谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势( 九 )


谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势
文章图片

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% 。
谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势
文章图片

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 。
并且,我们还得努力应对越来越常见的火灾和洪水(像数百万加州人一样不得不适应定期的“火灾季节”) 。去年,我们发布了一份由卫星数据支持的火灾边界地图,帮助美国人轻松地在自己设备上了解火灾的大致规模和位置 。我们还将谷歌上所有的火灾信息进行整合,并在全球范围内进行推出 。我们也一直在应用图形优化算法来帮助优化火灾疏散路线,以帮助人们安全逃离快速推进的火灾 。2021 年,我们的洪水预报计划的预警系统覆盖范围扩大到 3.6 亿人,是前一年的三倍以上,并向面临洪灾风险人群的移动设备直接发送了 1.15 亿多条通知 。我们还首次在现实世界系统中部署了基于 LSTM(长短时记忆网络)的预测模型和 Manifold 模型,并分享了系统中所有组件的详细信息 。
谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势
文章图片

图丨谷歌地图中的火灾图在紧急情况下为人们提供关键信息 。
我们也在努力完善可持续发展计划 。谷歌在 2007 年成为第一家实现碳中和的大型公司,也在 2017 年成为第一家使用 100% 可再生能源的公司 。我们运营着行业中最清洁的全球云,也是世界上最大的可再生能源企业采购商 。在 2020 年,我们成为第一家承诺在全球所有数据中心和校园中全天候运行无碳能源的大型公司 。这比将能源使用与可再生能源相匹配的传统方法更具挑战性,但我们希望能在 2030 年前完成这一目标 。目前,机器学习模型训练的碳排放是该领域关注的主要问题,而在模型架构、数据中心和机器学习加速器方面做出正确的选择,可以减少约 100-1000 倍的碳足迹训练量 。

推荐阅读