倍可親

回復: 1

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

[複製鏈接]

1萬

主題

3萬

帖子

6萬

積分

貝殼光輝歲月

倍可親決策會員(19級)

Rank: 6Rank: 6

積分
60345
新鮮人 發表於 2018-11-20 10:38 | 顯示全部樓層 |閱讀模式
  2018-11-20 09:46

  2016 年 3 月,「李世石對 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。

  

  藉助 TensorFlow,Google 讓產品更智能

  在 Gmail 里寫郵件,系統會智能建議下一個單詞或完整的句子。在 Google Photos 里瀏覽時如果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 翻譯里寫入一個句子,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 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。

  

  Gmail 智能補充

  Google 在 2018 年的 Google I/O 大會上發布的 Duplex,具備語言理解、交互、時間控制、語言生成方面的能力,可以幫你打電話給髮廊、餐廳等消費場所,詢問信息或預定。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。

  (Google Duplex 演示視頻)

  將 TensorFlow 用於自己產品智能化,這是再也常規不過的操作了。在一些有足夠標註數據的垂直行業,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 和得克薩斯大學奧斯丁分校合作,用 TensorFlow 分析開普勒望遠鏡獲取的數據,成功發現了兩顆新的地外行星:開普勒-90i 和開普勒-80g,其中開普勒-90i 所在的星系開普勒 90,更是太陽系之外首個已知的八行星星系。

  眾所周知,天文是一個數據量非常龐大的領域。前不久退役的開普勒天文望遠鏡,一直在用凌星測光法收集數據。

  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,開普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。

  

  凌星測光法

  原理很簡單,但開普勒望遠鏡收集的數據實在太多,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 給照片分類十分類似,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數據進行神經網路訓練,判斷開普勒望遠鏡接收到的信號是否來自某顆地外行星。經過訓練后,該模型的判斷準確率達到了 96%。

  成功運作后,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,分別是開普勒 90 星系中的開普勒-90i 和開普勒 80 星系中的-80g。

  得益於開普勒-90i 的發現,開普勒 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,開普勒-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。

  

  概念圖:上為開普勒-90 星系,下為太陽系。

  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通過數據預測餘震發生的時間、規模和地點,以安排及時的營救。

  但是,地震學領域的數據非常複雜,每次地震事件都有很多變數,如不同區域地表的構成元素、地震模塊之間的交互、地震波傳遞能量的方式,單純靠人工在數據中找到聯繫、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 萬次主要地震的數據集去訓練。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數據間的相關性,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里的領隊 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。

  以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,是用眼球後部的掃描片進行分析,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 萬張眼底掃描圖片的數據集,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 年這個研究公布后,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。

  

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

  
知之為知之,不知為不知,是知也

海納百川,  有容乃大

1萬

主題

3萬

帖子

6萬

積分

貝殼光輝歲月

倍可親決策會員(19級)

Rank: 6Rank: 6

積分
60345
 樓主| 新鮮人 發表於 2018-11-20 10:38 | 顯示全部樓層
我自己畫的貓很抽象,AutoDraw 能瞬間轉變一隻現實畫風的貓。

  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。這個項目採用眾包的模式來搜集成千上萬的塗鴉,組成數據集後用於訓練模型。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?

  

  Quick, Draw! 數據集里,有超過 12 萬個不同人畫的大腦塗鴉

  這個項目後來在中國也落地了,被做成一個叫「猜畫小歌」的小程序。7 月份剛出來的時候,這個小程序火過一段時間,現在你可以掃描小程序碼體驗一下 TensorFlow 的智能之處:

  

  (題圖來自 Wired)

知之為知之,不知為不知,是知也

海納百川,  有容乃大
回復 支持 反對

使用道具 舉報

您需要登錄后才可以回帖 登錄 | 註冊

本版積分規則

關於本站 | 隱私權政策 | 免責條款 | 版權聲明 | 聯絡我們

Copyright © 2001-2013 海外華人中文門戶:倍可親 (http://big5.backchina.com) All Rights Reserved.

程序系統基於 Discuz! X3.1 商業版 優化 Discuz! © 2001-2013 Comsenz Inc.

本站時間採用京港台時間 GMT+8, 2024-3-29 15:35

快速回復 返回頂部 返回列表