2016 年 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 年 11 月 9 日，Google 正式對外開源機器學習框架 TensorFlow，到 2018 年 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 已用 TensorFlow 最佳化旗下許多產品。
藉助 TensorFlow，Google 讓產品更智慧
在 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 在 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。
將 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 年 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 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 於 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 的 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「Quick, Draw!」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）
科技新報粉絲團
加入好友
訂閱免費電子報
