如何用巧妙的方式借助TensorFlow帮助他们工作

尽管机器学习是 Google 旗下众多产品的核心，而我们的开源机器学习框架 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。在 Google I/O 大会上，我们聆听了来自这些人的分享，他们正在解决巨大的问题——比如关于宇宙起源之类的事情。接下来的案例展示了他们是如何用巧妙的方式借助 TensorFlow 帮助他们工作的。

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？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。

让我们从外太空来到巴西的热带雨林：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。