人工智能對醫(yī)療的幫助
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工智能對醫(yī)療的幫助范文，相信會為您的寫作帶來幫助，發(fā)現更多的寫作思路和靈感。
人工智能對醫(yī)療的幫助范文第1篇
(訊)發(fā)展目標明確，到2020年產業(yè)規(guī)模超過1000億元。此次《實施意見》為上海市人工智能發(fā)展提出了明確目標。到2020年，人工智能對上海市創(chuàng)新驅動發(fā)展、經濟轉型升級和社會精細化治理的引領帶動效能顯著提升，基本建成國家人工智能發(fā)展高地，局部領域達到全球先進水平。具體來看，到2020年要打造6個左右人工智能創(chuàng)新示范區(qū)域，形成60個左右人工智能深度應用場景，建設100個以上人工智能應用示范項目，建設10個左右人工智能創(chuàng)新平臺，培育10家左右人工智能創(chuàng)新標桿企業(yè)，人工智能重點產業(yè)規(guī)模超過1000億元。到2030年，人工智能總體發(fā)展水平進入國際先進行列，初步建成具有全球影響力的人工智能發(fā)展高地。我們認為，上海市在產業(yè)基礎、科研基礎、信息化程度、數據豐富程度、應用場景等方面在國內具有領先地位，具有發(fā)展人工智能的先天優(yōu)勢。大城市在城市管理、公共服務、交通、醫(yī)療、產業(yè)轉型升級等領域存在的現有問題也有望通過人工智能技術而得以緩解，這進一步加強了上海這樣的大型城市對于人工智能的需求。此前廣州市的《建設“中國制造2025”試點示范城市實施方案》也將人工智能、新一代信息技術作為重點聚焦產業(yè)。政府的大力支持將推動人工智能在前沿技術、應用落地、產業(yè)集群、創(chuàng)新生態(tài)等方面的快速發(fā)展。
政務數據開放有望加快，AI產業(yè)基金成立可期。大數據是人工智能的基石。在政務數據開放共享上，上海市政府也將加大開放力度。目前上海已經形成最大的數據開放清單，有1500多項數據開放，下一步還將建立公共數據分級分類開放制度，出臺相關的政務數據申請公開使用的細則，建立公共數據開放的應急工作機制，推進數據管理、數據利用、安全保護形成標準和規(guī)范。目前，上海已編制政務數據資源共享目錄1.7萬多條，有26萬個數據項，年底前將啟動建設全市政務信息交換共享平臺。上海市政府下一步將建立跟企業(yè)合作的開放性行業(yè)大數據訓練庫，建設人工智能應用多場景驗證環(huán)境。在資金扶持層面，市政府將加強財政資金扶持力度，引導企業(yè)和社會資本投入。目前，上海正在開展第一批人工智能產業(yè)基金和人工智能創(chuàng)新項目的組織遴選。在市場支持層面，將推動各級政府部門率先運用人工智能提升業(yè)務效率和管理服務水平，支持人工智能創(chuàng)新產品開拓市場應用。我們認為，人工智能的發(fā)展離不開政府，除了數據開放、資金扶持等實質性支持外，政府在社會資源引導、產業(yè)集群建設、應用場景開拓等方面會對整個行業(yè)帶來幫助。
投資評級:我們認為，人工智能賦能是產業(yè)發(fā)展的大趨勢。遠期來看，人工智能與各行各業(yè)的融合有望帶來新一輪產業(yè)變革。近期來看，圖像識別、語音識別等人工智能技術在安防、金融、交通、零售、醫(yī)療等領域的應用呈現快速增長趨勢。我們看好人工智能產業(yè)鏈發(fā)展，具體包括上游的人工智能芯片、智能傳感器，中游的人工智能算法、人工智能軟件以及下游的行業(yè)應用。對于計算機行業(yè)，我們維持行業(yè)“看好”評級。（來源：信達證券 文/邊鐵城 編選：中國電子商務研究中心）
人工智能對醫(yī)療的幫助范文第2篇
――找到甲狀腺結節(jié)，標注位置和尺寸，并提示良性或惡性的可能性。
浙醫(yī)一院的醫(yī)生接待了一家來自兄弟單位的醫(yī)療人工智能創(chuàng)業(yè)團隊――德尚韻興的專家們。
這個團隊的背景很牛，首席科學家孔德興是知名數學家，浙大求是特聘教授。10多年前，當國際上剛開始把數理模型和高性能數學算法應用到醫(yī)學圖像領域時，這個團隊也極為敏銳地進入這個新興領域探索。他們開發(fā)的“DE三維可視化系統”，用于精準外科手g的術前規(guī)劃、術中導航和術后定量評估，是北京301醫(yī)院的必備軟件之一。
最近幾年，他們將深度學習技術應用于超聲聲像，開發(fā)了甲狀腺結節(jié)智能診斷系統DE-超聲機器人（以下簡稱超聲機器人）。在此過程中，他們對原本“均碼”的算法和神經網絡，針對疾病特點進行“量體裁衣”。相關技術文章發(fā)表后，谷歌深度學習團隊DeepMind也關注并引用了文章。
“副主任醫(yī)師水平”
