对于人工智能来说-未来科技学院

随着柯洁与阿尔法狗（AlphaGo）大战落下帷幕，世界围棋第一人柯洁0：3完败。人工智能再一次成为人们热议的话题。

　　在最近一次调研中发现，有半数以上的美国医院，5年内引入人工智能（AI）技术的打算，另外有35%的美国医院打算在近两年就引入。

　　牛津大学最近完成的一项对机器学习研究人员的大型调查，预测未来人工智能（AI）在不同的领域超出人类的表现，如翻译语言（2024年），撰写高中程度文章（2026年），驾驶卡车（2027年），零售业工作（2031年），写畅销书（2049年）。

面对来势汹汹的人工智能热潮

每个医疗健康从业人员

都会努力寻求以下三个问题的答案：

　　一、什么是人工智能？

　　二、人工智能在医疗健康业的研究进展如何？

　　三、该如何适应即将来临的人工智能时代？

　　一、什么是人工智能？

　　人工智能是对人的意识、思维的信息过程的模拟。

　　简单地说，主要包括三种功能：

　　一是模仿理性思考，包括推理、决策和规划等，属于人类的高级智能，或者称为逻辑思维

　　二是模仿感知，对周围环境的感知，包括视觉、听觉、触觉等

　　三是模仿动作，包括人类手、脚和其他动物的动作

阿尔法狗为何能完胜柯洁？

人工智能系统的三大基础构件是算法、数据和计算能力。近年来，深度学习算法、大数据和计算能力的提高这三方面的长足进展，使得人工智能逐渐显示其威力。

AlphaGo就是创造性地使用机器学习来获取下棋经验和直觉，不仅学习了以往围棋大师们的所有几千万个棋局，还通过强化学习，学习了几亿个新棋局。

这意味着，AlphaGo下过的棋局是任何一个围棋大师一生下过的棋局的几百上千倍。正因为此，AlphaGo在人类棋手面前才显得游刃有余。

　　对此，从事人工智能研究多年的张钹院士认为，研究AlphaGo不是为了编制一个围棋程序来代替人类棋手，来颠覆围棋运动，而是以“围棋”为平台，研究人工智能解决这类问题的方法以及可能达到的水平。

　　AlphaGo的成功只是证明，人工智能在解决以下复杂问题时有可能超过人类的水平。这类问题的特点是：

　　1）有充足的数据（或知识）

　　2）完全信息

　　3）确定性

　　4）单领域

　　还包括语音识别、人脸识别和图像识别等。这类问题对人类相对困难，但是对于高速的计算机是比较容易的。

但是，当一个问题不满足上述4个条件中的任何一个（或几个）时，对计算机来讲就变成十分困难的了，而这些问题对于人类来讲反而相对比较容易。

比如打桥牌（不完全信息博弈），无人车（不确定性，不完全信息和多领域），自然语言理解（多领域）等。在这些问题上，计算机则比人类差距很大。这就告诉我们机器智能与人类智能之间通常不是互相排斥和互相替代，而是互补的。

人工智能的价值依赖于什么——

数据、技术创新、还是应用场景？

2017年5月26日在2017年贵阳数博会的两场峰会上，李彦宏和马云分别发表了争锋相对的观点。马云认为现在是数据为王的时代，由此产生了人工智能的价值。他强调说“数据将成为主要的能源，如果离开了数据，任何组织的创新都基本上是空壳”。

然而，李彦宏说“数据是新时代的能源和原料，然而推动时代进步的是技术和创新，不是能源和原料。工业时代最宝贵的不是煤，而是蒸汽机这样的技术更新。”

对于马云和李彦宏的分歧，在28日的峰会上，马化腾表示：“马云和李彦宏都对，都不对。他们讲的是两个不同的阶段。我相信李彦宏谈的更多是0到1，这个时候需要有一个创新技术驱动。马云讲的更多的是1到N，一百到一百万，这个过程需要持续不断的有数据来驱动，所以他们谈的是不同阶段，这样的争辩呢，既有意思，也没意思。”

　　二、人工智能（AI）在医疗健康应用领域的进展

如同医疗行业的其他技术一样，进入这个行业会面临监管障碍、与传统医院IT系统的互操作性问题，以及获取关键医疗数据方面的障碍等诸多挑战，但是，这并不妨碍人工智能研究者们怀着更严谨的态度进行创新。

人工智能对于医疗健康领域中的应用已经非常广泛，从应用场景来看主要分成了虚拟助理、医学影像、药物研发、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学共11个领域。

加州大学旧金山分校的心脏病专家Ethan Weiss认为，最具前景的应用领域应当具备“干净的数据集”，其中包括病理学和放射学。他同时认为，计算机或许可以更好地解读心电图结果。

