文章图片
图19/25
图丨对（A）一般异常、（B）结核病和（C）COVID-19 的真阳性、假阳性以及真阴性、假阴性的胸部 X 光片（CXR）进行采样 。 在每张 CXR 中 ， 红色的轮廓表示模型识别时关注的区域（即类激活图） ， 黄色的轮廓表示由放射科医生认定的感兴趣区域 。
Care Studio 是另一个有潜力的医疗保健计划 ， 它使用最先进的机器学习和 NLP 技术来分析结构化数据和医疗记录 ， 并在正确的时间为临床医生提供相关信息 ， 帮助他们提供更积极和准确的治疗 。
尽管机器学习可能对扩大访问量和提高临床准确性很重要 ， 但我们发现有新的趋势正在出现：使用机器学习帮助人们的日常健康和幸福 。 我们日常使用的设备都部署有强大的传感器 ， 可以帮助人们普及健康指标和信息 ， 使人们可以对自己的健康做出更明智的决定 。 目前已经有了可以评估心率和呼吸频率的智能手机摄像头 ， 并且无需额外的硬件设备 。 Nest Hub 设备可以支持非接触式睡眠感知 ， 让用户更好地了解自己的夜间健康状况 。 我们可以在自己的 ASR 系统中显著提高无序语音识别的质量 ， 也可以使用机器学习帮助有语音障碍的人重塑声音 ， 使他们能够用自己的声音交流 。 也许 ， 使用机器学习让智能手机帮助人们更好地研究皮肤病状况 ， 或者帮助视力有限的人慢跑 ， 并不是遥不可及的：这些机遇证明未来是光明的 。


文章图片
图20/25

用于非接触式睡眠感知的自定义机器学习模型可以有效地处理连续的3维雷达张量（汇总了一定距离、频率和时间范围内的活动） ， 从而自动计算出用户清醒或睡着的可能性 。
机器学习在气候危机中的应用：
气候变化也是一个至关重要的领域 ， 对人类来说具有非常紧迫的威胁 。 我们需要共同努力来扭转有害排放的趋势 ， 以确保未来的安全和繁荣 。 而更好地了解不同选择对气候的影响 ， 可以帮助我们用多种方式应对这一挑战 。
为此 ， 我们在谷歌地图中推出了环保路线 ， 预计该方法可以每年节省约 100 万吨二氧化碳排放（相当于在道路上减少 20 多万辆汽车） 。 最近的实验研究表明 ， 在美国盐湖城使用谷歌地图导航可以实现更快、更环保的路线 ， 节省了 1.7% 的二氧化碳排放量和 6.5% 的旅行时间 。 此外 ， 还可以让地图软件更好地适应电动汽车 ， 帮助缓解里程焦虑 ， 鼓励人们使用无排放的交通工具 。 我们还与世界各地的城市进行合作 ， 利用汇总的历史交通数据 ， 帮助改善交通灯计时设置 。 在以色列和巴西进行的一项早期试点研究显示 ， 有检查十字路口的燃油消耗和延误时间减少了 10-20% 。


文章图片
图21/25
图丨采用谷歌地图的环保路线 ， 将会展示最快和最省油的路线 ， 所以你可以选择任意一条适合你的路线 。
从长远来看 ， 核聚变有望成为一种改变世界方式的可再生能源 。 在与 TAE Technologies 的长期合作中 ， 我们通过设置 1000 多个相关控制参数 ， 使用机器学习来帮助聚变反应堆保持稳定的等离子体 。 通过我们的合作 ， TAE 实现了 Norman 反应堆的主要目标 ， 这离我们实现平衡的核聚变又近了一步 。 这台机器能在 3000 万开尔文的温度下保持稳定的等离子体 30 毫秒 ， 这是系统可用功率范围的极限 。 目前他们已经设计完成了一个更强大的核聚变机器 ， 并希望该机器能在十年内展示出实现核聚变平衡的必要条件 。