德尚韻興團隊此行就是帶著“超聲機器人”來跟浙醫(yī)一院的超聲醫(yī)生“PK”的。醫(yī)生只要坐在B超機前，用探頭給病人檢查后，將采集的圖像保存發(fā)送給超聲機器人，超聲機器人就能實時生成檢查結果――找到甲狀腺結節(jié)，標注位置和尺寸，并提示良性或惡性的可能性。
不過，面對這個“超聲機器人”，浙醫(yī)一院的醫(yī)生心中充滿疑問――這個系統怎么能像他們一樣做判斷？結果準嗎？出于禮貌，他并未當場提出。
當德尚韻興專家離開后，這位主任醫(yī)生準備了202個病例（惡性結節(jié)有病理對照，良性結節(jié)有三年以上隨訪期）發(fā)送給超聲機器人，并認真記錄機器人的診斷結果， 結果顯示機器人的診斷準確率為85.7%。一段時間后，當他再次見到德尚韻興的專家時，主動告訴他們：“我判斷，超聲機器人達到了醫(yī)院副主任醫(yī)師的水平，確實挺好?！?/p>
好的開始是成功的一半――這也開啟了浙醫(yī)一院和德尚韻興后續(xù)的合作。
實際上，人工智能在醫(yī)學領域的發(fā)展，在國內外都是剛剛起步。
“不能說是完全空白，但這個方向有很多值得我們研究的東西?！钡律许嵟d總經理胡海蓉說。
德尚韻興扮演著領域的“拓荒者”。胡海蓉向《IT經理世界》坦言，在這幾年人工智能的落地實踐中，她認為，組建跨學科團隊，選擇合適的切入點，收集和規(guī)范數據，開發(fā)讓醫(yī)生得心應手的產品是較為關鍵的環(huán)節(jié)。
跨學科明星隊
人工智能+醫(yī)學的落地實踐，需要跨學科明星隊。
“這里的關鍵體現在‘交叉’上?！焙Ｈ卣f，“在醫(yī)學重大需求上，數學家、計算機科學家或醫(yī)學專家，任何單一力量是無法實現的。”
在這類團隊中，數學專家負責提出高性能數學模型，“好的模型就像具有高IQ的大腦?！贬t(yī)學專家提供臨床知識和經驗，讓機器能學到“真知灼見”，計算機軟件專家要把數學家的語言轉化成高效的計算機語言。
“可是，數學家、醫(yī)學家和計算機專家都有各自的語言，怎么把他們串起來呢？”胡海蓉繼續(xù)分析說，“我們就需要找到一個具有生物醫(yī)學工程背景的人來做產品經理。他來負責產品的市場調研和規(guī)劃，管理整個團隊，充當‘多種部隊’之間的翻譯和橋梁?！?/p>
切入甲狀腺超聲診斷
選擇切入點也很有講究。這個切入點不能太過復雜――它要讓團隊能小步快跑，保障后續(xù)項目的進一步深入拓展；也不能太容易――它要能對醫(yī)療痛點有質的幫助，才有推廣的價值，容易被市場接受。
“甲狀腺結節(jié)診斷”最終跳入德尚韻興團隊的視線。
甲狀腺癌在中國女性癌癥發(fā)病率排名第五，在德尚韻興所在的杭州，甚至排在第一位。但由于個體化差異，目前三甲醫(yī)院甲狀腺結節(jié)的診斷準確率平均只有60%～70%。用人工智能提升診斷準確率能造福老百姓。
相對肺、肝臟等器官，甲狀腺是一個淺表器官，器官結構相對簡單，沒有復雜的血管。根據超聲聲像，就能對甲狀腺結節(jié)的良惡性作出診斷。
但同時，甲狀腺超聲診斷也有一定復雜度――不像CT和核磁，超聲因每位醫(yī)生的掃描手法不同，得到的數據千變萬化，因此對影像識別算法有很高要求。從這樣一個診斷既有其簡便性，又有其復雜度的疾病做起，可以在過程中積累足夠經驗，為開發(fā)難度更高的疾病，如乳腺腫塊、肝臟腫塊、肺結節(jié)的良惡性診斷打下基礎。
數據！數據！
對于醫(yī)療人工智能團隊來說，數據的收集、規(guī)范和標注是行業(yè)性難題。
“數據收集不能全靠醫(yī)院。”胡海蓉總結說。深度學習靠的是“吃透”大量樣本。但目前大部分醫(yī)療機構并不愿公開數據。德尚韻興嘗試通過多個渠道，有社區(qū)檢查，有付費志愿者，也有試點醫(yī)院。
“我們已收集了兩三萬張超聲圖像，這是不多的?！焙Ｈ乜陀^地說，“如果樣本量能提高一倍，我們的診斷準確率還有較高的提升空間?！爆F在德尚韻興的甲狀腺超聲機器人診斷準確率已達85%以上。
除了數據收集，數據的規(guī)范和標注是另一項需要大量調研和溝通協作的活。
以甲狀腺結節(jié)超聲診斷為例，數據規(guī)范要從“醫(yī)生的掃描手法”開始。團隊走訪了多家醫(yī)院，聽取多位醫(yī)生建議，規(guī)范掃描手法，形成最終文檔。
拿到超聲影像后，還要找到結節(jié)進行勾畫。現實中，醫(yī)生和算法工程師對結節(jié)的勾畫有不同標準，哪一種勾畫對計算機算法更有利？團隊要綜合考慮，制定出適合的標準。
在數據規(guī)范化過程中，對那些疑難病例的判斷和標注，特別需要醫(yī)學專家的指導。“但高水平醫(yī)生的工作是最繁忙的，他們往往沒有時間和興趣參與標注。”德尚韻興要想辦法爭取醫(yī)學專家的支持。
線上線下的商業(yè)探索
目前，國內業(yè)界對醫(yī)療人工智能的定位有一個共識――定位在輔助診斷上。人工智能系統可取代醫(yī)生重復性、機械性的工作，讓醫(yī)生能夠看更多的病人，做更多有價值的醫(yī)學探索。
