“橫看成嶺側(cè)成峰，遠近高低各不同?！?/p>

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（bigdataforsmalltask）”。

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

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。