Google AI应用:从动植物保护到寻找未知行星

　　【评论】作为人工智能领域的明星和领导品牌，Google一直致力于人工智能的研究并推动其不断发展，并利用这一技术解决一些世界范围内的挑战和问题。TensorFlow作为开源平台，也让每个来自不同背景、不同地域的人有机会利用这一先进技术，实现创新，为解决人类共同的难题贡献自己的力量。今天我们就来盘点一些比较有代表性的应用实例，一起来了解一下吧。

　　TensorFlow 助力动植物保护

　　像很多大型海洋哺乳动物一样，可爱的海牛面临着濒危的境地。为更好地保护它们以及它们的栖息地，野生动物保护者们需要对它们的数量与位置进行追踪研究。但在茫茫大海中要如何寻找海牛的踪迹?

　　研究员们用高清航拍图来追踪海牛，但航拍图片的尺寸和数量都非常庞大，要用肉眼来一一搜索、标记并计数实在是太困难了。

▲左边靠下位置的灰色小点就是一只海牛

　　最终，研究员们利 TensorFlow 的最新图像识别技术，让电脑“学会”了识别巨型航拍图中的海牛。机器识别的速度远远超过了人工，精度也是肉眼的 1.4 倍。

　　亚马逊拥有世界上最大的热带雨林，尽管当地政府和人民一直致力于对它的保护，但是在过去的 40 年中，依然有不计其数的树木遭到砍伐。Topher White 发明了借助 TensorFlow 运行的 “The Guardian” 设备。它被安装在亚马逊地区的丛林中，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，从而阻止亚马逊地区非法砍伐森林的行为。

▲Topher 在亚马逊地区的高耸树木群中安装监控设备

　　位于宾夕法尼亚州的 PlantVillage 创造了一款名叫 Nuru 的应用，通过标注数以万计的木薯作物图片，识别和区分各种病害，并利用 TensorFlow 来训练机器学习模型。该模型学会识别病害之后就被应用于App当中，农民只需要将手机镜头对准木薯叶片，App就能识别出这株作物有无病害。如果有，它还能给出最佳的处理建议。

▲只需要将你的手机摄像头对准木薯叶片，Nuru 就能明确地识别出作物上的病害

　　用机器学习寻找未知行星

　　Google AI 团队的一名机器学习研究人员与德克萨斯大学奥斯汀分校天体物理学家进行合作，将机器学习技术运用到了太空探索中，让机器学会了识别绕着遥远恒星公转的行星。该研究人员用超过 1.5 万个经过标记的开普勒太空望远镜信号的数据集，训练基于 TensorFlow 建立的机器学习模型，来区分行星和其他天体。它识别行星信号和非行星信号的准确率高达 96%，并发现了两颗新行星：开普勒 80g 和开普勒 90i。

▲研究人员使用这个模型在670颗恒星数据中寻找新行星，发现了2颗此前研究遗漏的行星

　　这些例子仅仅是 Google AI 应用中的沧海一粟，AI 带来的诸多可能或许比天空还要广阔。对于 Google 而言， AI 无国界，AI 的福祉亦无边界，如何更好地将 AI 落地，并惠泽每一个人，是 Google 一直在做的事。

（编辑：莆田站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!