德尚韻興的超聲機器人也是這樣定位的。它可以先選出有問題的聲像圖給醫(yī)生，及時提醒惡性風險，讓醫(yī)生能更仔細的查看把關。
經過一段時間的試點后，德尚韻興的超聲機器人將首先向基層醫(yī)院推廣，這將提高基層醫(yī)院患者首診的診斷水平，讓更多患者不出遠門就能獲得“專家級”服務，再根據診斷結果到不同級別醫(yī)院治療。
超聲機器人可部署在云端，這特別適合新疆、等基層醫(yī)院分散的地域。通過英特爾聯合創(chuàng)新實驗室的牽線，在新疆人民醫(yī)院聯合130多家醫(yī)院建立的遠程會診體系中，超聲機器人將成為關鍵服務之一。同時，與遠程醫(yī)療平臺匯醫(yī)在線的合作，超聲機器人也為平臺上簽約的全國基層醫(yī)院服務。
超聲機器人也有單機版，部署在醫(yī)院和體檢中心。其中，與從事體檢中心業(yè)務的北京世紀經綸的合作，超聲機器人將推廣到幾個省。
人工智能對醫(yī)療的幫助范文第3篇
在國家社會科學基金和互聯網經濟學研究聯盟的支持下，《財經問題研究》編輯部特別組織了“互聯網經濟的理論與反壟斷政策探討”筆談，邀請數位專家對相關問題展開討論，相關成果發(fā)表于《財經問題研究》2018年第9期，本文為其中之一。
核心問題
人工智能和互聯網能否帶來新的經濟增長？
產業(yè)互聯網將如何影響產業(yè)競爭的格局，其對整個經濟的增長有什么樣的影響？
平臺型組織的演變會對社會產生多大的影響？
01
引 言
在過去的十多年時間里，全球經濟面臨一個比較大的挑戰(zhàn)就是如何重塑經濟增長。2005—2014年，全球最發(fā)達的經濟體的增長率長期停滯不前，急需要尋找一個新的經濟增長驅動力量。
互聯網在中國經歷了20年的快速發(fā)展之后，已經取得了世人矚目的成就。特別是隨著智能手機的普及，移動互聯網在中國已經相當發(fā)達。根據中國互聯網協會的數據，2016年中國境內活躍的手機上網碼號數量達12.47億。
得益于中國特殊的市場規(guī)模和移動互聯網的發(fā)展，中國的消費互聯網市場發(fā)展迅速，代表性的電商平臺如阿里巴巴、社交及游戲公司騰訊，這兩個公司以市值計均進入全球財富五百強的前十位。
當前，人們關注的熱點是中國的互聯網紅利是否已經消失，傳統產業(yè)的互聯網轉型是否會帶來新的增長機會？
此外，人工智能最近這幾年發(fā)展迅速。2017年中國的人工智能（AI）投資僅次于美國，成為投資熱點，政府也不斷推出鼓勵和支持政策。
這種變化引發(fā)業(yè)界和學界的思考，是不是會出現新的驅動經濟增長的力量？這個力量如果能夠驅動經濟增長，其對于整個社會的改變會有哪些影響？
1999年，美國微軟的創(chuàng)始人蓋茨有一個非常有名的論斷：商業(yè)新法則就是“互聯網會改變一切”。從他提出這個論斷到現在已近二十年，可以看到，電影、閱讀、新聞等商業(yè)模式都發(fā)生了巨大的變化。
但另一方面，還有很多東西沒有發(fā)生變化，如航空發(fā)動機的數據獲取，1960年和2015年的方式并沒有太多的變化。很多產業(yè)，如海關報關等，也沒有發(fā)生實質性的變化。在今天，一個備受關注的問題是，人工智能對于社會將有多大影響？
筆者將從產業(yè)競爭和戰(zhàn)略的角度來討論產業(yè)互聯網和人工智能會如何重塑中國經濟的問題。主要討論三個問題：
第一，人工智能和互聯網對經濟增長的影響。人工智能和互聯網是否有可能提高經濟的長期增長水平？
第二，產業(yè)互聯網將如何影響產業(yè)競爭的格局？它對整個經濟的增長有什么樣的影響？
第三，產業(yè)互聯網和人工智能如何影響產業(yè)結構的變化？特別是產業(yè)互聯網和人工智能是否會導致產業(yè)的平臺化？這種平臺型的組織又會對社會產生多大的影響？
分析表明：
第一，產業(yè)互聯網和人工智能會大幅度提升生產力。而且產業(yè)互聯網和人工智能會提升要素配置的效率，進而提升生產率。因此，可以樂觀看待長期經濟的增長率。
第二，平臺和組件的模式會影響一切組織和經濟形態(tài)。平臺會影響國家的競爭、城市的演變和產業(yè)轉型。一切組織都會向平臺化的方向發(fā)展。
02
人工智能和經濟增長
經濟的長期增長，主要是來自全要素生產率的增長。全要素生產率的增長，除了科技（包括人工智能）的進步，還包括管理效率和要素錯配這兩個問題帶來的影響。
大量的數據都表明，經濟的長期增長率一直在下降。無論是20世紀80、90年代還是千禧年后，整個世界的GDP增長一直在下降。
Gordon（2016）提出，美國的長期經濟增長將繼續(xù)下臺階。Gordon研究了美國過去150年的經濟發(fā)展史，認為美國的發(fā)展呈現倒U型的特征。美國經濟大約從19世紀70年代開始起飛，到20世紀50年代達到頂點，之后逐步下降。
