“橫看成嶺側(cè)成峰,，遠近高低各不同,。”

用這句詩來形容當(dāng)前人們對人工智能的理解最合適不過了,。

人工智能浪潮起來以后,，在醫(yī)療領(lǐng)域各種各樣的“人工智能”冒了出來，在一些醫(yī)學(xué)會議上,，可穿戴設(shè)備,、自動化系統(tǒng)、專家系統(tǒng),、智能化設(shè)備,、最新輔助診斷系統(tǒng)、傳統(tǒng)的CAD技術(shù)都被企業(yè)或者醫(yī)生稱為人工智能,。

究竟什么是人工智能,？或者說什么是新時代的人工智能，與十幾年前出現(xiàn)的人工智能有什么區(qū)別,？在醫(yī)療方面,，研究又處于怎樣的階段？這波浪潮又能持續(xù)多久,？這是最近經(jīng)常聽到的問題,。

帶著這些問題，記者查閱了一些資料并采訪了斯坦福大學(xué)AI教授,、百度深度學(xué)習(xí)研究院專家,、醫(yī)療AI企業(yè)的首席科學(xué)家、創(chuàng)業(yè)者,、吉林大學(xué)智慧醫(yī)療的負責(zé)AI的教授以及在醫(yī)療AI投入上億元的投資人,，希望從他們那里得到答案。

鸚鵡智能與烏鴉智能

加州大學(xué)洛杉磯分校UCLA,、統(tǒng)計學(xué)和計算機科學(xué)教授,、視覺,、認知、學(xué)習(xí)與自主機器人中心主任朱松純曾在視覺求索的一篇文章《淺談人工智能：現(xiàn)狀,、任務(wù),、構(gòu)架與統(tǒng)一 | 正本清源》中做了兩個比喻,，很有意思：“鸚鵡智能”和“烏鴉智能”,。

鸚鵡有很強的語言模仿能力，人多教育幾次,，鸚鵡就可以重復(fù)人類一些短語,，這就類似于當(dāng)前的由數(shù)據(jù)驅(qū)動的聊天機器人,。

二者都可以說話，但鸚鵡和聊天機器人都不明白說話的語境和語義,，也不能把說的話對應(yīng)到物理世界和社會的物體,、場景、人物,，不符合因果與邏輯,。

烏鴉要遠比鸚鵡聰明，他會利用工具,，懂得物理常識和人類簡單的社會常識,。

上圖是日本的研究人員跟蹤拍攝的，烏鴉是野生的,。它必須靠自己的觀察,、感知、認知,、學(xué)習(xí),、推理、執(zhí)行,，完全自主生活,。

為了獲取堅果里面的食物，經(jīng)過各種嘗試以后,，它發(fā)現(xiàn)把果實放在馬路上,，讓車子軋過去就可以得到食物（圖b），但是馬路上車水馬龍,，容易丟掉性命,。

然后它就站在馬路上方的電線桿上觀察，這之前他沒有經(jīng)過大數(shù)據(jù)學(xué)習(xí),。它發(fā)現(xiàn)在靠近紅綠路燈的路口，車子和人有時候停下了,。

這時,，它必須進一步領(lǐng)悟出紅綠燈,、斑馬線、行人指示燈,、車子停,、人流停這之間復(fù)雜的因果鏈（圖c、d,、e）,。最后它發(fā)現(xiàn)規(guī)律，最終吃到了食物,。

在這個過程中,，烏鴉是完全自主的智能，完全自主感知,、認知,、推理、學(xué)習(xí),、和執(zhí)行,。也沒有幾百萬訓(xùn)練數(shù)據(jù)供他學(xué)習(xí)。在這個過程中他學(xué)習(xí)耗能也很低（人腦功耗大約是10-25瓦,，烏鴉大腦約為人類1%,，它就只有0.1-0.2瓦）。

鸚鵡智能屬于現(xiàn)在在應(yīng)用方面流行的數(shù)據(jù)驅(qū)動型智能,，雖然與烏鴉智能有差距,，但是在醫(yī)療這個垂直領(lǐng)域是有前景的。烏鴉智能屬于人們希望的人工智能,。