去年11月，Google的研究人员在JAMA上发表了一篇论文，表明Google经过大量眼底图像数据训练的深度学习算法，可以在诊断糖尿病性视网膜病变上，具有90%以上的高准确性。Pichai透露他们正在积极将AI应用到病理学上。

他说：“病理学涉及到庞大的数据问题，然而机器学习已经做好准备去解决它。我们构建了神经网络，来检测癌症是否扩散到了相邻的淋巴结。这个工作还处于早期阶段，不过它已经显示出了能将准确度从73%提升至89%的能力。当然我们仍需要警惕的是，我们的诊断也存在很多误报，不过这个问题我们已经交诸病理学家来解决，他们能够提高诊断准确性。”

Alls Analytics首席医疗官Fatima Paruk博士向Becker’s Hospital Review透露，她预计AI首次在医疗上的应用应该在慢性病管理领域，其次就是借由患者健康及环境或社会因素数据可用性的提高带来的技术发展。接下来，将基因数据整合到临床护理管理中，将使精密医学成为现实。

在精神疾病治疗方面，人工智能能够发挥出更大的作用。2015年3月, 《Telemedicine and e-Health》刊登了一篇用机器学习预测产后抑郁的论文，目的是建立产后抑郁症发作的风险分层模型，以便提前干预。同时开发一款APP，目标用户是产后希望了解自己情绪的妈妈。

人工智能会取代医生吗？

这是很多人都在考虑的问题。

当前以大数据与深度学习为基础的人工智能存在的最大问题是：不可解释和不可理解，就事论事，缺乏推广能力，遇到新的情况一筹莫展。因此当面对动态变化的环境，信息不完全，存在干扰与虚假信息时，人工智能系统的性能就会显著下降。医疗领域存在许多“灰色阴影”，导致在大部分情况下很难训练人工智能去进行诊断。

辉瑞制药的战略与数据创新副总裁Judy Sewards透露，他们与IBM Watson合作展开的免疫学研究，是将这一想法转化为现实的举措。“有些人可能会担心，AI会在将来某天取代医生和科学家，但实际上，它们更适合充当研究助理或者辅助的角色。”美国匹兹堡大学医学中心已有一些人工智能算法，帮助医生进行决策。不过目前这些算法的作用还很有限。

Roam Analytics的首席科学家及联合创始人AndrewMaas在Light Forum与会期间表示：“人类的大脑依旧是功能强大的决策官，尽管计算机也有着不可限量的前景，但是目前它们的可靠程度，还不足以让我们完全信任。”

而柯洁和人工智能AlphaGo的围棋比赛争论很多，马云表示，“我觉得人类是最有意思的动物，好象AlphaGo和人类下围棋之前，绝大部分人认为机器肯定会被人搞死掉，打输了之后，所有人认为，机器一定会把人搞死掉。我并不以为然，尤其中国很多公司，别再去搞AlphaGo这样的东西了，没有多大意义，你们可以做的事情实在太多了。”

　　三、该如何适应即将来临的人工智能时代？

根据张钹院士所述，人工智能在单领域、确定性、完全信息且有充足的数据或知识这四个条件都满足的情况下，具有人类不可比拟的优势。但是，人类应该发挥自己的主观能动性，比人工智能做得更好。

为适应即将来临的人工智能时代

医疗健康业者应该把握好以下几点：

　　重视创新

　　绝不能“一招鲜，吃遍天。”要以不断的创新来适应时代的变化。包括理论创新、技术创新和服务创新。在系统哲学的指导下，中西医学正在走向融合，应该综合筋、骨、神经、心理、营养等多领域对人体健康做全面考量。只有这样，才能实现李彦宏的从0到1的创新阶段，推动社会进步。

　　重视数据

　　许多医生指出，对人工智能来说，寻找优良数据集是个重要挑战。马云认为现在是数据为王的时代，大数据产生人工智能的价值。因此，目光长远的医疗健康业团队，应该重视医疗健康数据的创建、存储、分析和决策支持。只有这样，才能实现马云的从1到N的大数据阶段，推动社会进步。

　　重视产品服务

　　匹兹堡大学医学中心首席创新官、放射信息学负责人Rasu Shrestha表示：“健康和医疗是极具人文特征的概念，仅仅依靠人工智能无法处理。”他希望，在人工智能的帮助下，他可以有更多时间花在病人身上，而不是从事“单纯的诊断”或扮演“人工机器人”的角色。

　　随着中国中产阶级的不断发展壮大，对医疗健康服务需求也提出更多的要求。面向社会需求，借助于人工智能，提供更多个性化、智能化、充满人文关怀的服务。只有这样，才能实现马化腾所说的应用场景和市场引领技术创新和大数据阶段，推动社会进步。

　　重视生命安全