Gordon的一個略為意外的發(fā)現是，從20世紀70年代開始，美國經濟的增長表現非常普通，特別是創(chuàng)新的步伐和技術進步帶來的增長并沒有惠及到更多人。
為什么現在大家如此關心人工智能的發(fā)展？很重要的一個原因是希望能夠找到提升經濟增長新的關鍵要素，希望找到推動經濟持續(xù)增長的新動力。這是大時代的背景。
人工智能是否會推動經濟增長和提升生產率，對中國同樣非常重要。
一是因為目前對中國經濟長期增長源泉的解讀有很多誤區(qū)。很多人認為中國經濟的增長來自于投資的驅動，認為由于投資占比已經很高，且投資回報率逐步降低，所以中國的經濟增長必然下行。
第二個原因是人工智能對組織生產活動的要素配置會有影響。如果人工智能可以提升要素配置效率，那經濟增長的潛力也會提高。
Zhu（2012）的研究表明，與很多人想象的不同，中國經濟的增長主要來自于效率的提升，而不是來自于投資的增加。雖然投資的增加是經濟增長很重要的一部分，但最主要的增長還是來自于經濟效率的提升。他的這一發(fā)現在學術界受到了越來越多的關注。
這一研究的重要性不僅在于其給出了一個與主流很不一樣的觀點，更重要的在于這個研究對判斷經濟增長的潛力有非常大的參考意義。
根據這一研究，1978—2007年，在中國經濟增長的貢獻中，有70%是來自于全要素生產率的增長。這一結論非常重要，意味著中國長期經濟增長仍然有非常大的空間。
這是因為在經歷了40年的高速增長后，中國的全要素生產率仍然只有美國的20%多。這表明通過提升全要素生產率來促進中國經濟增長的空間非常大。這就是為什么人工智能和新的經濟增長動力如此重要的根本原因。
由此，需要一個堅實的支持經濟增長的微觀理論基礎來對當前的經濟形勢進行解釋和指導。人工智能可以看作是廣義的機器自動化。在經典的索羅模型中，可以借助一個簡單的增長模型來討論人工智能對經濟增長的影響。
參考ZEIRA（1998）的經濟增長模型，簡單來說，經濟增長實際上可以看成一個抽象的生產函數。一個國家的產出是由生產力、資本和勞動共同決定的。
根據這一模型，可以推導出一個重要的結論：經濟的增長速度與自動化的比例正相關，即自動化的提升會增加長期的增長。此外，自動化比例的提升意味著資本在總產出中的占比提高。
這個簡單的模型有兩個非常重要的含義。
第一，人工智能在理論上有可能會帶來經濟的持續(xù)增長。人工智能比例的提升，會帶來經濟增速的持續(xù)提高。這實際上就是從經濟學上定義的奇點。經濟學家在這方面向自然科學學習了很多。這里的所謂奇點，從經濟學角度來說，就是持續(xù)的超高增速。
第二，資本和勞動在產出中的占比關乎收入的分配及平等和長期的社會穩(wěn)定。資本占比提升和勞動的占比越來越低意味著貧富差距會增加。資本家是成為人工智能的投資者和獲益者，而普通的工人則可能成為受害者。
對于人工智能對經濟增長的影響，在給出確定結論前，可以簡要回顧一下歷史。關于人工智能的爭論其實是一個歷久彌新的話題，從信息技術一出現，大家就在討論這個問題。
20世紀90年代《經濟學人》的說法是，計算機不會提升人們的生產力。Zachary（1991）認為數據過載限制了生產率的提高。而信息技術對生產率的提升是顯而易見的。
但1996—1999年，美國私人部門的年均增長率達到2.8%，是1980—1995年間的2倍。這段時間可以明顯看到信息技術帶來的生產力的提升。
人工智能鼻祖和行為經濟學鼻祖西蒙也認為計算機和自動化會推動生產力的持續(xù)提升，但可能不是加速的提升。加速就是前面提到的奇點，即人工智能應當會持續(xù)提升生產率。業(yè)界的研究也支持這一判斷。
埃森哲的研究表明，美國生產率的增長受益于人工智能，到了2030年可以實現翻倍，意味著全球的經濟增長可能會重新進入高速增長的環(huán)境，全球經濟將進入新的增長周期。
經濟增長的源泉無外乎生產率的增長、資本投入的增加或是勞動人口的增長。如何理解抽象的增長模型中人工智能會導致長期的總經濟增長？
第一，從資本的角度，對人工智能的投資會產生很多不會折舊的資產，甚至還會增值，這是因為人工智能有學習能力，如阿爾法狗，它一天比一天聰明。這與傳統的資本完全不同。
第二，從勞動力的角度，人工智能與勞動力之間的替代關系和互補關系同時存在。在國民經濟的很多部門，人工智能會逐漸替代人工，但在其他很多部門，人工智能與勞動力之間是互補的。而且人工智能對勞動力的替代，有可能意味著人們會接受更多的教育，從而帶來勞動生產率的提升。
從歷史的經驗來看，可以參考信息技術對生產率的影響。1996—1999年，是美國信息技術、互聯網開始發(fā)展的時期。這段時期，美國全要素生產率年均增長2.8%，是1980—1995年的兩倍。這一數據表明人工智能這種新的技術會使得生產力有大幅度的提升。
第一次工業(yè)革命時期，1850—1910年，蒸汽機驅動的經濟增長是0.3%，而第三次工業(yè)革命也就是信息技術驅動的經濟增長是0.6%。
