在過去的四年里，我們進行了一項重大研究，即使用深度學習和電子健康記錄來進行臨床相關預測。2018年，我們與芝加哥大學、加州大學舊金山分校(UCSF)和斯坦福大學合作，在《自然數(shù)字醫(yī)學》(Nature Digital Medicine)雜志上發(fā)表了一篇論文，展示了ML模型如何被用于去識別電子病歷，并對各種臨床相關任務做出比當前臨床最佳實踐更高的準確性預測。

在2016年底，我們發(fā)表了一項回顧性研究，經(jīng)過訓練的用于評估糖尿病視網(wǎng)膜病變跡象的視網(wǎng)膜基底部圖像的模型，其表現(xiàn)與美國醫(yī)學委員會認證的眼科醫(yī)生水平相當，甚至略好于后者。

機器人研究

我們還使多代TPU硬件作為商業(yè)Cloud TPU，包括稱為Cloud TPU Pods的ML超級計算機，這使得大規(guī)模的ML培訓更加容易獲得。在內部，除了支持更快的ML研究進展外，TPU還推動了谷歌核心產(chǎn)品的重大改進，包括搜索、YouTube、Gmail、Google Assistant、Google Translate等。我們期待著在谷歌和其他地方的ML團隊通過TPU提供的前所未有的計算規(guī)模，使用ML實現(xiàn)更多的功能。