Google 於今日（6 日）於台北總部舉行了機器學習系列 – 科學探索應用相關的成果發表記者會，並且於會中邀請了目前於 Google Brain 其中兩項主要計畫的負責工程師在現場遠距視訊，與我們分享了他們過去這段時間的研究成果，與未來的展望。
機器學習與天文學 ─ 幫助天文學家找出更多的行星
會議的開始由 Google Brain 資深工程師 Chris Shallue 與我們分享了目前機器學習在天文學發展上的應用。
現階段，天文學家利用克卜勒太空望眼鏡觀察外太空，並且根據目前能觀察到約 20 萬顆恆星的亮度變化，來試圖找出行星，由於行星在經過恆星與望眼鏡之間時會擋住光線，理論上根據這些恆星的明亮度變化，可推知是否有行星圍繞該恆星旋轉。
然而，望眼鏡每 30 分鐘就會記錄一次這 20 萬顆恆星的亮度變化，而截至目前為止每顆恆星也被記錄下了 7 萬多次的紀錄，這麼龐大的資料如果全部要靠人工審核，並找出可能的行星跡象實屬巨大工程。因此，Google 導入了機器學習與神經網路系統，透過這套系統來篩選出最可能是行星的相關資料，再交由天文學家進行判斷，讓人力可集中在真正需要的地方，也能加快資料的處理效率。
Chris Shallue 表示，現階段由於還在開發中，由機器學習判斷出來的資料最終還是需要經過天文學家的再次驗證，但是機器學習系統已經成功的找出許多在過往的人力安排中無法找到的行星，另外經過驗證，以往需要人力數小時進行判斷的資料，交由這套系統來判斷的話，最快只需要數秒鐘的時間就能完成分析，他相信這樣的發展進度最終能幫助到天文學家，更進一步的了解宇宙。
DeepVariant ─ 基因研究的好夥伴
發表的第二階段，則是由台灣大學與史丹佛大學畢業，現任 Google Brain 資深軟體工程師的張碧娟來與我們分享，透過 Google 開發的深度學習工具 DeepVariant 如何幫助人類在進行 DNA 相關研究。
張碧娟提到，目前的基因組測序中，要做變體識別（TO 編按，在一段 DNA 的序列中，一個人與其他人 DNA 差別的比較）是一件困難的事情，原因是因為目前的基因讀取儀器讀出的資料太過龐大，並且資料都是經過打散與分散的許多小組，要找到兩個 DNA 相同的一組並且進行比對，同時還要考量到儀器檢測時的出錯率，都增加了變體識別的難度。
而透過 Google 的 DeepVariant，系統可以自動從數據中學習要如何使用參數，哪種參數在比對時最有效率，而不需人工的介入或手動調整，大大縮短了相關的作業時間；同時，這樣的技術也能夠讓醫療團隊在更短的時間內比對出可能的遺傳疾病因子，藉此及早因應與治療。
張碧娟說，DeepVariant 接下來希望能獲得的發展方向，是能找到可以合作的醫學單位，藉由取得可辨識的數據資料庫，來加強完善整個系統的功能，最終的目的是希望能讓這套技術成熟，最終為大家所用。
Google 的下一步：開源與開放，讓大眾一起用尖端科技改變社會
會議的最後，Google 台灣區總經理簡立峰也做了簡單的總結，他認為 Google 現在做的事情，就是用 Google 的資源，把尖端的科技做到開源與開放，並且促進世界的人們使用這些工具。
我想，如果一般大眾都能夠因此而接觸到這些尖端科技，總有一天，我們也能夠做出令人驚嘆的研究成果，最終改變社會，讓我們更加的進步吧，仔細想想， Google 的這個遠大目標，正在逐步的實現著呢。
─ ─
（本文提供合作夥伴轉載，首圖來淵：Flickr，CC Licensed，文中圖片拍攝者為《TechOrange》。）
Google Brain 團隊都有些什麼成果？
Google Brain 的 2017 年：用機器學習改變醫療、機器人等六大領域
總結 2017 年 Google Brain 成果：機器學習的各種應用、開源都在這！
想進 Google Brain 實習？Google Brain 負責人：經營 Github 至關重要！
【Google 最新黑科技】Google Brain 突破性進展：成功將馬賽克轉換為清晰圖像
