人工智能落後於Google的許多產品，對於我們來說，作為一家公司來說，這是我們的首要任務。 因此，我們將分享有關人工智能如何以您可能不知道的方式影響您的生活以及來自世界各地的人們如何使用AI來構建自己的技術的亮點。
機器學習是Google自己的許多產品的核心，但TensorFlow（我們的開源機器學習框架）也是全球科學家，研究人員甚至高中學生工作的重要組成部分。在Google I / O中，我們聽到了其中的一些人，他們正在解決大的（我們的意思是大的）問題 - 宇宙的起源，這類問題。以下是他們使用TensorFlow輔助工作的一些有趣方法。
Ari Silburt博士賓夕法尼亞州立大學的學生希望揭開我們太陽系的起源。為了做到這一點，他必須繪製太陽系中的隕石坑，這可以幫助他確定太陽系中各個地方（以及在不同時間）存在的物質。你跟我們？從歷史上看，這個過程是手工完成的，既費時又主觀，但Ari和他的團隊轉向TensorFlow使其自動化。他們利用現有的月球照片訓練了機器學習模型，並確定了6000多個新的隕石坑。
左邊是月球的照片，很難分辨出那些隕石坑在哪裡。在右側，我們準確描繪了由於TensorFlow引起的火山口分佈。
從外層空間切換到巴西雨林：Topher White（雨林連接的創始人）發明了“衛報”設備，以防止亞馬遜非法砍伐森林。這些設備 - 在Tensorflow上運行的循環手機 - 被安裝在整個森林的樹木中，識別鏈鋸和伐木車的聲音，並警告警戒該地區的遊騎兵。沒有這些設備，土地就必須受到人們的監管，這在它所覆蓋的大面積地區幾乎是不可能的。
Topher在亞馬遜的高大樹木中安裝監護設備
一隻眼睛的眼底圖像與威脅視力的視網膜疾病。通過機器學習，該圖像將告訴醫生遠遠超過眼睛健康。
世界的綠色大拇指的好消息，Shaza Mehdi和Nile Ravenell是開發PlantMD的高中生，這款應用程序可以讓你判斷你的植物是否有病。機器學習模型運行在TensorFlow上，Shaza和Nile使用來自plantvillage.com和一些大學數據庫的數據來訓練模型以識別有病植物。 Shaza還構建了另一個使用類似方法診斷皮膚病的應用程序。
閱讀更多 引力空間站 的文章
