谷歌AI开源神器三岁了：它被用在很多你想不到的地方
2016年3月，“李世石对AlphaGo”人机大战让全世界都知道了人工智能的威力。这场大战半年前，谷歌就已经把它的人工智能底层能力开放给了全世界。2015年11月9日，谷歌正式对外开源了机器学习框架TensorFlow，到2018年11月正好3年。TensorFlow这三年一直保持着更新，2019年即将布2.0版本。应用方面也没落下，谷歌用TensorFlow优化了旗下许多产品。
借助TensorFlow，谷歌让产品更智能
在Gmail里写邮件，系统会智能建议下一个单词或完整的句子。在Google Photos里浏览时如果看到一张偏暗的照片，系统会自动提示你调整曝光，让照片更亮一点。在谷歌翻译里写入一个句子，系统可以对整个句子进行翻译而非逐字翻译，大幅提高翻译精确度和流畅度。跟谷歌的人工智能助理Google Assistant对话，再也不用一次次说出唤醒词“Hey, Google”，一次唤醒就能持续多轮对话......
谷歌内部超过80%的软件项目都采用了基于TensorFlow的机器学习，最新案例是可以自己打电话的AI系统——Duplex。
Gmail智能补充Gmail智能补充 谷歌在2018年的Google I/O大会上发布的Duplex，具备语言理解、交互、时间控制、语言生成方面的能力，可以帮你打电话给发廊、餐厅等消费场所，询问信息或预定。在和店员交谈中，它还能模仿人类的语调，在说话间停顿、拉长，甚至使用“嗯“、”呃“一类语气助词。
将TensorFlow用于自己产品智能化，这是再也常规不过的操作了。在一些有足够标注数据的垂直行业，TensorFlow可以发挥出更大的潜能。
上能发现“第二个太阳系”，下能预测余震位置
2017年12月，谷歌和得克萨斯大学奥斯丁分校合作，用TensorFlow分析开普勒望远镜获取的数据，成功发现了两颗新的地外行星：开普勒-90i和开普勒-80g，其中开普勒-90i所在的星系开普勒90，更是太阳系之外首个已知的八行星星系。
众所周知，天文是一个数据量非常庞大的领域。前不久退役的开普勒天文望远镜，一直在用凌星测光法收集数据。
凌星测光法的原理是，当行星从恒星前方经过，会遮挡住一部分光线，开普勒望远镜就能探测到恒星光线减弱，体现在光变曲线中有一个“U”型下沉。
凌星测光法凌星测光法 原理很简单，但开普勒望远镜收集的数据实在太多，若逐一进行人工检查，实在太耗时耗力。而且有的行星很小、很黯淡，对应的恒星却非常明亮、巨大，观察起来非常困难，就像在聚光灯下寻找一只萤火虫一样难。
谷歌的AI科学家想到，这个问题和Google Photos给照片分类十分类似，于是在TensorFlow的基础上搭建了一个机器学习模型，对15000个已经被标注过的地外行星数据进行神经网络训练，判断开普勒望远镜接收到的信号是否来自某颗地外行星。经过训练后，该模型的判断准确率达到了96%。
成功运作后，这个模型被用在了实战中，很快从670颗恒星周围找到了两颗地外行星，分别是开普勒90星系中的开普勒-90i和开普勒80星系中的-80g。
得益于开普勒-90i的发现，开普勒90星系成为太阳系之外首个已知的八行星星系。
天文学界的共识是，一个和太阳系近似的星系中，可能有和地球类似的行星，生命存在的可能性较高。遗憾的是，开普勒-90i离太阳太近了，一年只有14.4天，地表温度约427摄氏度，几乎不可能有碳基生命存在。
概念图：上为开普勒-90星系，下为太阳系。概念图：上为开普勒-90星系，下为太阳系。 TensorFlow不仅可以处理天上的事情，还能解决地面的麻烦，比如地震。地震造成破坏不可避免，但如果可以及时营救，能最大程度减少损失。
每次主震之后，灾难并没有完全过去，还可能有余震维持数月，继续摧残着被主震动摇的建筑物。地震学家一直致力于通过数据预测余震发生的时间、规模和地点，以安排及时的营救。
但是，地震学领域的数据非常复杂，每次地震事件都有很多变量，如不同区域地表的
页:
[1]