Jeff De2021谷歌年度 Jeff( 九 )

ML 辅助结肠镜检查程序是更高阶的有趣例子。结肠镜检查不仅用于诊断结肠癌——在手术过程中切除息肉是阻止疾病进展和预防严重疾病的重要部分。在这个领域，研究人员已经证明 ML 可以帮助检测难以捉摸的息肉，并且可以增加质量保证的新维度，例如通过应用同步定位和映射技术进行覆盖映射。
通过与耶路撒冷的 Shaare Zedek 医疗中心合作，谷歌展示了这些系统可以实时工作，在每次手术中平均检测到一个原本会被漏掉的息肉，每次手术的误报少于四个。

文章插图

图注：胸部 X 光片 (CXR) 的真假阳性样本，以及 (A) 一般异常、(B) 结核病和 (C) COVID-19 的真假阴性结果。在每个 CXR 上，红色轮廓表示模型重点识别异常的区域（即类激活图），黄色轮廓表示放射科医生识别的感兴趣区域。
另一个医疗保健计划 Care Studio 使用最先进的 ML 和先进的 NLP 技术来分析结构化数据和医疗记录，在正确的时间向临床医生提供最相关的信息——最终帮助他们提供更主动和准确的护理。
尽管 ML 可能对扩大临床环境的可及性和提高准确性很重要，但一个同样重要的新趋势正在出现：ML 应用于帮助人们提高日常健康和福祉。
我们的日常设备具有强大的传感器，可以帮助使健康指标和信息民主化，以便人们可以就自己的健康做出更明智的决定。
智能手机摄像头已经可以评估心率和呼吸频率以帮助用户，而无需额外硬件的发布，以及支持非接触式睡眠感应，并让用户更好地了解他们的夜间健康状况的设备。
一方面，个人可以在自己的 ASR 系统中显著提高无序语音的语音识别质量，另一方面，还可以使用 ML 帮助重建有语音障碍的人的声音。支持机器学习的智能手机甚至可以帮助人们更好地研究新出现的皮肤状况或帮助视力有限的人慢跑。

文章插图

图注：用于非接触式睡眠感应的自定义 ML 模型有效地处理连续的 3D 雷达张量流（总结一系列距离、频率和时间的活动），以自动计算用户清醒或睡着的可能性的概率。
机器学习在气候危机上的应用
另一个最重要的领域是气候变化，这对人类来说是一个极其紧迫的威胁。
因此，人们需要共同努力，扭转有害排放物的增长曲线，以确保安全和繁荣的未来。关于不同选择对气候带来的影响的信息可以帮助人类以多种不同方式应对这一挑战。
为此，谷歌最近在 Google 地图中推出了环保路线推荐应用，他们估计这将每年减少约 100 万吨二氧化碳排放（相当于从道路上减少 200,000 多辆汽车）。
此外，让地图产品更智能地了解电动汽车有助于缓解里程焦虑，鼓励人们改用无排放汽车。谷歌还与世界各地的多个城市合作，使用汇总的历史交通数据来帮助改进交通信号灯时间设置，在以色列和巴西进行的一项早期试点研究表明，燃料消耗和延误时间可以减少10-20%。

文章插图

图注：借助环保路线应用，Google 地图可以显示快和省油的路线。
在更长的时间范围内，聚变有望成为改变游戏规则的可再生能源。在与 TAE Technologies 的长期合作中，谷歌使用 ML 通过建议设置 1000 多个相关控制参数来帮助维持其聚变反应堆中的稳定等离子体。
通过他们的合作，TAE 实现了诺曼反应堆的主要目标，这使研究人员离盈亏平衡聚变的目标更近了一步。该机器在 30 毫秒内保持 3000 万开尔文的稳定等离子体，这是其系统可用功率的范围。