2016 年 3 月，“李世石對 AlphaGo”人機大戰讓全世界都知道了人工智能的威力。這場大戰半年前，Google 就已經把它的人工智能底層能力開放給了全世界。
2015 年 11 月 9 日，Google 正式對外開源了機器學習框架 TensorFlow，到 2018 年 11 月正好 3 年。TensorFlow 這三年一直保持著更新，2019 年即將布 2.0 版本。應用方面也沒落下，Google 用 TensorFlow 優化了旗下許多產品。
借助 TensorFlow，Google 讓產品更智能
在 Gmail 里寫郵件，系統會智能建議下一個單詞或完整的句子。在 Google Photos 里瀏覽時看到一張偏暗的照片，系統會自動提示你調整曝光，讓照片更亮一點。在 Google 翻譯里寫入一個句子，系統可以對整個句子進行翻譯而非逐字翻譯，大幅提高翻譯精確度和流暢度。跟 Google 的人工智能助理 Google Assistant 對話，再也不用一次次說出喚醒詞“Hey，Google”，一次喚醒就能持續多輪對話。
Gmail 智能補充
Google 內部超過 80% 的軟件項目都采用了基于 TensorFlow 的機器學習，最新案例是可以自己打電話的 AI 系統——Duplex。
Google 在 2018 年的 Google I/O 大會上發布的 Duplex，具備語言理解、交互、時間控制、語言生成方面的能力，可以幫你打電話給發廊、餐廳等消費場所，詢問信息或預定。在和店員交談中，它還能模仿人類的語調，在說話間停頓、拉長，甚至使用“嗯“、”呃“一類語氣助詞。
Google Duplex 演示視頻：https://v.qq.com/x/page/d0744m1i5n6.html?start=2
將 TensorFlow 用于自己產品智能化，這是再也常規不過的操作了。在一些有足夠標注數據的垂直行業，TensorFlow 可以發揮出更大的潛能。
上能發現“第二個太陽系”，下能預測余震位置
2017 年 12 月，Google 和得克薩斯大學奧斯丁分校合作，用 TensorFlow 分析開普勒望遠鏡獲取的數據，成功發現了兩顆新的地外行星：開普勒-90i 和開普勒-80g，其中開普勒-90i 所在的星系開普勒 90，更是太陽系之外首個已知的八行星星系。
眾所周知，天
凌星測光法的原理是，當行星從恒星前方經過，會遮擋住一部分光線，開普勒望遠鏡就能探測到恒星光線減弱，體現在光變曲線中有一個“U”型下沉。
凌星測光法
原理很簡單，但開普勒望遠鏡收集的數據實在太多，若逐一進行人工檢查，實在太耗時耗力。而且有的行星很小、很黯淡，對應的恒星卻非常明亮、巨大，觀察起來非常困難，就像在聚光燈下尋找一只螢火蟲一樣難。
Google 的 AI 科學家想到，這個問題和 Google Photos 給照片分類十分類似，于是在 TensorFlow 的基礎上搭建了一個機器學習模型，對 15000 個已經被標注過的地外行星數據進行神經網絡訓練，判斷開普勒望遠鏡接收到的信號是否來自某顆地外行星。經過訓練后，該模型的判斷準確率達到了 96%。
成功運作后，這個模型被用在了實戰中，很快從 670 顆恒星周圍找到了兩顆地外行星，分別是開普勒 90 星系中的開普勒-90i 和開普勒 80 星系中的-80g。
得益于開普勒-90i 的發現，開普勒 90 星系成為太陽系之外首個已知的八行星星系。
天
概念圖：上為開普勒-90 星系，下為太陽系。
TensorFlow 不僅可以處理天上的事情，還能解決地面的麻煩，比如地震。地震造成破壞不可避免，但如果可以及時營救，能最大程度減少損失。
