盡管機器學習是 Google 旗下眾多產品的核心，而我們的開源機器學習框架 TensorFlow 已經成為全球科學家研究成果、研究人員課題、甚至高中學生作業的核心組成部分。在 Google I/O 大會上，我們聆聽了來自這些人的分享，他們正在解決巨大的問題——比如關于宇宙起源之類的事情。接下來的案例展示了他們是如何用巧妙的方式借助 TensorFlow 幫助他們工作的。

Ari Silburt, 是賓夕法尼亞州州立大學的博士研究生，他想要解開我們太陽系起源的秘密。為了實現這個目標，他必須要把太陽系中的隕石坑做成地圖，這樣才能幫助他找到太陽系中已存的物質形成的位置（和形成的時間）。你聽懂了嗎？在過去，這一過程需要用人的雙手來完成，既消耗時間又會受到主觀影響，然而，Ari和他的團隊利用 TensorFlow 把這一過程自動化了。他們用現存的月球照片訓練了機器學習模型，已經使其辨認出了超過6千個新的隕石坑。

左側這張月球的照片，很難分辨出隕石坑分布在哪里。而右側這張圖片，通過 TensorFlow， 我們可以清晰地看到隕石坑的分布。

讓我們從外太空來到巴西的熱帶雨林：Topher White（Rainforest Connection 的創始人）發明了 “The Guardian” 設備來阻止亞馬遜地區非法砍伐森林的行為。該設備在對舊手機的升級改造同時借助 TensorFlow 運行。它被安裝在樹上，遍布整個森林，通過識別電鋸和伐木工程車的聲音，向管轄該地區的管理員發出警報。如果沒有這些裝置，就必須依靠人力來監督管理這一片區域，因此難以覆蓋大面積地區。

Topher 在亞馬遜地區的高聳樹木群中安裝監控設備

糖尿病視網膜病變是目前越來越被人們重視的致盲病因，目前全球范圍內有 4.15 億糖尿病患者面臨視網膜病變的風險。若是發現及時，該病是可以被治愈的，但若是未能及時診斷，則可能導致不可逆轉的失明。在 2016 年，Google 宣布機器學習正在被用于對糖尿病視網膜病變領域的輔助性診斷，以高精準度來幫助分析患者的眼底圖像（眼睛后部的圖片）?，F如今，Google 正在運用 TensorFlow 將這些眼底圖像的分析提升到另一個新的階段。奧克蘭的驗光師 Jorge Cuadros 博士，正在運用深度學習的模型分析眼底圖像，通過分析能夠預估患者患心血管病的風險概率。

此圖為一張眼部視力已經受到視網膜病變威脅的眼底圖像，機器學習的分析能夠將此圖中不僅限于眼部健康的信息提供給醫生。

還有一個好消息，是關于世界各地園藝專業人士的：Shaza Mehdi 和 Nile Ravenell 這兩位高中生，發明了一個可以幫助他們了解植物是否患病的應用程序。Shaza Mehdi 和 Nile Ravenell 在 TensorFlow 上運行機器學習的模型，同時從 plantvillage.com 以及一些大學的數據庫中收集數據用于訓練該模型去識別生病的植物。除此之外，Shaza 還創建了一款用類似方式來運行的能夠識別皮膚病的應用程序。