寻找真正的AI应用场景：认知医疗影像，走向精确诊断

　　无论是作为Google精心策划的一场商业秀，亦或是人工智能真的攻陷了人类最后的堡垒，毫无疑问的是，AlphaGo和世界围棋冠军李世石的巅峰对决，已经成功吸引了全世界人的关注和热议。如果你还沉浸在“人工智能会不会对人造成威胁”的讨论和忧虑中，显然，你还没来得及了解人工智能，就被排山倒海而来的阵势吓到了。

　　害怕或担忧？简直弱爆了

　　人工智能（ArtificialIntelligence，缩写为AI），它不只出现在科幻电影中，负责演出给人类带来各种麻烦的虚幻技术，像《终结者》里的天网防御系统那样，在获得自我意识后，企图毁灭它认为对自己是威胁的全体人类。事实是，我们早就身处于一个充满人工智能的世界，汽车上的ABS防抱死刹车系统，手机上的地图软件导航，购物网站上我们或许感兴趣的产品推荐，社交APP上弹出可能认识的朋友提示，智能家居系统根据我们的日常习惯调节室内温度，等等，这些应用属于弱人工智能的体现，就是擅长于单个方面的人工智能，不可能制造出能真正地推理和解决问题的智能机器。之所以被我们常常忽略到，是因为它们已经悄无声息的融入人们的生活领域，如“人工智能之父”JohnMcCarthy常常抱怨的“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了”。

　　对比弱人工智能，强人工智能的界定显然让人们更有兴趣：有可能制造出真正能推理和解决问题的智能机器，并且被认为是有知觉的，有自我意识的。“具有宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时和人类同样得心应手。想要比肩人类的大脑------这个我们所知的、宇宙之中最复杂的东西，人类自己尚且仍需努力，被人类创造的智能机器想做到，还要再等等。用计算机科学家DonaldKnuth的说法，“人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上，还差得很远。”

　　所以，与其为AlphaGo沾沾自喜，不如想得更远些：弱人工智能到强人工智能，我们还能做些什么？

　　拿什么拯救你？我的人工智能

　　提到强人工智能，就不得不提到专家系统，不得不提到IBM投入数十年建立的认知计算。专家系统，可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术，去模拟那些通常由领域专家才能解决的复杂问题。认知计算，是指一种能够规模化学习、有目的推理、并与人类自然交互的系统，它们不需要事先精确地编程，而是从它们与人之间的交互和与环境之间的互动中学习和推理。这两者，并不矛盾，而且也不是设想或空谈。

　　AlphaGo的“思考”只能说是“被人的大脑启发”，而并非和人类思考一模一样。从弱人工智能向强人工智能进发，人类需要赋予机器自我学习的能力，让计算机靠自己的能力去处理数据，而不需要被人为的编程。通过能自我学习的深度学习，它处理的数据会越来越多，学习能力会越来越强，洞察、思考、推理、模拟专业人士的经验与行为间的关系，再经过专家的调节，它能在任何在可以纯凭逻辑分析推算的问题上，超越人类能及的范围。

　　那么，基于深度学习的人工智能将引发什么样的变革？我们将看到一种类型完全不同的人工智能，它们能够解决问题、拯救生命、产生巨大的商业和用户价值。强化学习非常适合医疗领域，举个例子，一种分析X光、MRIs和超声波图像的认知医学图像应用，它能处理医学期刊、书本和文章的自然语言，它利用机器学习来矫正和增强理解力，它还可以开发深度知识表征和推理，有助于形成可能的诊断结果。

　　国内在做什么？别崇洋媚外

　　让人工智能“真正”重回人们的视线，这场机器与人类的世纪之战功不可没。声势浩大的人工智能运动正在席卷全球，除了津津乐道的讨论，每一个参与进来或即将参与进来的公司，都对人工智能充满了无限的遐想。

　　这其中，有许多隐藏的先行者。

　　高居不下的漏诊率、误诊率，是全世界各国医生难以自医的顽疾，在这其中，医疗影像诊断的误诊情况似乎看起来有些“功不可没”。长久以来依靠专家的肉眼来分辨医疗影像，本质上也是一种认知。但是限于人脑的处理能力和精确性，并不能把这种认知高度精确化，自动化。不具备多年经验积累的医生，就更难实现专家水平。

　　那么，让机器阅读足够量的影像数据，它是否就能学会“看”图像？让机器学习专家如何诊断，它是否就能“看懂”图像？如果机器都做到了，它是否能辅助医生做更精准的诊断？为了寻找这些问题的答案，一家中国的科技公司在2008年投身了这一场结果未知的战争，而且一战就是8年。

　　基于对数据塑造人类未来的敏锐认识，这家公司采集了海量病例影像数据和中国正常人群组数据。通过高效率的人工智能学习，能够更快速的找到数据的模式和相似性，帮助医生发现最关键的信息。将机器深度学习能力和人类专家经验有机结合起来，教会机器如何读取影像背后的非结构化语言，从多个来源中去衡量信息和想法，学习专家如何处理影像、采集数据、比照参考，在海量数据库中搜索、对比、推断，并做出每个可能诊断结果的置信判断。终于，八年磨一剑，想象中的“影像专家”系统在2016年问世。

　　就在刚刚过去的一周，这家科技公司的影像大数据处理平台挽救了一位即将推向手术台的病人，它成功定位出转移灶的正确解剖学位置，纠正了肉眼判断的错误，阻止了一场医疗事故的发生。

　　我们应该记住它的名字，雅森科技。

　　未来很放肆？请放马过来

　　雅森科技拥有中国正常人群组影像数据库，海量病历数据库以及周边检查数据，其机器学习平台通过对诊断方法、图谱概率、医生经验的学习，把医疗影像的认知提上全新的高度。除了通过拥有大数据+大计算来达到辅助医生诊断之外，未来更是可以通过自动诊断、病情发展预测、药物疗效分析、个性化精准治疗来全面实现诊断治疗技术的提升。

　　相对于Alphago在围棋上的胜利，人们应该更关心人工智能在人类生命健康之中的应用场景，毕竟，这远比棋局的胜利更加意义深远。