另外，機器學習還用乳腺癌的診斷，通過將機器學習應用于乳腺X光檢查，來探索新的方法以提高乳腺癌的檢測幾率。Google、DeepMind聯(lián)合英國癌癥研究中心研發(fā)，希望建立一種機器學習模型，能夠快速、準確地檢測出癌癥的跡象，幫助醫(yī)生盡早發(fā)現(xiàn)癌癥，以便盡早開始治療。
機器學習運用到醫(yī)療領(lǐng)域之外，還可以推進很多的進展，還可以找到新的治療方法，用到基因測序，計算機環(huán)保、能源、交通領(lǐng)域的問題，Lily Peng說，我們還是處在一個開端，我們希望這些方法能為研究機構(gòu)提供更多的方法。
在環(huán)保問題上，Google邀請維多利亞大學博士生Victor Anton闡述了如何利用機器學習來保護鳥類。Victor Anton 致力于追蹤新西蘭瀕臨滅絕的鳥類，以改善對它們的保護工作。他收集了 5 萬個小時的音頻并將其轉(zhuǎn)換成譜圖，通過 TensorFlow 更加快速高效地分析這些音頻，對鳥類的聲音進行分類，識別譜圖中的鳥鳴聲，以便更好的了解鳥類。他希望此研究能夠為新西蘭未來的動物保護工作提供有價值的信息。
七、總結(jié)，Google是一家AI First的公司
Jeff Dean在會議最后總結(jié)到，作為一家 AI First 的公司，Google 致力于讓每個人都能夠從人工智能中獲益。Jeff Dean稱，雖然取得了一些成績，但是還有很多困難需要克服。
例如需要想方設(shè)法讓機器學習模型的創(chuàng)作過程更加觸手可及？為了解決這個問題，Google已經(jīng)開展了人工智能的內(nèi)部培訓，已經(jīng)有1.8萬名Google員工參加過此項培訓，而且Google將于2018年在互聯(lián)網(wǎng)上提供免費的機器學習課程。Jeff Dean同時透露，Google也同時在中國招募機器學習相關(guān)的人才。
另外一個挑戰(zhàn)是，如何確保我們構(gòu)建的機器學習模型具有包容性，并且能夠真正為每個人所用？Jeff Dean說，Google已經(jīng)啟動了People + AI Research (PAIR) 計劃，這個計劃旨在將 Google 的研究人員聚集在一起，研究并重新設(shè)計人與人工智能系統(tǒng)交互的方式。Facets 正是此計劃所孕育出的一種工具，能夠 將用于機器學習的訓練數(shù)據(jù)可視化。
除此之外，Google還與Geena Davis 研究所合作建立了GD-IQ，可以利用機器學習檢測電影中性別偏見的工具。