雷锋网按：在刚刚过去的GoogleI/O开发者大会上，CEOSundarPichai向大家演示了GoogleAssistant的新技能，这个AI助手可以帮主人给餐厅打电话定座位，发音酷似真人，可以像人一样闲聊，还会追问。自从三年前Google提出AIfirst的口号以来，其在AI领域的布局狂飙突进，收购了三十多家AI创业公司，同时，不仅在学术层面上对人工智能进行研究，也将研究成果投入实际应用。
据维基百科介绍，机器学习平台TensorFlow最初由GoogleBrain团队开发，用于Google的研究和生产，年11月9日，Google宣布开源TensorFlow，所有人都可以通过计算机和网络使用该平台。Google旗下的50多个产品，如语音识别、Gmail、Google相册和搜索，都运用了TensorFlow深度学习系统。
雷锋网对基于TensorFlow开发的各种应用实例进行了盘点，以飨读者：
Google神经网络机器翻译
年9月Google发布了翻译技术的突破性研究：神经网络机器翻译系统（GNMT：GoogleNeuralMachineTranslation）。同年11月，这项技术正式被应用到Google翻译中，并支持包括英语和法语、德语、西班牙语、葡萄牙语、中文、日语、韩语、土耳其语八组语言的互译。不同语言间翻译的误差问题一直是机器翻译需要攻克的难点。TensorFlow和TensorProcessingUnits（TPUs）为Google神经网络机器翻译模型特别打造硬件加速器，通过不再将句子中的词和短语独立翻译，而是对完整句子整体处理，将翻译误差降低了55%~85%。
GNMT翻译原理
该系统借助最先进的机器学习技术，通过对整个句子进行整体翻译而非逐字翻译，大幅提高了Google翻译的精确度与流畅度。同时，Google在其中还建立了端对端学习系统，这让整个翻译系统可以自行在翻译中进行学习和训练，并使翻译水平获得进一步提升。
GNMT大幅提高机器翻译水平
视频内容识别API
GoogleCloud视频智能API使用强大的深度学习模型，基于TensorFlow等架构进行开发。这款API是首款能够让开发者轻松搜索和发现视频内容的API，开发者可通过在视频内容中提供有关实体（例如狗、花、人等名词，以及跑、游泳、飞行等动词）信息完成搜索。当这些实体出现时，这款API甚至可以提供语境理解。例如，搜索“老虎”将会找出存储在GoogleCloud视频集中所有包含老虎的精准镜头。
除了这款视频智能API，GoogleCloud机器学习已增加了一整套越来越多的API：视觉（Vision）、视频智能（VideoIntelligence）、口语（Speech）、自然语言（NaturalLanguage）、翻译（Translation）和求职（Jobs）。这些API可让客户搭建能够看、听、理解非结构化数据的下一代应用程序，极大地扩大了机器学习在下一代产品推荐、医疗图像分析、欺诈监控等众多领域的使用范围。
减少数据中心能源消耗
Google的数据中心的运行和降温需要消耗大量能源。为减少让设备降温所消耗的能源，Deepmind通过监测收集数据中心温度、功率、转速等数据，并用此数据训练深层神经网络。此外，Deepmind还训练了两个额外的深层神经网络，以预测未来数小时数据中心的温度和压力。机器学习系统使用于冷却的能源减少了40%，相当于15%总能源消耗。
黄瓜智能分拣储存系统
日本的一位菜农使用TensorFlow为他收获的大量黄瓜建立了一个自动分拣储存系统。自动拍摄图片后，首先图片会被上传到一个小型的TensorFlow神经网络系统上被分析，以识别图片内容是否是一根黄瓜。随后图片会被上传到一个更大的神经网络系统来进行更进一步的分析，从而将黄瓜按颜色、大小的不同，自动分拣成多达九个不同的品质级别，大大提高了分拣效率和准确度。
农业：TensorFlow助力奶牛养殖
奶牛的健康对于产奶量有着非常大的影响。如果科技能让奶牛更加健康，就可以提高牛奶的产量，并帮助奶农进一步发展自己的产业。Connecterra公司利用TensorFlow来理解并诠释奶牛的各种行为，为奶农提供畜群的健康状况等信息。奶农只需通过一个叫Ida的手机App，便可轻松查看奶牛一天的生活轨迹和健康信息。
农业：识别生病植物
高中生ShazaMehdi和NileRavenell开发了一个名为PlantMD的APP，该应用程序是在TensorFlow上运行机器学习的模型，同时从plantvillage.