在過去的四年里，我們進(jìn)行了一項(xiàng)重大研究，即使用深度學(xué)習(xí)和電子健康記錄來進(jìn)行臨床相關(guān)預(yù)測(cè)。2018年，我們與芝加哥大學(xué)、加州大學(xué)舊金山分校(UCSF)和斯坦福大學(xué)合作，在《自然數(shù)字醫(yī)學(xué)》(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(shí)別電子病歷，并對(duì)各種臨床相關(guān)任務(wù)做出比當(dāng)前臨床最佳實(shí)踐更高的準(zhǔn)確性預(yù)測(cè)。

在2016年底，我們發(fā)表了一項(xiàng)回顧性研究，經(jīng)過訓(xùn)練的用于評(píng)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(guó)醫(yī)學(xué)委員會(huì)認(rèn)證的眼科醫(yī)生水平相當(dāng)，甚至略好于后者。

機(jī)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(jí)計(jì)算機(jī)，這使得大規(guī)模的ML培訓(xùn)更加容易獲得。在內(nèi)部，除了支持更快的ML研究進(jìn)展外，TPU還推動(dòng)了谷歌核心產(chǎn)品的重大改進(jìn)，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(tuán)隊(duì)通過TPU提供的前所未有的計(jì)算規(guī)模，使用ML實(shí)現(xiàn)更多的功能。