無論是作為Google精心策劃的一場商業(yè)秀，亦或是人工智能真的攻陷了人類最后的堡壘，毫無疑問的是，AlphaGo和世界圍棋冠軍李世石的巔峰對決，已經(jīng)成功吸引了全世界人的關(guān)注和熱議。如果你還沉浸在“人工智能會不會對人造成威脅”的討論和憂慮中，顯然，你還沒來得及了解人工智能，就被排山倒海而來的陣勢嚇到了。
害怕或擔憂？簡直弱爆了
人工智能（Artificial Intelligence，縮寫為AI），它不只出現(xiàn)在科幻電影中，負責演出給人類帶來各種麻煩的虛幻技術(shù)，像《終結(jié)者》里的天網(wǎng)防御系統(tǒng)那樣，在獲得自我意識后，企圖毀滅它認為對自己是威脅的全體人類。事實是，我們早就身處于一個充滿人工智能的世界，汽車上的ABS防抱死剎車系統(tǒng)，手機上的地圖軟件導(dǎo)航，購物網(wǎng)站上我們或許感興趣的產(chǎn)品推薦，社交APP上彈出可能認識的朋友提示，智能家居系統(tǒng)根據(jù)我們的日常習慣調(diào)節(jié)室內(nèi)溫度，等等，這些應(yīng)用屬于弱人工智能的體現(xiàn)，就是擅長于單個方面的人工智能，不可能制造出能真正地推理和解決問題的智能機器。之所以被我們常常忽略到，是因為它們已經(jīng)悄無聲息的融入人們的生活領(lǐng)域，如“人工智能之父”John McCarthy常常抱怨的 “一旦一樣?xùn)|西用人工智能實現(xiàn)了，人們就不再叫它人工智能了”。
對比弱人工智能，強人工智能的界定顯然讓人們更有興趣：有可能制造出真正能推理和解決問題的智能機器，并且被認為是有知覺的，有自我意識的。“具有寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習和從經(jīng)驗中學(xué)習等操作。”強人工智能在進行這些操作時和人類同樣得心應(yīng)手。想要比肩人類的大腦------這個我們所知的、宇宙之中最復(fù)雜的東西，人類自己尚且仍需努力，被人類創(chuàng)造的智能機器想做到，還要再等等。用計算機科學(xué)家Donald Knuth的說法，“人工智能已經(jīng)在幾乎所有需要思考的領(lǐng)域超過了人類，但是在那些人類和其它動物不需要思考就能完成的事情上，還差得很遠。”
所以，與其為AlphaGo沾沾自喜，不如想得更遠些：弱人工智能到強人工智能，我們還能做些什么？
拿什么拯救你？我的人工智能
提到強人工智能，就不得不提到專家系統(tǒng)，不得不提到IBM投入數(shù)十年建立的認知計算。專家系統(tǒng)，可以看作是一類具有專門知識和經(jīng)驗的計算機智能程序系統(tǒng)，一般采用人工智能中的知識表示和知識推理技術(shù)，去模擬那些通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題。認知計算，是指一種能夠規(guī)?；瘜W(xué)習、有目的推理、并與人類自然交互的系統(tǒng)，它們不需要事先精確地編程，而是從它們與人之間的交互和與環(huán)境之間的互動中學(xué)習和推理。這兩者，并不矛盾，而且也不是設(shè)想或空談。
AlphaGo的“思考”只能說是“被人的大腦啟發(fā)”，而并非和人類思考一模一樣。從弱人工智能向強人工智能進發(fā)，人類需要賦予機器自我學(xué)習的能力，讓計算機靠自己的能力去處理數(shù)據(jù)，而不需要被人為的編程。通過能自我學(xué)習的深度學(xué)習，它處理的數(shù)據(jù)會越來越多，學(xué)習能力會越來越強，洞察、思考、推理、模擬專業(yè)人士的經(jīng)驗與行為間的關(guān)系，再經(jīng)過專家的調(diào)節(jié)，它能在任何在可以純憑邏輯分析推算的問題上，超越人類能及的范圍。
