园艺专业人士的：Shaza Mehdi 和Nile Ravenell这两位高中生，发明了一个可以帮助他们了解植物是否患病的应用程序。Shaza Mehdi 和Nile Ravenell在TensorFlow上运行机器学习的模型，同时从plantvillage.com 以及一些大学的数据库中收集数据用于训练该模型去识别生病的植物。除此之外，Shaza还创建了一款用类似方式来运行的能够识别皮肤病的应用程序。
免责声明：本网转载自其它媒体的文章，目的在于弘扬科技创新精神，传递更多科技创新信息，并不代表本网赞同其观点和对其真实性负责，在此我们谨向原作者和原媒体致以崇高敬意。如果您认为本站文章侵犯了您的版权，请与我们联系，我们将第一时间删除。