有估算認為，人工智能驅動的經濟增長在0.8%—1.4%。雖然這個數字還難以確認，但有充分的理由相信，人工智能對整個經濟效率的提升有非常大的幫助。
除了人工智能直接帶來的經濟增長，還有兩個與人工智能間接相關并會提升經濟增長的原因。
第一，來自于管理和組織效率的提升，這個是在微觀層面上的。
Bloom（2007）等學者的研究表明，不同國家的企業(yè)管理水平差別很大。假設企業(yè)管理水平的總分是5分，將各國企業(yè)管理水平得分排名，美國、日本、德國名列前茅，中國則仍然處在一個非常低的水平上。這一研究對于理解中國經濟增長的長期潛力有非常重要的含義。
中國是在如此低的管理水平的基礎上取得近四十年的高速增長的。如果中國能夠借鑒國際先進的企業(yè)管理經驗，提升組織管理效率，就可以大幅提升中國的經濟增長水平。
第二，要素錯配的問題。
要素錯配對經濟增長的影響近年來在學術界引起了很大的關注。提升經濟增長的另外一種方式是改善要素錯配。要素錯配會導致經濟效率的損失，如果中國能夠改善經濟要素的配置效率，就可以提升經濟效率，進而促進經濟增長。
謝長泰[6]等的研究表明，與理想狀況相比，中國的全要素生產率提升可以超過100%；即使是與美國的實際水平相比，中國的全要素生產率仍然會有3%—50%的提升，這表明如果中國能夠改善要素配置，經濟增長的潛力就會持續(xù)提升。
總體來講，跨部門、跨行業(yè)的生產率都存在差別。一個國家的企業(yè)生產率越集中，表示企業(yè)之間的生產效率越是接近的；越分散則表示不同企業(yè)的生產效率有差別。而中國企業(yè)的生產效率有很大的提升空間。
中國消費互聯網的發(fā)展已經證明了提升要素配置促進經濟增長的作用。阻礙要素配置效率方面有幾個重要的調整成本，包括企業(yè)所有權和政治的聯系、大量的非正式部門等。
但人工智能的發(fā)展會導致這些非正式部門的快速消失。這就是為什么產業(yè)互聯網和人工智能的出現會改善要素配置效率，促進經濟增長的原因。
03
產業(yè)互聯網的影響
在消費互聯網中，已經出現的代表性企業(yè)有美國的谷歌、蘋果、臉書、亞馬遜，中國的百度、阿里巴巴、騰訊。
但產業(yè)互聯網還正在發(fā)展中，目前還看不到明確的巨頭。美國的通用電氣是在產業(yè)互聯網方面轉型最堅定的企業(yè)，但目前仍然沒有看到非常明顯的競爭優(yōu)勢。
什么是產業(yè)互聯網？筆者的定義是，產業(yè)互聯網是通過互聯網來重構產業(yè)的價值鏈和創(chuàng)造新的價值。而不是簡單地在互聯網上加一個東西，其范圍其實是非常廣泛的。
需要正確理解產業(yè)互聯網與通常所講的“互聯網+”或“+互聯網”的區(qū)別。
以婚介市場為例，婚介市場是一個具有很大的商業(yè)價值和社會價值的大市場。簡單的“互聯網+”就是把婚介搬到網上去，即國內很多婚戀網站的模式。這種做法只是把線下的婚介搬到線上。其目標是盡可能多地促進互動（interaction）。但美國有一家與眾不同的婚戀匹配的網站，叫做eHarmony。
中國的很多婚戀網站注冊很容易，但美國這家公司卻不同。如果想要成為該網站的會員，需要花四個小時做心理學專家仔細設計的250道問題。這種做法的好處在于可以剔除哪些不是嚴肅找婚戀對象的用戶，有效提升匹配效率。
這里的核心就是進行價值鏈的重構。整個網站是在信任的基礎上，給用戶提供嚴肅、有效的匹配。這種做法完全改變了婚戀網站的商業(yè)模式和治理方式，這就是產業(yè)互聯網與“互聯網+”的區(qū)別。
產業(yè)互聯網是一個巨大的市場，發(fā)展空間巨大。通用電氣的估計是32萬億美元，占到了美國46%的GDP。根據思科的估計，到2020年，美國公司的利潤通過產業(yè)互聯網可以增長21%。
雖然目前中國市場上沒有明確的產業(yè)互聯網巨頭，但可以期待產業(yè)互聯網會為中國帶來同樣的巨變。
革命性的新產品或新服務一定會出現，類似于蘋果創(chuàng)造新的市場，或是特斯拉改變世界汽車產業(yè)的方式。特斯拉的意義在于其完全顛覆了一個產業(yè)。
電動車并不是新東西，愛迪生是最早看到電動車前途的。但真正驅動汽車產業(yè)大發(fā)展的是福特的T型車和汽車能源的使用方式。
特斯拉的重要性在于其對汽車產業(yè)的兩個根本性改變：自動駕駛系統和充電電池系統。這就是為什么特斯拉的市值會超過傳統的汽車巨頭通用汽車。需要看到的是，特斯拉試圖做的是成為汽車產業(yè)的微軟和英特爾的結合體。
新的應用效率可能會降低成本，提升滿意度和安全性。因為在整個生產、服務領域，都會有非常大的改變。
提到工業(yè)物聯網，如果效率的提升會帶來整個產值的增加，那么無論是航空、電力、健康、鐵路，還是石油、天然氣，產業(yè)互聯網和人工智能對上述產業(yè)的改變都會非常大。
04
平臺化組織
