JeremyHoward 打開了他將在Exponential Medicine 上做的機器學(xué)習(xí)的演講。一個如史詩般的創(chuàng)造剛剛發(fā)生,，他不得不把它包括在內(nèi),。“在我登機之前,，我之前的制作的演講有一點過時,，” Howard 說到?！八晕覀儾坏貌辉陲w機上對它做一點修改,。”

什么使他如此興奮,？

周一,，谷歌將其深度學(xué)習(xí)的軟件TensorFlow開源。深度學(xué)習(xí)代表了一些谷歌的最先進(jìn)的服務(wù),，這其中包括最近的幾項如自動回復(fù)郵件和圖片搜索,。但是在將代碼開源之前，公司希望從總體上加快在深度學(xué)習(xí)軟件方面和機器學(xué)習(xí)領(lǐng)域的速度,。

“谷歌大概領(lǐng)先世界5到7年,，” Chris Nicholson 告訴Wired，他管理一家叫做Skymind的創(chuàng)業(yè)公司,?！叭绻麄冮_源了他們的工具，這會讓其他人更加擅長機器學(xué)習(xí)技術(shù),?！?br>

這是很重大的一件事情，因為這個領(lǐng)域前進(jìn)速度快得令人難以置信。

Howard 提到長期以來希望機器具有的能力如實時翻譯和計算機生成藝術(shù)幾年前并不存在,。即使谷歌的自動回復(fù)郵件（最近才發(fā)布）在2011年只是個愚人節(jié)玩笑,。

電腦現(xiàn)在能夠做到這些，并能夠做的更多,。

“所以,，一些能夠讓4年前愚人節(jié)玩笑變?yōu)槿缃駥嶋H的科學(xué)技術(shù)的令人驚訝的事情正在發(fā)生?！?Howard 說到,。

這個事情從廣義角度來講就是機器學(xué)習(xí)——主要是指算法通過例子而不是手動編程來學(xué)習(xí)。從谷歌的搜索引擎到亞馬遜的推薦功能,，機器學(xué)習(xí)無處不在,。在醫(yī)藥領(lǐng)域，機器學(xué)習(xí)正被用于分析肺部CT掃描和幫助識別出成百上千的,，能夠讓醫(yī)生用其來更好的診斷和預(yù)測癌癥的新的特征。

但是這些都是基于一個陳舊的,、需要動手操作的機器學(xué)習(xí)模式,。最新的進(jìn)步是深度學(xué)習(xí)，并且它更加強大和獨立,。

圖片識別恐怕是最值得稱贊的,、能夠表現(xiàn)深度學(xué)習(xí)的進(jìn)步速度的例子之一。2010年世界頂尖的圖片識別技術(shù)的錯誤率（28.2%）是今天的6倍,。今年早些時候,，谷歌和微軟宣布了他們的深度學(xué)習(xí)算法在任務(wù)處理方面比人類表現(xiàn)還好，各自將其錯誤率降低到了4.8%和4.94%,。

但是 Howard的自己的演講可能更加靠近揭示這種快速的進(jìn)步,。當(dāng)他去年在Exponential Medicine 做演講時，他說道,，深度學(xué)習(xí)在世界和醫(yī)藥領(lǐng)域的應(yīng)用只是剛剛起步,。

“自從去年我的演講后，所有的這些都以指數(shù)級的速度發(fā)生了,，” Howard說到,，“我們現(xiàn)在有了谷歌的自動郵件回復(fù)，有了Skype的自動翻譯,，有了自動藝術(shù)生成器（automatic art generators ）,。此外還有，去年我說過我將能夠看到我們能夠使用它來提高醫(yī)學(xué)診斷的精確性和效率,?！?/p>

“并且我們也做到了，我們創(chuàng)立了一個叫做 Enlitic 的公司?！?/p>

去年,， Howard 的 Enlitic 公司只有一個雛形。他們的算法成功識別出狗和不同星系,。很酷,，但是不是最終目標(biāo)。

最終,， Howard 想著通過為全世界不容易找到醫(yī)生的4百萬人提供現(xiàn)代醫(yī)學(xué)診斷的方式,，來發(fā)揮深度學(xué)習(xí)在醫(yī)藥方面巨大的影響——不僅僅在美國，而且也在世界的其他地方,。

這方面是一個空白,。根據(jù)世界經(jīng)濟論壇,， Howard 說道,，在先進(jìn)的體制中（國家之間會有一定的不同）,，訓(xùn)練足夠的專家以滿足發(fā)展中國家大約要花300年時間,。

那么,，去年 Enlitic 完成了什么目標(biāo)呢,？

“我們構(gòu)建了它（系統(tǒng)）,，” Howard 說,?！拔覀儚膸装偃f病人的疾病記錄入手,，然后建立了一個關(guān)于人體的人工神經(jīng)網(wǎng)絡(luò)?！?/p>

到目前為止,， Enlitic 的深度學(xué)習(xí)系統(tǒng)很不錯。非常好,。 Howard 說他們打算在同行評審期刊中公布他們的結(jié)果,，但是這里透漏一點信息。

他們用肺部CT掃描來為他們的算法提供數(shù)據(jù)來診斷潛在腫瘤增長的可能性,，并將結(jié)果與一組4人組成的世界頂尖的人類放射科醫(yī)生的診斷結(jié)果比較,。

人類放射科醫(yī)生有7%的假陰性率（漏掉癌癥診斷的概率）。而 Enlitic的 AI ,？假陰性率為0,。人類放射科醫(yī)生有66% 假陽性率（誤診為癌癥）。 Enlitic 的 AI 相應(yīng)結(jié)果為 47%,。這意味著 AI 在這個任務(wù)中的表現(xiàn)顯著優(yōu)于人類,。

“因此,，它對癌癥的早起診斷很有用,，” Howard 說到,?！叭绻隳軌蛟琰c被發(fā)現(xiàn)患有癌癥，你的存活率將會高出10倍,。”

除此之外,， Enlitic 也能夠追蹤病情痕跡——為放射科醫(yī)生呈現(xiàn)相似病人的病例和相似病人隨后的病情——來幫助醫(yī)生對病情的估計,。并且 Howard 說他們也在使用它來幫助醫(yī)生分析4000像素的X光圖片來識別從圖片上看只有幾個像素的骨折特征。

“之前有些在臨床中沒有成功的事情,，” Howard 說,?！霸诂F(xiàn)代深度學(xué)習(xí)時代帶來之前,，你不能做到這些?！?/p>

Enlitic 已經(jīng)募集了1千5百萬美元,，現(xiàn)在正和澳大利亞的Capital Radiology ,，一個快速成長的澳大利亞放射公司,，合作來在他們的網(wǎng)上推出 Enlitic 軟件,。在將來，他們也希望能夠進(jìn)入亞洲市場,。

深度學(xué)習(xí)進(jìn)步很快,，也有非常廣闊的應(yīng)用,。但是 Howard 看的更加長遠(yuǎn),。他將這種技術(shù)與90年代的互聯(lián)網(wǎng)相比較,，并且這就是他急于更新他的演講,。雖然一些人已經(jīng)從事這項技術(shù)的研究，很多人還并不了解它,。 TensorFlow 可能會打開新時代的洪流大閘,，也可能讓深度學(xué)習(xí)進(jìn)步走的更快。

“這可能像60或者70年代公布C語言一樣重要,，” Howard 說,，“這是第一次某些發(fā)現(xiàn)在公布后會給世界帶來與電腦合作的新方式?！?/p>