具體來講什么研究和應(yīng)用屬于人工智能范疇,，朱松純給了一個系統(tǒng)的歸納，它涵蓋了六個領(lǐng)域：

（1）計算機視覺（暫且把模式識別,，圖像處理等問題歸入其中）,。

（2）自然語言理解與交流（暫且把語音識別、合成歸入其中,，包括對話）,。

（3）認知與推理（包含各種物理和社會常識）。

（4）機器人學(xué)（機械,、控制,、設(shè)計、運動規(guī)劃,、任務(wù)規(guī)劃等）,。

（5）博弈與倫理（多代理人agents的交互、對抗與合作,，機器人與社會融合等議題）,。

（6）機器學(xué)習(xí)（各種統(tǒng)計的建模,、分析工具和計算的方法）。

由于學(xué)科比較分散,，從事相關(guān)研究的大多數(shù)博士,、教授等專業(yè)人員，往往也只是涉及以上某個學(xué)科,，甚至長期專注于某個學(xué)科中的具體問題,。

比如，人臉識別是計算機視覺這個學(xué)科里面的一個很小的問題,；深度學(xué)習(xí)屬于機器學(xué)習(xí)這個學(xué)科的一個當(dāng)紅的流派,。

在醫(yī)學(xué)應(yīng)用層面，據(jù)動脈網(wǎng)了解目前市場上見到的醫(yī)學(xué)人工智能產(chǎn)品如輔助診斷系統(tǒng),、影像輔助診斷系統(tǒng)都是多領(lǐng)域交叉合作,，并結(jié)合臨床實踐得到的成果，僅憑在一個領(lǐng)域內(nèi)的研究是很難取得成績,。

三個問題教你識別人工智能公司

全球著名的計算機博弈專家吳韌認為,，這一輪人工智能能夠取得前所未有的進步主要有三個方面的原因：

第一，大數(shù)據(jù)的積累,。在醫(yī)學(xué)方面,，隨著電子病歷和數(shù)字膠片的積累，大量可以用于研究的結(jié)構(gòu)化病例保存起來,。而這個大數(shù)據(jù)至少是以10萬份為起點,，并且可直接用于模型訓(xùn)練的數(shù)據(jù)。  

第二,，計算能力的提升,。這幾年，云計算,、GPU等一些計算能力的提升為處理大數(shù)據(jù)提供基礎(chǔ),，縮短了訓(xùn)練模型所用的時間，將訓(xùn)練周期縮短為幾天,。

第三,，大數(shù)據(jù)與計算力的結(jié)合，是研究人員可以快速得到并訓(xùn)練出可以應(yīng)用在時間中的算法模型,。而現(xiàn)代的可以稱之為人工智能的產(chǎn)品,，必須有深度學(xué)習(xí)技術(shù)的參與。之前的人工智能技術(shù)并沒有很好的解決問題,，而深度學(xué)習(xí)技術(shù)的出現(xiàn)才推動了這波浪潮,。

吳韌表示，正是由于這波人工智能興起的原因,，決定了這次浪潮將是持續(xù)的,，而不是間歇性的,。從目前取得成績來看，也在驗證這種說法,。

基于這三方面常識，我們可以用以下幾個問題來鑒別新時代的人工智能公司,。

1,、公司數(shù)據(jù)從何而來，是網(wǎng)上下載還是從醫(yī)院獲取高質(zhì)量標(biāo)注數(shù)據(jù),？

2,、公司算法模型從何而來，是從網(wǎng)上下載別人訓(xùn)練好的,，還是自己訓(xùn)練模型,。如果是自己訓(xùn)練的模型，那么訓(xùn)練軟件是哪一款,，計算能力有多強,？

