緊跟著 5 月份谷歌開發(fā)者大會（Google I/O）上 Jeff Dean「To Be Helpful」的主題分享，這位 Google AI 的總負責人，又在 7 月份來到東京，面對整個亞太的確的媒體與開發(fā)者，以「Solve with AI」為主題進行了一次「成果匯報」。
 

（Jeff Dean 與 Google AI 團隊部分成員 | Google）

　　兩次分享中間隔的 6 月，恰好距 Google 公布自己的「人工智能原則」（AI at Google: our principles）一年。在 2018 年的初夏，Google 發(fā)布了這一系列原則，其中的條目直指近年來人們對于人工智能技術應用倫理的擔憂，其中包括了：

　　· 對社會有益（Be socially beneficial）

　　· 避免建立或加劇不公與偏見（Avoid creating or reinforcing unfair bias）

　　· 保障建立與測試中安全性（Be built and tested for safety）

　　· 對人類負責（Be accountable to people）

　　· 建立并體現(xiàn)隱私保護原則（Incorporate privacy design principles）

　　· 支持并鼓勵高標準的技術品格（Uphold high standards of scientific excellence）

　　· 提供并保障上述原則的可操作性（Be made available for uses that accord with these principles）

　　一年之后，那些集中體現(xiàn)了上述原則的典型應用案例被 Google 歸納在了名為 AI for Social Good 的項目之下，其背后的邏輯是一家技術公司如何將公司使命、技術價值觀，和技術先進性合而為一。

　　學習模式

　　很早公布過的聯(lián)盟學習 (Federated Learning) 模式，在這次的分享中被 Jeff Dean 再次強調(diào)。其講述重點也從效率傾斜到了數(shù)據(jù)安全性。

　　這種區(qū)別于傳統(tǒng)數(shù)據(jù)集中學習模式的新方法，由 Google 在 2016 年提出，并與今年開源了 TensorFlow Federated，優(yōu)勢在于多終端和計算節(jié)點互通下的高效學習效率，以及龐大數(shù)據(jù)傳輸中的終端數(shù)據(jù)安全保障。在聯(lián)盟學習模式下，不需要從設備上收集原始數(shù)據(jù)，用戶可以通過手機終端下載現(xiàn)成的模型，在本地完成訓練，迭代完畢后加密上傳更新，然后不斷循環(huán)，最大限度地兼顧了效率與安全。

　　醫(yī)療與健康

（糖尿病成為一個全球性的健康重癥 | Google）

　　在醫(yī)療健康領域，Google AI 典型的應用案例代表，包括了肺癌篩查、乳腺癌檢測，以及糖尿病檢測。

　　肺癌在所有癌癥中的致死率一直高居榜首，全球范圍內(nèi)甚至可達到 3%。相比傳統(tǒng)醫(yī)療手段中 80% 的肺癌病例未能在在早期被檢測到，最迫切的需求集中在早起篩查領域。目前，人工智能解決方案的臨床應用，將初期檢測到的病例增加了 5%，而假陽性誤診病例卻降低了 11%。

　　乳腺癌的傳統(tǒng)篩查方法是在一張 10 億像素的幻燈片中，大海撈針似的尋找癌細胞在淋巴組織中的擴散痕跡。人工智能模型在這一領域的應用，可以達到 22% 的檢測發(fā)現(xiàn)率，但是同肺癌篩查狀況不同，這其中也增加了假陽性的誤診比例。因此目前被鼓勵的方向，是人工智能同醫(yī)生人工檢測的相互結(jié)合與互助互證。

　　目前，全球超過 4.15 億的糖尿病病例幾乎都伴隨著視網(wǎng)膜病變，并可能直接導致失明，醫(yī)療水平欠發(fā)達地區(qū)甚至缺乏人力進行初期檢測。Google 通過與外部公司的合作建立了針對糖尿病視網(wǎng)膜病變的視覺識別系統(tǒng)，并且已經(jīng)在今年達到了同眼科專家相持平的檢測水平。在印度和態(tài)度，這套系統(tǒng)已經(jīng)進入臨床試用階段。

