|
原创 本期主要关注最近大热的人工智能领域，主要对人工智能在医疗行业的发展状况以及目前发展瓶颈做简要总结。 多年来，科技部通过“863”、“973”、科技支撑计划等一系列科技计划，积极推动人工智能技术发展。在刚刚结束的两会中，科技部万钢部长说到：“在关键技术攻关方面，重点支持了智能计算机系统、智能机器人、自动信息处理，在智能交通、智能电网、智慧城市等方面也支持了一批项目。下一步，要在深度学习关键技术、跨界融合的信息技术、人机协同的操作和控制、群体智能和开放研究方面下力气。我们正在制定促进中国人工智能创新发展的规划，估计两会以后很快就会和大家见面。”我们可以看到中国政府对人工智能技术非常重视。随着移动互联网技术发展和大规模应用，中国的在云计算、大数据和移动互联网等方面已经独步天下。人工智能将在这些基础之上，迎来下一个人工智能+时代。 一 AI发展现状简介 AI 作为一种基础技术，可以被使用在各个行业，替代人力完成一些工作，提升该行业的效率。从发展阶段来讲，目前AI的发展仍处于早期，感知层面的技术取得了一定的成就，但认知层面的技术发展仍非常早期。几乎所有人工智能的最新进展都是通过监督式学习来完成：输入数据（A）快速生成简单的回应（B）。对于监督式学习系统，即A→B这种系统下最有效的技术就是深度学习，距离具有高度认知本领的人工智能还差很远。A→B的监督学习框架有一个致命弱点：它需要海量的经过标注的数据。目前技术发展的现状是，尽管非监督式学习的方法也存在，但理论仍不成熟，应用仍有限。 二AI在医疗领域的应用 人工智能在医疗领域的作用主要体现在三方面：第一，让机器能够代替医生完成部分工作，让医疗资源更多的触达到用户；第二，能够提高机构、医生的工作效率，降低医疗成本；第三，能够通过AI手段提高患者自查率，更早发现、更好管理疾病。 三行业发展瓶颈 1.在AI+医疗领域，目前数据是最大的瓶颈。人工智能在该领域大力发展的前提是大量积压的医疗信息数据化。基于数据的稀缺性，拥有一手医疗数据、和政府、医疗机构有大量渠道的创业公司将会建立起壁垒。 2.认知层面的知识 表达、信息补足瓶颈仍待突破。当人类在认知实物的时候，很多数据经过了人脑的抽象。因此，假如要达成认知事物的目标，第一步就要完成形式化知识结构的搭建，而这需要上下文和很多背景知识。 然而，机器是没有人脑中的这些常识和背景知识的，因而认知很难完成。目前解决该问题的方法有知识图谱、强化学习等。大公司基本是通过知识图谱来解决认知中的知识补充问题，但图谱本身也依赖人工构建，信息有限，很难形成一个完备的架构。可以说，对于目前技术发展的水平来讲，计算机不能应付复杂的环境，只能在相对规则的环境下工作，需要精确的、离散的输入。而人对环境的适应能力很高，擅长处理模糊的、连续的、不完美的数据。 3.人类无法知晓具体到某种数据的训练和学习过程。以计算机视觉为例，其经典方法是运用神经网络，即深度学习的方式。而深度学习就是执行算法---即执行如何完成任务的指令。 由于机器认知事物的规则是被设定的，而这种规则是不能穷举的，因而机器有时会给出非常诡异的，人极少几率会犯的错误结果。目前科技水平的发展现状是，我们知道机器的神经网络是和人类不同的，但我们不知道有何相同，也不知道有何不同。因此，了解机器神经网络每一层的机理就成为人工智能的下一个重要议题。只有弄明白每一次逻辑推算的方式，才能确保机器的行为具有可预测性。而届时，人工智能的技术发展将会发生一次大的飞跃。 四总结 近年来，数据量的上涨、运算力的提升以及各种深度学习算法的出现极大的促进了人工智能行业的发展。同时，国内相继出台相关扶植人工智能发展的政策，积极推动人工智能在各个细分领域的渗透。2016年5月，国家四部委更是颁布《“互联网+”人工智能三年行动实施方案》，明确提出要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平。另外，根据咨询公司Venture Scanner统计，截止2016年Q2，全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。而人工智能创投金额在5年间增长了12倍(从$11百万增至$132百万美金)，投资热度持续走高。虽然人工智能有了一定发展，但行业仍处于发展初期，仍存在着较多的技术壁垒尚未突破，相信近年在技术研发、政策利好、资金支持的多方协同作用下，人工智能行业将迎来更大的发展，值得长期看好。
|
|
|