3、自己訓(xùn)練的模型又與別人開源的模型有什么區(qū)別,？訓(xùn)練的計算機里面有幾塊GPU,？

通俗易懂的3條判斷標(biāo)準

除了從技術(shù)上做鑒別，圖瑪深維創(chuàng)始人及CEO鐘昕也給出了通俗易懂的判斷醫(yī)療AI公司方法,。

1,、擁有長期從事醫(yī)療背景人工智能技術(shù)研究的核心技術(shù)團隊 。

比如說圖瑪深維的首席科學(xué)家陳韻強博士,，大學(xué)是清華大學(xué)生物醫(yī)學(xué)工程專業(yè),，畢業(yè)后進入中國自然科學(xué)最高學(xué)術(shù)機構(gòu)-中國科學(xué)院自動化研究所，專攻人工智能專業(yè),。

1998年赴美國伊利諾伊大學(xué)厄巴納-香檳分校電子與計算機工程系攻讀博士學(xué)位,，師從 “計算機視覺之父” 黃煦濤教授。

長期在西門子研發(fā)全球研發(fā)中心從事醫(yī)療圖像計算機視覺和人工智能研發(fā),，這類醫(yī)療和人工智能都具有深厚背景的復(fù)合型人才是非常稀缺的,。能夠吸引這樣頂尖的專家加入公司，代表圖瑪深維核心競爭力之一,。

2,、 參與國內(nèi)外與醫(yī)療人工智能相關(guān)的學(xué)術(shù)會議和展會，交流成果,。

在參會的過程中,，企業(yè)會參與學(xué)術(shù)和科研的討論，在交流中自會展示自己的公司以及產(chǎn)品的情況,。

比如在此次北美放射年會上,，圖瑪深維亮相了6大產(chǎn)品體系,，與國內(nèi)外的行業(yè)人士進行了深入的交流。

在此次展會上,，有很多友商也參與了展覽和學(xué)術(shù)交流,，也許現(xiàn)在和將來我們會存在競爭關(guān)系，但是我們非常尊重友商的研究成果,。如果一個公司長期脫離人工智能的圈子,，只是做一些包裝宣傳，那就值得懷疑,。

3,、公司需要擁有落地醫(yī)院的產(chǎn)品，以及醫(yī)生對產(chǎn)品的認可度,。

圖瑪深維已經(jīng)分析過的胸部CT掃描病例超過5萬病例,，獲得了醫(yī)生的廣泛認可。

如果僅僅是在公司網(wǎng)站上寫一句自己屬于人工智能公司,，沒有實際產(chǎn)品,，那么最后很難獲得最終落地客戶認可，這樣公司是難以獲得長期生存機會,。

鐘昕總結(jié)道,，那些真正掌握了核心技術(shù)，踏實做事情,，并把醫(yī)生的需求轉(zhuǎn)化為落地產(chǎn)品的公司都有很好的發(fā)展前景,。

人工智能智能必須理解物理世界及其因果鏈條

有專家表示，人工智能可以發(fā)現(xiàn)人類未知的一些聯(lián)系,，而不是簡單的專家職能的復(fù)制,。在不同的環(huán)境條件下，智能的形式會是不一樣的,。

任何智能的機器必須理解物理世界及其因果鏈條,，適應(yīng)這個世界。

希氏異構(gòu)宋捷表示,，醫(yī)學(xué)AI發(fā)展方向一定不是僅僅依靠人類對疾病的關(guān)聯(lián),、特征的認識去讓計算機對疾病做出判斷，醫(yī)學(xué)是不能完美的結(jié)構(gòu)化的,，要知道人類對于自然的認識或許只有自然界本質(zhì)的百分之幾,，倘若我們用這百分之幾的‘經(jīng)驗’去‘規(guī)范’AI對自然的認識標(biāo)準，那么AI的未來一定不會有突破,，發(fā)展瓶頸不會超過人類醫(yī)生的認知,。我們更希望AI能幫我們找到我們尚未認識到的疾病的更多的關(guān)聯(lián)和最佳的治療途徑。

各種現(xiàn)代技術(shù)，在醫(yī)療方面或許都會有不錯的應(yīng)用可能,。

但是,，AI解決的問題，就是人類認識疾病的效率問題,，AI能把人類需要若干年才能發(fā)現(xiàn)的疾病關(guān)聯(lián),、特征，用很短的時間,，找出來,，這個過程可能是幾天，未來可能是幾個小時,，這就是AI的真實能力!