今天全球十大公司很多都是平臺型公司，包括谷歌、蘋果、騰訊、阿里巴巴等。平臺經濟的商業(yè)模式會影響到很多層面，包括國家層面、地方政府、城市，以及各個產業(yè)。人工智能的出現，會加劇這個過程的演變。
以PC產業(yè)的演變?yōu)槔?，傳統計算機產業(yè)的典型代表是早期具有垂直整合結構的IBM，即計算機的所有零部件都由自己生產。但今天的計算機產業(yè)是一個非常碎片化的產業(yè)，由極少數的關鍵玩家主導，如芯片由因特爾主導，操作系統則由微軟主導，其他的部件則由標準化配件提供商生產。
計算機產業(yè)從垂直整合結構演變?yōu)榉稚⑺浇Y構，意味著這個產業(yè)的利潤被少數平臺型公司獲取，其他公司只能賺非常薄的利潤。這是非常重要的演變趨勢，PC產業(yè)的演變，將來有可能會在很多產業(yè)中復制。
任何一個行業(yè)，如果像PC產業(yè)一樣演變，那就意味著產業(yè)里絕大部分公司只能退化成一個提供標準化組件并獲取市場平均利潤的普通公司，而主導產業(yè)演變的平臺型公司則將領導整個產業(yè)并獲取絕大部分的蛋糕，如智能手機平臺蘋果、搜索平臺谷歌、電商平臺阿里巴巴和社交平臺騰訊。
平臺型組織的演變會對社會產生的影響主要有三個趨勢：
第一個趨勢是平臺化后，產業(yè)的合作和融合更加明顯。
一些提供單一功能或服務的企業(yè)存在通過其獨特服務滲透到其他產業(yè)進行平臺覆蓋的可能。產業(yè)的分散化意味著核心的主導公司可能會通過技術來顛覆傳統產業(yè)。
如在汽車產業(yè)，傳統的主導公司是通用、福特、奔馳等汽車制造商，但在自動駕駛和新能源時代，谷歌和特斯拉可能通過其全新的駕駛技術或充電技術顛覆傳統產業(yè)。新興的科技公司也有可能通過智能手術技能來顛覆傳統的醫(yī)療產業(yè)。
第二個趨勢是人工智能的基礎設施能夠促進增長，包括硬件、數據。龐大的數據會使大公司的優(yōu)勢加強。
平臺的演變會影響一切經濟形態(tài)和組織形態(tài)，意味著平臺的模式將主導一切，平臺型的國家會出現。未來，美國和中國將會成為全球經濟的超級兩強，其他國家則會成為全球政治和經濟上的組件和配角。
人工智能會使得中美兩國在資本、技術方面的優(yōu)勢進一步強化。而平臺型城市會使得人才和資本的規(guī)模效應更強，更集中在大城市。深圳就是非常典型的平臺城市。
第三個趨勢是平臺型產業(yè)的普遍化。
現在還沒有看到人工智能這個產業(yè)里出現非常典型的突出玩家，但將來一定會有某個公司提供主導機器的操作系統。這個產業(yè)一定會產生一個領導性的企業(yè)，類似于微軟的超級平臺。
可以肯定的是，目前經濟體量較大的國家在人工智能方面的投入會非常多，并進一步導致國家間的強弱分化。
05
結 論
本文主要討論了三個問題：人工智能和互聯網能否帶來新的經濟增長？產業(yè)互聯網將如何影響產業(yè)競爭的格局，它對整個經濟的增長有什么樣的影響？平臺型組織的演變會對社會產生多大的影響？
無論是歷史的數據還是理論分析都表明，可以適度樂觀看待產業(yè)互聯網和人工智能對經濟的影響。人們有理由相信產業(yè)互聯網和人工智能會大幅度提升生產力，并推動長期經濟增長。
同時，筆者認為，平臺加組件的模式會橫掃一切組織形態(tài)，包括國家、城市和產業(yè)，整個社會都會全面向平臺化發(fā)展。
人工智能對醫(yī)療的幫助范文第4篇
關鍵詞：人工智能；應用領域；實際應用
1. 人工智能中智能體的功能
1.1人工智能
人工智能是以知識為對象，研究知識表現、知識獲取、知識挖掘等的學科。從其功能來看，人工智能即參照人類智能活動的客觀規(guī)律，借助一定的智能體，模擬人類的思維執(zhí)行諸如判斷、推理、識別、決策、檢測等活動。
1.2智能體
人工智能必須借助一定的智能體來實現，也就是說，智能體是人工智能的載體。因此，分析人工智能就要借助智能體來闡述。一個性能良好的智能體，應盡量準確捕捉用戶的用意，通過對環(huán)境的感知，敏銳地獲取相關信息和知識，并根據環(huán)境的數據變動適時作出調整，高效執(zhí)行用戶指令，完成用戶指定的任務。
1.2.1單智能體的功能
依照智能體的功能，人們通常將智能體劃分為思考型、反應型、混合型三種。
圖1 思考型智能體的功能示意圖
思考型智能體主要通過用戶根據目標或任務，下達行動指令，用知識和計劃指導行動，并根據行動的反應，對環(huán)境進行感知，智能體感知內部狀態(tài)等對環(huán)境狀態(tài)，適時對動作進行調整，實現思考型智能體的功能。
圖2 反應型智能體的功能示意圖
反應型智能體主要通過規(guī)則動作指導行動，并利用智能體對環(huán)境狀態(tài)的感知，指導規(guī)則動作對環(huán)境作出適應性改變，實現反應型智能體的功能。
圖3 混合型智能體的功能示意圖
混合型智能體的功能較為復雜，它通過智能體對環(huán)境的一般、緊急情況作出反應，對環(huán)境狀況建模，對環(huán)境可能發(fā)生的情況進行預測，與其它智能體進行交流，共同指導決策，指導行動的準確性。