　　環(huán)境保護

（座頭鯨叫聲與船舶噪音的分辨 | Google）

　　通過聲音識別和視覺識別，Google AI 已經(jīng)在海洋瀕危物種保護、雨林非法砍伐監(jiān)控，以及垃圾回收識別和農(nóng)業(yè)害蟲鑒別方面進入了實際應用階段。

　　美國國家海洋和大氣管理局 (NOAA) 通過水下音頻收集，已經(jīng)積累了 19 年的龐大數(shù)據(jù)庫。通過與 Google 的合作，NOAA 已經(jīng)可以在繁雜多變的水下聲音世界中，識別出瀕危物種座頭鯨的叫聲，并通過自動識別鯨魚叫聲的神經(jīng)網(wǎng)絡繪制成了座頭鯨海洋活動軌跡的動態(tài)地圖，使得對于特定海洋物種的追蹤和定向保護成為可能。

　　在陸地上，Rainforest Connection 公司在南美和東南亞的雨林利用安卓系統(tǒng)手機在樹木頂端搭建起雨林聲音采集和監(jiān)控系統(tǒng)，并基由 TensorFlow 實現(xiàn)了對于電鋸聲和伐木工程車轟鳴聲的實時識別，目前藉由這個方案得到保護的雨林面積已經(jīng)超過了 2000 平方公里。

　　類似于中國上海北京等城市最新出現(xiàn)的垃圾分類和回收難題，印尼作為世界上第二大塑料垃圾污染國，已經(jīng)開始使用一種基于 Google AI 所實現(xiàn)的手機拍照識別塑料垃圾種類的應用，照片經(jīng)過識別后，除了種類，還能顯示出不同塑料垃圾品類的回收和再利用價值。
 

（利用舊安卓手機制作的雨林聲音采集裝置 | Google）

　　對殘障群體的幫助

　　聽力或語言障礙，占據(jù)了目前全球殘障人士總數(shù)的相當比例。在針對聽障人士的人工智能應用中，語音識別技術目前不但可以將人際對話轉(zhuǎn)錄為視覺文字實時呈現(xiàn)，是的聽障人士可以參與日常交流，還可以將生活中的聲音，比如體育比賽中的歡呼、公路上汽車的鳴笛、焰火騰空后的爆破等，一并實時轉(zhuǎn)錄為文字，以盡可能的為這一殘障群體提供無差別的現(xiàn)實世界感知和交互。目前 Google AI 在這一應用上可支持的語言已經(jīng)超過 70 種。

　　而反向的，對于因中風、漸凍癥，或帕金森等神經(jīng)系統(tǒng)疾病造成的語言障礙人群，Google AI 建立起了能夠識別他們模糊發(fā)音，以及手勢，甚至眨眼等方式聲音和視覺模型，幫助他們實現(xiàn)實時文字轉(zhuǎn)錄，甚至語言發(fā)聲。這是一種比當年史蒂芬 · 霍金博士使用的交互系統(tǒng)更加高效和便捷的解決方案，最終能夠?qū)崿F(xiàn)每一位語言障礙人員的輕松使用。

　　從上述已經(jīng)進入實用階段的 AI 應用案例之中凝練抽離出來的，是對于目前全球科技商業(yè)領域?qū)τ诩夹g先進性搖擺迷惑的最佳解答：真正的技術先進性，終究只能通過技術價值觀作為表達，那些技術路徑和商業(yè)化之中的困頓，大多來自于將兩者的剝離甚至對立。

　　就像 Jeff Dean 說到的：在這個時代，機器已經(jīng)能夠做到看、聽、說和理解。然而如何看？聽什么？為誰說？理解誰？才是需要不斷回答的終極問題。          　　臥蟲