反過來說，現(xiàn)階段AI要依賴人類已有的大數(shù)據(jù)的支持,，凡事號稱基于很有限的數(shù)據(jù)“研究”出很好的模型的說法,，可以說都不是真正的AI。

各種技術(shù)可能都會有醫(yī)療的應(yīng)用前景,，但不見得非得要搭車AI,。

有人則認為，醫(yī)療人工智能就是可以自動半自動的對疾病進行診斷,。

系統(tǒng)通過閱讀海量的電子病歷或者醫(yī)學(xué)知識,，然后自己形成一套知識圖譜，并具備邏輯推理的能力,，根據(jù)輸入的患者疾病特征推理做出診斷,，并給出診斷依據(jù)。

核心是系統(tǒng)自己找尋疾病的特征和規(guī)律,，自己創(chuàng)造規(guī)則,，而不是研究人員告訴系統(tǒng)疾病的特征。

而那些將規(guī)則“寫死”的系統(tǒng)不算人工智能,。比如說系統(tǒng)將疾病的10個特征全部寫進去,，只有滿足這個這10個特征才可以診斷疾病，這些顯然不是人工智能系統(tǒng),。

深度學(xué)習(xí)是新時代人工智能的標(biāo)志

朱松純表示,，在概率統(tǒng)計的框架下，當(dāng)前的很多深度學(xué)習(xí)方法,，屬于一個被我稱作“大數(shù)據(jù),、小任務(wù)范式（big data for small task）”。

針對某個特定的任務(wù),，如人臉識別和物體識別,，設(shè)計一個簡單的價值函數(shù)Loss function，用大量數(shù)據(jù)訓(xùn)練特定的模型。

這種方法在某些問題上也很有效,。但是,，造成的結(jié)果是，這個模型不能泛化和解釋,。

達泰資本創(chuàng)始人葉衛(wèi)剛表示,，新時代的人工智能必須有深度學(xué)習(xí)能力?？v觀中美的醫(yī)療人工智能創(chuàng)業(yè)公司,，他們大多是計算機背景的企業(yè)，通常拿一些基本數(shù)據(jù)直接做數(shù)學(xué)模型,，然后計算模型跟醫(yī)療流程的結(jié)合是非常需要行業(yè)融入能力的,。

作為資本方，達泰既關(guān)注具備底層研發(fā)技術(shù)的公司,，也關(guān)注應(yīng)用類人工智能企業(yè),。

應(yīng)用類人工智能企業(yè)在本地化做好的前提下，可以很好的解決行業(yè)痛點,。

比如達泰投資的匯醫(yī)慧影,，這家公司在通用深度學(xué)習(xí)算法框架的基礎(chǔ)上，針對影像的三維,，大尺度,，高灰階以及小數(shù)據(jù)量等影像特殊問題，做了針對性的開發(fā)以及優(yōu)化了底層框架,，使得人工智能能在醫(yī)學(xué)影像有很強的識別度,，并且建立醫(yī)學(xué)影像應(yīng)用的行業(yè)壁壘。

結(jié)果更重要

最后,，一名長期從事人工智能研究的醫(yī)生還給出了不同的結(jié)論,，醫(yī)生認為只要能夠提高效率，減少重復(fù)性的工作,，提供更好的診斷準確率,，不管它是用什么底層技術(shù)，都可以稱之為人工智能系統(tǒng),，沒有必要非得糾結(jié)于技術(shù)的來源和名稱,。

文|王曉行

微信|wxh-666-666

添加時請注明：姓名-公司-職位

后臺發(fā)送關(guān)鍵詞即可獲得相關(guān)好文

網(wǎng)站、公眾號等轉(zhuǎn)載請聯(lián)系授權(quán)

近期推薦

第三方醫(yī)療服務(wù)  |  周報  |  體外診斷

2017年度盤點