Google AI應用：從動植物保護到尋找未知行星

【IT168 評論】作為人工智慧領域的明星和領導品牌，Google一直致力於人工智慧的研究並推動其不斷發展，並利用這一技術解決一些世界範圍內的挑戰和問題。TensorFlow作為開源平台，也讓每個來自不同背景、不同地域的人有機會利用這一先進技術，實現創新，為解決人類共同的難題貢獻自己的力量。今天我們就來盤點一些比較有代表性的應用實例，一起來了解一下吧。

TensorFlow 助力動植物保護

像很多大型海洋哺乳動物一樣，可愛的海牛面臨著瀕危的境地。為更好地保護它們以及它們的棲息地，野生動物保護者們需要對它們的數量與位置進行追蹤研究。但在茫茫大海中要如何尋找海牛的蹤跡?

研究員們用高清航拍圖來追蹤海牛，但航拍圖片的尺寸和數量都非常龐大，要用肉眼來一一搜索、標記並計數實在是太困難了。

左邊靠下位置的灰色小點就是一隻海牛

最終，研究員們利 TensorFlow 的最新圖像識別技術，讓電腦「學會」了識別巨型航拍圖中的海牛。機器識別的速度遠遠超過了人工，精度也是肉眼的 1.4 倍。

亞馬遜擁有世界上最大的熱帶雨林，儘管當地政府和人民一直致力於對它的保護，但是在過去的 40 年中，依然有不計其數的樹木遭到砍伐。Topher White 發明了藉助 TensorFlow 運行的 「The Guardian」 設備。它被安裝在亞馬遜地區的叢林中，通過識別電鋸和伐木工程車的聲音，向管轄該地區的管理員發出警報，從而阻止亞馬遜地區非法砍伐森林的行為。

Topher 在亞馬遜地區的高聳樹木群中安裝監控設備

位於賓夕法尼亞州的 PlantVillage 創造了一款名叫 Nuru 的應用，通過標註數以萬計的木薯作物圖片，識別和區分各種病害，並利用 TensorFlow 來訓練機器學習模型。該模型學會識別病害之後就被應用於App當中，農民只需要將手機鏡頭對準木薯葉片，App就能識別出這株作物有無病害。如果有，它還能給出最佳的處理建議。

只需要將你的手機攝像頭對準木薯葉片，Nuru 就能明確地識別出作物上的病害

用機器學習尋找未知行星

Google AI 團隊的一名機器學習研究人員與德克薩斯大學奧斯汀分校天體物理學家進行合作，將機器學習技術運用到了太空探索中，讓機器學會了識別繞著遙遠恆星公轉的行星。該研究人員用超過 1.5 萬個經過標記的開普勒太空望遠鏡信號的數據集，訓練基於 TensorFlow 建立的機器學習模型，來區分行星和其他天體。它識別行星信號和非行星信號的準確率高達 96%，並發現了兩顆新行星：開普勒 80g 和開普勒 90i。

研究人員使用這個模型在670顆恆星數據中尋找新行星，發現了2顆此前研究遺漏的行星

這些例子僅僅是 Google AI 應用中的滄海一粟，AI 帶來的諸多可能或許比天空還要廣闊。對於 Google 而言， AI 無國界，AI 的福祉亦無邊界，如何更好地將 AI 落地，並惠澤每一個人，是 Google 一直在做的事。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！