1.2.2多智能體的功能
多智能體即通過多個智能體間的相互協調，共同配合，構成一個綜合智能體，聯合達成一個任務。每個成員智能體有著各自的目標和動作，可以不受其他成員的限制，自主執(zhí)行自身的動作規(guī)則，利用各個智能體間的競爭與協調，化解多個智能體間的矛盾與沖突，實現多智能體的任務，體現多智能體的功能。在多智能體的綜合功能下，各個智能體作為綜合功能的子功能，每個智能體都具有較高的適應性，能夠根據問題，進行規(guī)劃和推理，判斷應該采用的策略，對環(huán)境施加影響。多智能體基于簡單的設計理念，具有有利于建模，可擴展性強，管理方便，能夠節(jié)省構建成本，明白易懂等特點。通過多智能體，可以面向對象，實現智能體的多元化和多層次性的構架，緩解了綜合系統的復雜性，也緩解了各個系統解決問題的復雜性，并通過協調與協作，提高解決問題的效率，提高整個系統行動的效率。
2. 人工智能的主要應用領域
2.1人工智能在教育的應用
2.1.1教師輔導的智能化
人工智能在教育的應用，主要表現在利用Agent技術，實現智能化教學。Agent技術是一種基于分布式的智能技術，通過智能體Agent，可以實現自主學習的功能，并根據感知自身和環(huán)境狀態(tài)，采取相應的行動，達成系統規(guī)定的目標或任務。Agent具有多種優(yōu)勢，諸如可以自主完成行動，快速對動作做出反應，協作能力強，系統處于開放狀態(tài)，通信性能好，能夠隨時隨地進行行動等。多Agent系統由多個成員Agent組成，各個成員Agent都有既定的動作，通過成員hgent間的通信，獲知相關信息，共同協調完成整個系統的復雜任務。Agent在智能化教學中的主要功能：對教學過程進行跟蹤監(jiān)控、教學分析、教學信息的整理、輔助學習、學習方法建議等。通過上述功能，能夠適時監(jiān)督學生的自主學習和教師的輔導，并能夠結合學生的學習行為、學習效果等，提供有效的學習指導，實現教師輔導工作的智能化。
2.1.2教學資源的智能檢索
目前，各種網絡教學資源五花八門，信息量非常大且較為分散，并且各種教學資源還在不斷的增長，給學生和教師利用教學資源帶來相應的困難。智能檢索系統的應用，能夠幫助學生和教師在海量信息中，快速準確地搜索到所需信息，節(jié)省學生或教師的檢索時間，提高用戶檢索效率。
2.1.3智能化評價
隨著現代教育的發(fā)展，運用專家系統技術，通過網絡考試系統，采用智能組卷算法，實現自動組織考卷。通過試題庫，依照既定規(guī)則，對精選的試題進行篩選，實現自適應的試題測試功能。根據相關需要，設計自動評卷功能，對考試結果進行評價，并可根據需要對考試題型進行評價。
2.2數據挖掘技術
2.2.1數據挖掘技術
數據挖掘技術，就是通過揭示數據間的關系和數據的存在模式，對數據和數據庫進行處理的技術。它是人工智能、數據庫管理、仿真等多學科交叉的邊緣學科。數據挖掘技術的應用，為工商、科研工作的發(fā)展提供了較多的新方法，對工商業(yè)與科學研究都具有非常重要的意義。由于數據挖掘技術蘊含著知識表現、知識獲取和知識挖掘等理念，使得其與人工智能的功能如出一轍，很多人認為數據挖掘技術應該是人工智能的一支。從實際來看，雖然數據挖掘技術與人工智能有相應的交集，但它已經成為一個獨立的系統，具有更為豐富的內容體系，與人工智能、機器仿真、OLAP、專家系統等都具有相關性，其規(guī)則、分類、算法等都自成體系，體現出數據挖掘技術的博大精深。
2.2.2數據庫的知識發(fā)現
通過數據挖掘技術，對數據庫中的知識存量進行充分的研究，從中找出潛在的規(guī)律性，從而利用數據的相關性分析，挖掘出蘊含在數據中的抽象知識，揭示數據所表現的客觀世界狀況，從中得出相關的本質和規(guī)律，從而自動獲取知識。知識表現所概括的是數據所揭示內容的概念，比數據本身更有應用價值。
2.3智能檢測技術的應用
2.3.1智能機器人研究
在智能機器人的研究中，研究者更加關注對機器人的行動進行智能控制，也就是說，研究者在給定機器人任務后，必定要根據任務設計相關的動作規(guī)則來實現任務，然后根據智能控制，使機器人的行動達到研究者的預期目的。
2.3.2對流水線的智能監(jiān)控
很多工廠的生產流水線，都需要通過過程監(jiān)控，保障產品質量和系統性能。很多企業(yè)已經采用人工智能對流水線進行監(jiān)控 ，確保流水線的物理參數精度，實現流水線的高效和產品的優(yōu)質。例如汽車工業(yè)的模糊邏輯智能控制，軋鋼廠的神經元智能控制，水泥旋窯的模糊智能控制等。
2.3.3故障的智能診斷