每次主震之后，災難并沒有完全過去，還可能有余震維持數月，繼續摧殘著被主震動搖的建筑物。地震學家一直致力于通過數據預測余震發生的時間、規模和地點，以安排及時的營救。
但是，地震學領域的數據非常復雜，每次地震事件都有很多變量，如不同區域地表的構成元素、地震模塊之間的交互、地震波傳遞能量的方式，單純靠人工在數據中找到聯系、繼而預測余震成本很高。基于過去的經驗定律和模型，地震學家們已經可以較好預測余震發生的時間和規模，但預測位置則相對困難。
為此，Google 和哈佛大學的研究人員利用 TensorFlow 開發了一個深度學習模型，并且用包含超過 13 萬次主要地震的數據集去訓練。這個深度學習模型引入了一種以前常用于冶金術的馮·米賽斯屈服準則，以更好地找到復雜地震數據間的相關性，從而對余震位置進行預測。
這個模型目前還只能應用于靜態應力（更好預測），對于動態應力還有心無力。但正如哈佛研究團隊里的領隊 Phoebe DeVries 所說：“完全準確預測出余震位置還有很長的路要走，但我想機器學習在這方面有很大的潛力。”
行醫濟世，AI For Good
醫學一直是 TensorFlow 應用的重點領域，目前在檢測糖尿病視網膜病變、檢測轉移性乳腺癌、心血管疾病評估、癌癥檢測和分析病歷中小有成果。
以檢測糖尿病視網膜病變為例。全球范圍內有 4.15 億糖尿病患者面臨視網膜病變的風險，若是發現及時可被治愈的，但若是未能及時診斷，則可能導致不可逆轉的失明。
專科醫生檢測糖尿病視網膜病變最常用的方法之一，是用眼球后部的掃描片進行分析，觀察是否有病變的征兆（例如微動脈瘤、出血、硬性滲出等），并判斷其嚴重程度。但世界上許多糖尿病高發的地區，并沒有足夠的專業醫療人士去檢測該疾病。這個問題在南亞地區尤為嚴重。
為此，Google 于 2016 年和美國、印度醫生合作，創建了一個包含 12.8 萬張眼底掃描圖片的數據集，用于訓練一個檢基于 TensorFlow 的深度神經網絡。Google 把神經網絡的診斷結果，和 7 個專業醫生的診斷結果對比，結果表明前者的結果與眼科醫生小組的診斷相當。
2016 年這個研究公布后，深受醫學界好評。哈佛醫學院的安德魯 · 比姆和艾薩克 · 柯漢表示，“這一研究展示了醫學新世界的樣子。”
目前，Google 在醫學領域最新的消息是，新成立 Google Health 部門，并把一手締造了 AlphaGo 的 DeepMind 的健康業務納入其中。
實用之余，還會畫畫
別看 TensorFlow “一本正經”，又是發現行星、預測余震，又是診斷糖尿病視網膜病變的，其實搞起藝術來也有兩把刷子。像AutoDraw，能幫助你將自己的一些涂鴉轉變成規整的畫作。
操作步驟也很簡單，點擊左側第二個按鈕，啟動機器學習識別模式，再隨便涂上幾筆。AutoDraw 會即時識別這是什么，并給出一些圖形供你選擇，點擊一下即可替換。
我自己畫的貓很抽象，AutoDraw 能瞬間轉變一只現實畫風的貓。
AutoDraw 之所以能猜出你畫的是什么，得益于一個名為“Quick，Draw!”的項目。這個項目采用眾包的模式來搜集成千上萬的涂鴉，組成數據集后用于訓練模型。模型能理解人們在繪制涂鴉時是在何時起筆、走筆方向、何時停筆，以及畫的是什么。
Quick, Draw! 數據集里，有超過 12 萬個不同人畫的大腦涂鴉
這個項目后來在中國也落地了，被做成一個叫“猜畫小歌”的小程序，7 月份剛出來的時候火過一段時間，現在你可以掃描小程序碼體驗一下 TensorFlow 的智能之處：