那么，基于深度學(xué)習的人工智能將引發(fā)什么樣的變革？我們將看到一種類型完全不同的人工智能，它們能夠解決問題、拯救生命、產(chǎn)生巨大的商業(yè)和用戶價值。強化學(xué)習非常適合醫(yī)療領(lǐng)域，舉個例子，一種分析X光、MRIs和超聲波圖像的認知醫(yī)學(xué)圖像應(yīng)用，它能處理醫(yī)學(xué)期刊、書本和文章的自然語言，它利用機器學(xué)習來矯正和增強理解力，它還可以開發(fā)深度知識表征和推理，有助于形成可能的診斷結(jié)果。
國內(nèi)在做什么？別崇洋媚外
讓人工智能“真正”重回人們的視線，這場機器與人類的世紀之戰(zhàn)功不可沒。聲勢浩大的人工智能運動正在席卷全球，除了津津樂道的討論，每一個參與進來或即將參與進來的公司，都對人工智能充滿了無限的遐想。
這其中，有許多隱藏的先行者。
高居不下的漏診率、誤診率，是全世界各國醫(yī)生難以自醫(yī)的頑疾，在這其中，醫(yī)療影像診斷的誤診情況似乎看起來有些“功不可沒”。長久以來依靠專家的肉眼來分辨醫(yī)療影像，本質(zhì)上也是一種認知。但是限于人腦的處理能力和精確性，并不能把這種認知高度精確化，自動化。不具備多年經(jīng)驗積累的醫(yī)生，就更難實現(xiàn)專家水平。
那么，讓機器閱讀足夠量的影像數(shù)據(jù)，它是否就能學(xué)會“看”圖像？讓機器學(xué)習專家如何診斷，它是否就能“看懂”圖像？如果機器都做到了，它是否能輔助醫(yī)生做更精準的診斷？為了尋找這些問題的答案，一家中國的科技公司在2008年投身了這一場結(jié)果未知的戰(zhàn)爭，而且一戰(zhàn)就是8年。
基于對數(shù)據(jù)塑造人類未來的敏銳認識，這家公司采集了海量病例影像數(shù)據(jù)和中國正常人群組數(shù)據(jù)。通過高效率的人工智能學(xué)習，能夠更快速的找到數(shù)據(jù)的模式和相似性，幫助醫(yī)生發(fā)現(xiàn)最關(guān)鍵的信息。將機器深度學(xué)習能力和人類專家經(jīng)驗有機結(jié)合起來，教會機器如何讀取影像背后的非結(jié)構(gòu)化語言，從多個來源中去衡量信息和想法，學(xué)習專家如何處理影像、采集數(shù)據(jù)、比照參考，在海量數(shù)據(jù)庫中搜索、對比、推斷，并做出每個可能診斷結(jié)果的置信判斷。終于，八年磨一劍，想象中的“影像專家”系統(tǒng)在2016年問世。
就在剛剛過去的一周，這家科技公司的影像大數(shù)據(jù)處理平臺挽救了一位即將推向手術(shù)臺的病人，它成功定位出轉(zhuǎn)移灶的正確解剖學(xué)位置，糾正了肉眼判斷的錯誤，阻止了一場醫(yī)療事故的發(fā)生。
我們應(yīng)該記住它的名字，雅森科技。
未來很放肆？請放馬過來
雅森科技擁有中國正常人群組影像數(shù)據(jù)庫，海量病歷數(shù)據(jù)庫以及周邊檢查數(shù)據(jù)，其機器學(xué)習平臺通過對診斷方法、圖譜概率、醫(yī)生經(jīng)驗的學(xué)習，把醫(yī)療影像的認知提上全新的高度。除了通過擁有大數(shù)據(jù)+大計算來達到輔助醫(yī)生診斷之外，未來更是可以通過自動診斷、病情發(fā)展預(yù)測、藥物療效分析、個性化精準治療來全面實現(xiàn)診斷治療技術(shù)的提升。
相對于Alphago在圍棋上的勝利，人們應(yīng)該更關(guān)心人工智能在人類生命健康之中的應(yīng)用場景，畢竟，這遠比棋局的勝利更加意義深遠。
