在AI醫療應用上，Google Health產品經理彭浩怡分享，以全球最常見死因──肺癌來說，Google以美國西北大學提供的圖像打造深度學習模型，分析電腦斷層掃描影像來預測肺部惡性腫瘤，與放射科醫師相比，模型偵測出的癌症病例增加5%，而據統計，提早一年確診有助提升40%存活率。至於淋巴結乳癌轉移檢測上，則訓練AI模型檢測切片，可找出高出95%病變，雖高過病理學家，但有較多偽陽性錯誤，具改進空間。
另外，糖尿病視網膜病變是全球成長最快導致失明的原因，需以眼底攝影機定期檢查，再配合眼科醫師分析微血管出血狀況進行分級診斷。印度因短缺12.7萬名眼科醫師，導致45%患者診斷前就喪失視力，因此Google透過姊妹公司Verily打造機器學習AI模型，已達與專業醫師相同的準確度，不只快速更可彌補醫療人力的不足。
不只Google致力AI醫療發展，在公衛領域上，有研究發現在巴西兩種靈長類動物所帶原的茲卡病毒與巴西當地人流行的茲卡病毒株100%匹配，IBM研究院便與環境組織Cary Institute合作，透過分析帶原的靈長類特徵，再與其他同類比對，為潛在的茲卡病毒帶原靈長類進行風險評分，此AI模型的準確分辨率達82%，可生成全球範圍的互動式地圖，告訴人們若居住在鄰近風險高的靈長類生長區，則可能因蚊子叮咬傳播茲卡病毒。
而像是無障礙領域也是機器學習應用重點，包括Google的Project Euphonia與即時轉錄技術，可協助聽覺、語言障礙人士溝通。機器人公司Hoobox的Wheelie輪椅是較為商業化的例子，整合Intel的RealSense 3D相機、OpenVINO視覺工具硬體，再以AI模型學習殘疾人士的臉部動作，殘疾人士只要作出簡單表情就能移動電動輪椅。
Google AI負責人Jeff Dean表示，Google在2015年免費開源TensorFlow機器學習架構，幫助人們應用AI解決問題。使用AI保護熱帶雨林的Rainforest Connection機構就是其中之一，創辦人Topher White表示，針對亞馬遜流域高達90%違法盜伐造成的生態危機，他們將回收手機改造成即時警報系統安裝在樹上，錄下雨林裡的聲音，傳到雲端後利用Google的TensorFlow架構即時分析盜伐工人的電鋸伐木聲，再派遣護林員制止。目前此技術已在10個國家部署，保護超過2000平方公里的森林。
而每年影響超過2.5億人口、造成數千人死亡的洪災，透過洪災預警系統可達到預防，但需要解析度更強的地形圖以達成更精準的模擬，Google使用與Google地球同等的高解析度光學成像，以神經網路自動識別要忽略的結構，完成其水力模型。2018年的季風季節時，印度帕特納的洪災預警系統在應用Google的模型關鍵指標上，達到了90%準確度，幫助當地居民提前避難。
在文化保存方面，AI也能轉譯古代手寫字體，達到文化保存的目的。日本擁有數百萬以古代草書字Kuzushiji(崩し字)寫成的書籍文獻，現今僅0.01%日本人能閱讀，日本國立情報學研究所研究員Tarin Clanuwat訓練了一個機器學習系統識別Kuzushiji並轉譯為現代日語，AI模型只要2秒就能轉譯完一頁，測試平均準確度達85%，同樣一頁交給專家轉譯則需1小時。透過將tensorflow.js在內的機器學習工具開源，更多歷史文物可以被解讀。
日常就會用到AI機器學習已存在你我身邊，Google發明的聯合學習(Federated Learning)技術，能在手機上訓練並執行機器學習系統，令應用程式和服務更滿足個人需求，例如GBoard鍵盤就能記憶使用者常用、卻未納入字典的詞彙(如BTS、YOLO等)，透過在裝置下載機器學習模型，根據輸入內容更新、並將模型上傳伺服器，好處是數據只會保留在個人的裝置上。
Google AI ai.google/social-good
IBM研究室 www.ibm.com/blogs/research
訂閱《蘋果》4大新聞信 完全免費
