Google 人工智慧開源神器 3 歲了,它被用在很多意想不到的地方

作者 | 發布日期 2018 年 11 月 25 日 0:00 | 分類 AI 人工智慧 , Google follow us in feedly

2016 3 月,「李世乭 vs. AlphaGo」人機大戰,讓全世界都知道人工智慧的威力。在這場大戰半年前,Google 就已把人工智慧底層能力開放給全世界。



2015 11 9 日,Google 正式對外開源機器學習框架 TensorFlow,到 2018 11 月正好 3 年。TensorFlow 三年一直更新,2019 年即將發表 2.0 版。應用方面也沒落後,Google 已TensorFlow 最佳化旗下許多產品。

藉助 TensorFlowGoogle 讓產品更智慧

Gmail 寫信,系統會智慧建議下一個單詞或完整的句子;Google Photos 瀏覽時看到一張偏暗的照片,系統會自動幫助你調整曝光,讓照片更亮點;Google 翻譯寫入一句話,系統可對整個句子翻譯而非逐字翻譯,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」,一次喚醒就能多輪對話。

▲ Gmail 智慧補充。

Google 內超過 80% 軟體都採用基於 TensorFlow 的機器學習,最新案例是可自己打電話的 AI 系統 Duplex

Google 2018 年的 Google I/O 大會發表 Duplex,具語言理解、互動、時間控制、語言生成方面能力,可幫你打電話給髮廊、餐廳等消費場所,詢問資訊或預約。和店員交談時,還能模仿人類的語調,停頓、拉長,甚至使用「嗯、呃」一類語助詞。

▲ Google Duplex 展示影片。

TensorFlow 用於產品智慧化,這是再正常不過了。一些有足夠標記資料的垂直產業,TensorFlow 可發揮更大潛能。

上能發現「第二個太陽系」,下能預測餘震位置

2017 12 月,Google 和德州大學奧斯汀分校合作,用 TensorFlow 分析克卜勒望遠鏡抓取的資料,成功發現兩顆新的地外行星: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。

眾所皆知,天文是資料量非常龐大的領域。不久前退役的克卜勒天文望遠鏡,一直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,會遮住一部分光線,克卜勒望遠鏡就能探測到恆星光線減弱,光變曲線會有「U」型下沉。

▲ 凌星測光法。

原理很簡單,但克卜勒望遠鏡收集的資料實在太多,若逐一人工檢查,實在太耗時耗力。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,就像在探照燈下找到一隻螢火蟲。

Google 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 的基礎上搭建一個機器學習模型,訓練一已標記過 15,000 個地外行星資料的神經網路,判斷克卜勒望遠鏡接收的訊號是否來自某顆地外行星。經過訓練後,模型判斷準確率達 96%

成功運作後,模型用至實戰,很快從 670 顆恆星周圍找到兩顆地外行星,就是克卜勒 90 星系中的克卜勒-90i 和克卜勒 80 星系中的克卜勒-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,和太陽系近似的星系,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 離恆星太近了,一年只有 14.4 天,地表溫度約攝氏 427 度,幾乎不可能有碳基生命存在。

▲ 上為克卜勒 90 星系,下為太陽系。

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

每次主震之後,災難沒有完全過去,還可能有餘震維持數月,繼續摧殘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,以及時營救。

但地震學領域的資料非常複雜,每次地震事件都有很多變數,如不同區域地表的構成元素、地震模組之間的互動、地震波傳遞能量的方式,單純靠人工找到關聯、預測餘震成本很高。基於過去的經驗定律和模型,地震學家已能大致預測餘震發生的時間和規模,但預測位置則較困難。

為此,Google 和哈佛大學的研究人員利用 TensorFlow 開發一個深度學習模型,並用包含超過 13 萬次主要地震的資料集訓練。深度學習模型引入一種以前常用於冶金術的馮·米賽斯屈服準則,以找到複雜地震資料間的相關性,進而預測餘震位置。

這個模型目前還只能應用於靜態應力(較好預測),對動態應力還有心無力。但正如哈佛研究團隊領隊 Phoebe DeVries 說:「準確預測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,目前在偵測糖尿病視網膜病變、偵測移轉性乳腺癌、心血管疾病評估、癌症偵測和分析病曆都小有成果。

以檢測糖尿病視網膜病變為例。全球有 4.15 億糖尿病患者面臨視網膜病變的風險,若發現及時可治癒,但若未及時診斷,可能導致不可逆失明。

專科醫生偵測糖尿病視網膜病變最常用的方法之一,是用眼球後部掃描分析,觀察是否有病變徵兆(例如微動脈瘤、出血、硬性滲出等),並判斷嚴重程度。但世界許多糖尿病好發地區,並沒有足夠專業醫療人士診測。這個問題在南亞地區尤為嚴重。

為此,Google 2016 年和美國、印度醫生合作,建立一個包含 12.8 萬張眼底圖片的資料集,訓練基於 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比較,結果前者與眼科醫生小組的診斷相當。

2016 年研究公布後,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,「這研究展示了醫學新世界的樣貌。」

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

實用之餘,還會畫畫

別看 TensorFlow「一本正經」,又是發活動星、預測餘震,又是診斷糖尿病視網膜病變的,其實搞藝術也有兩把刷子。像 AutoDraw,能幫助你將自己的塗鴉變成畫作。

操作步驟很簡單,點擊第二個按鈕,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,並給一些圖形供你選擇,點擊一下即可代換。

▲ 筆者畫的貓很抽象,AutoDraw 能瞬間轉成現實畫風的貓。

AutoDraw 之所以能猜出你畫的是什麼,得益於名為「QuickDraw!」的計畫,採用眾包模式整合成千上萬的塗鴉,組成資料集後用於訓練模型。模型能理解人們繪畫塗鴉時何處起筆、走筆方向、何時停筆,以及畫的是什麼。

▲ Quick, Draw! 資料集有超過 12 萬人畫的大腦塗鴉。

(本文由 PingWest 授權轉載;首圖來源:TensorFlow

延伸閱讀: