在Solve With AI上，谷歌再一次对外展示了AI在应用上的进展。从主题来看，很明显地表达了谷歌希望将AI用于Solve（译为“解决”）实际生活中的问题。

谷歌AI的负责人Jeff Dean在开场就是分享了一个实际生活AI应用的例子：两位印度的学生基于TensorFlow开发出了Air Cognizer这款空气质量分析应用，帮助受到空气污染影响的地区的用户了解空气质量信息，从而为空气污染治理提供帮助。

自从2015年谷歌将TensorFlow开源以来，已经获得超过410万次的下载，帮助许多开发者进行早期的机器学习和模型训练。而这两位印度学生，则是这些来自全世界各地的开发者的一个缩影。

借助TensorFlow，谷歌在AI上已经实现了从听说读写上获得训练数据的来源，同时又将这些能力输出到听说读写上，这些能力又被进一步应用于实际生活中，包括灾害预测、疾病筛查、海洋和森林保护等全球性问题。

Jeff Dean的AI生涯和谷歌的AI使用原则

从有了计算机之后，科学家就开始思考怎么样能让电脑变得更加聪明，具备学习和推理的能力，从而帮助人类完成更多的工作。

Jeff Dean从小就对计算机和编码非常着迷。2018年8月，Jeff Dean的本科毕业论文首次对外曝光。他本科就读于明尼苏达大学，专业是计算机和经济学。1990年本科毕业时，他这篇仅有8页的毕业论文被评为当年最优等本科论文，被明尼苏达大学图书馆保留至今。

这篇论文显示，早在29年前，Jeff Dean已经开始利用C语言为神经网络编写并行的计算代码。而在“Solve With AI”的分享会上，Jeff Dean又对外展示了自己的毕业照。

“当时，我就对AI和机器学习充满激情，而在今天，包括以后，我更加期待它的发展。”Jeff Dean说，他之前提到的两个印度学生，他们的作品在30年前是不可能出现的，因为当时计算机的技术远不像今天这样。

在1990年，计算机的浮点运算能力仅为32 GigaFLOPS，今天已经是420 Tera FLOPS。Jeff Dean说：“今天的电脑比1990年的电脑快了超过1000万倍。现在AI发展很快，直接推动力是计算机的运算速度大幅度提高了。”

1999年，Jeff Dean加入谷歌成为其第20号员工。今年是Jeff Dean加入谷歌的第二十年，他已经成为谷歌在AI上的总负责人。他的代表作就是在2011年和吴恩达一起创建了谷歌大脑。同时，他也是谷歌机器学习开源框架Tensorflow的重要创始人之一。

2018年5月在乌镇，“人机对战”的主角是中国职业围棋九段棋手柯洁和AlphaGo。Jeff Dean当时在第一场比赛后对外分享了谷歌在神经网络和机器学习上的进展，这也是他在中国为数不多的露面。

从大学的求学生涯到加入谷歌至今，年近50岁的Jeff Dean已经和AI打了大半辈子的交道。而下一个阶段，他也开始思考机器和人的关系，以及AI大规模应用应该坚持哪些原则，在一定程度上，这也是代表谷歌的态度。

“我们虽然已经在很多领域应用了AI，但是我们可以看到，不管在什么领域，AI和人都是相互学习的，而人和人之间的互动，会增加我们对彼此文化的理解。”Jeff Dean认为，AI和人并不是互相取代的关系，使用得当就能避免带来威胁。

谷歌在AI发展和应用上的原则是：对社会是有用的；避免制造新的不公平和偏见；安全的搭建和测试；对人负有责任；保护用户隐私；对技术水平的高标准等。此外，谷歌反对那些可能带来危害的AI应用；利用原则带来直接的伤害；违规地监视用户以及违反国际法规和人类权利的行为。

“我们已经审查了超过100个项目,并在机器学习的公平性方面培训了数千名谷歌员工。我们开发了一种新的机器学习形式,被称为联盟学习(Federated Learning)。联邦学习可以让应用程序和各项每个人工作,而不需要从设备上收集原始数据。”Jeff Dean说。

然而，摆在包括谷歌等超大型互联网公司面前的难题依旧存在。根据多家媒体的报道，依旧有超过上千个基于Android系统运行的应用程序，即使在用户拒绝授权的情况下，依然违规获取用户的数据。

Jeff Dean认为，单靠一些人或者仅仅只是依靠谷歌，也是无法解决这些问题的，这些问题的解决需要更多的人和更多的公司参与其中。

谷歌的全球AI应用计划

早在2016年之前，谷歌就已经开始推动AI在实际生活中的广泛应用。“我们希望AI能在全世界范围内帮助任何需要它帮助的人。”Jeff Dean说。

比如Global Fishing Watch，这个项目在2016年8月对外宣布启动，这个项目主要是监测全球海洋的非法捕捞活动，避免人类的过度捕捞对海洋鱼类带来的毁灭性打击。

世界海洋保护组织也是这个项目的推动者之一。至今，已经有有超过189个国家的4万个用户使用这个平台对于海洋鱼类进行监测和保护。“利用这个平台，创造了7个新的海洋保护区。”Jeff Dean透露。

Global Fishing Watch目前目前已经覆盖了超过30万艘船，使用船舶自动识别系统（Automatic Identification System，AIS）追踪的数据能显示出船舶的实时行踪，该系统还可以自动将船舶行动分类为“捕捞”和“非捕捞”。

在疾病预防和筛查上，谷歌的AI已经在肺癌筛查、转移性乳腺癌检测和糖尿病眼病检测上取得了不小的成绩。“我们相信,技术可以在医学领域产生巨大影响,有助于实现医疗服务的民主化,将注意力转回患者自身,并助力研究人员取得更多科研成果和发现。”谷歌健康项目的产品经理Lily Peng表示。

肺癌是一种死亡率极高的疾病，导致的死亡人数超过其他任何癌症,占全球年死亡率的3%。早期诊断对于肺癌治疗有所帮助,但80%以上的肺癌病例均未在早期被发现。

谷歌建立了一个机器学习模型,可以分析CT扫结果并预测肺部恶性肿瘤。最新的数据显示，这个模型检测到的癌症病例增加了5%,同时假减少了11%以上的假阳性病例。

转移性乳腺癌的检测上AI的准确率同样高于人类医生。“一张医学幻灯片可高达10亿像素级,所以在其中寻找任何东西都犹如大海捞针。”Lily Peng表示，谷歌机器学习模型来检测病理图像中的病变，发现了95%的癌症病变，而病理学家至今只能发现其中的73%。

除了疾病筛查之外，AI对于自然灾害的预防也已经被广泛应用，并且已经具有很高的成功率。

联合国的统计数据显示，洪水每年影响超过2500万人，给全球带来数十亿美元的经济损失。而早期的警告系统已经能够避免三分之一的死亡和经济损失。联合国认为，洪水是最容易预防的自然灾害。

谷歌的优势在于，每年都能接触数十亿的用户，可以提供非常及时的预警信息。机器学习也能够明显改善这个领域，加上累积的数据和计算能力，AI将能够更大程度降低洪水带来的经济损失和伤亡。

收集大量卫星的图像，创造高分辨率的高层图，以及和当地政府合作搜集河流水位的信息。从而可以进行河流行为的模拟，神经网络进行数十万次的模拟过程，降低普及的成本。创建出一个可以进行规模应用、高分辨率的水利分析模型。

这个模型可以提前预判哪些地区很容易受到洪水的影响，并对这些地区的用户发出预警。

借助于谷歌图片和地图的帮助，谷歌利用成像的不同来分析出这个地图的景观、包括山、河流等之间的不同、高度和变化情况，谷歌将90m的分辨率改善至1m。

在印度帕塔尔地区，谷歌的洪水模型预报准确率为93%。“我们将从印度把这个模型扩展到其他国家和地区，从而为全世界提供这些信息。”Sella Nevo表示。

除此以外，谷歌还将AI能力的应用扩展到了垃圾的识别与分类、热带雨林入侵者的警报与保护、濒危动物的保护等。

Jeff Dean很多次提到科技公司的社会责任——除了保护用户的隐私，还需要将技术转化为应用的能力从用户的角度出发，利用技术的进步为用户带来真实的帮助。“我们还将继续完善我们AI应用的原则，并帮助那些需要AI的人。”他说。

本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/433/450.htm]