一般情況下，智能系統根據檢測到的故障狀況，對照系統存儲的相關診斷數據和信息，判斷系統、器官、元件等出現故障的原因，采用系統給定的信息進行故障處理，及時排除故障，提高系統的穩(wěn)定性和可靠性。故障的智能診斷系統構架主要有：故障信息庫、診斷信息、數據接口、數據庫等。例如，飛控系統的故障診斷、雷達的專家診斷等。
2.3.4醫(yī)療領域的專家系統技術
從上世紀70年代，醫(yī)療領域已經開始廣泛應用專家系統技術。例如在外科手術中，采用模糊邏輯控制，通過模糊函數與語言，準確把握病人的麻醉深度，實現對病人麻醉深度的智能控制。
3. 人工智能的實際應用
3.1機器人在教育界的應用
3.1.1模擬教學
根據教材的安排，對某些需要解釋的現象進行機器人模擬演示，讓學生認真觀察，從中發(fā)現一定的規(guī)律，使學生加深對規(guī)律性的認識和理解。如數學教學中的拋物線軌跡演示，物理教學中的阿基米德定理演示等，都能夠利用直觀的演示，揭示其中的規(guī)律，使學生加深對相關知識的理解。
3.1.2人機交互的輔導方式
利用機器人輔導學生學習，可以通過人機交互，為學生提供量身定制的輔導模式，使學生的個性得到充分發(fā)展。采用微型機器人與學生的交互輔導，可利用微型機器人其體積小、重量輕，便于攜帶等優(yōu)點，隨時隨地進行學習，隨時為學生解決問題，提供學習指導。利用家庭機器人與學生的交互輔導，承擔家庭教師的職責，有利于學生問題的適時解決，也有利于學生的學習得到及時的鞏固。通過軟件機器人與學生的交互輔導，可以對學生的學習情況進行分析，為學生制定專門的指導計劃，提高學生的學習質量。
3.1.3仿真訓練
在教學中，教師可以利用機器人，將相關內容通過機器人的演示展現給學生，減輕教師的負擔，并能夠通過規(guī)則的動作，使教學更為規(guī)范。例如，用機器人示范體育高難動作，可以將動作分解、定格、重復播放等，從多方位展示動作，使學生能夠充分掌握動作的規(guī)范，比教師的示范更為科學，也更為有效。
3.1.4機器人遠程教育
通過機器人，可以通過對學生的特征數據分析，建立學生模型庫，根據學生的個性，同時對多名遠程教育的學生實施個性化教學和輔導，提高遠程教育的效率，實現遠程教育的智能化。
3.1.5激發(fā)學生的學習興趣
機器人為學生創(chuàng)設富有情趣的教學環(huán)境，根據教學任務，采用與學習相關的游戲，調動學生的學習積極性，使學生在盡可能短時間內，掌握需要了解的知識點，提高學習效率。
3.2數據挖掘技術的實際應用
數據挖掘技術的應用領域較為廣泛，主要有：
（1）商業(yè)領域
商業(yè)領域是最早應用數據挖掘技術的重要領域。通過數據挖掘，對產品銷售數據進行分析，對產品進行市場定位；根據消費者需求分析，對產品的銷售進行預測，調整產品營銷策略；根據市場銷售情況，制定合理的庫存，減少資金的占用；對顧客的購買行為模式進行識別，據此布置貨架，適應顧客的購買習慣；通過食品的滯銷、暢銷分析，制定相應的促銷手段和促銷時間，避免商品過期積壓等等，使數據挖掘技術在商業(yè)領域得到極為廣泛的應用。
（2）金融業(yè)
利用金融服務的各種卡品信息，分析客戶的需求，了解客戶的存款和貸款信息，對存、貸款趨勢作出科學預測，從而制定合理的存、貸款優(yōu)惠策略；對金融交易活動進行監(jiān)控，從中提取有用信息。例如，有信用卡客戶對私家車感興趣，金融機構就可以將信息告知汽車銷售部門，并為客戶提供量身定制的貸款服務。
（3）工業(yè)生產
在產品銷售環(huán)節(jié)，工業(yè)生產企業(yè)對數據挖掘技術的應用與商業(yè)領域的應用大致無異。隨著市場競爭的激烈，很多工業(yè)生產廠家已經通過數據挖掘技術對生產過程進行動態(tài)監(jiān)控。
（4）網絡應用
隨著信息流量的增大，簡單的索引與搜索系統已經很難滿足網絡用戶的需要，有待開發(fā)高層次的搜索引擎來適應網絡不斷的發(fā)展，智能化的搜索引擎帶給用戶的是快捷、高效與易用，使其成為今后搜索引擎的應用趨勢。
（5）其它方面的應用
通訊公司利用遠程通信，及時了解客戶信息，創(chuàng)新客戶服務，拓展新的業(yè)務，擴大市場影響力，贏得最佳效益。高校利用數據挖掘技術，了解生源信息，將學校的專業(yè)信息發(fā)送給目標生源；對教師的情況進行分析，從中找出關聯性，有針對地制定教學方案，有效提高高校的教學質量。醫(yī)藥公司通過對醫(yī)生處方分析，了解醫(yī)生的用藥情況，可以制定合理的供貨計劃和營銷策略。旅游機構對旅游團體進行分析，可以采用有效的旅游模式，吸引更多的旅游團體。利用衛(wèi)星遙感技術獲取的數據，提高天氣預報的準確度。
3.3人工智能在檢測系統的應用
人工智能在檢測領域的應用非常廣泛，如前面介紹流水線的監(jiān)控、智能故障診斷、專家技術系統等，現對網絡入侵的智能檢測系統加以簡要說明。
3.3.1網絡入侵專家檢測系統
該系統的智能化程度高，用戶不用干預專家系統的推理。然而，其系統信息是建立在專家知識的基礎上，必然受專家認知網絡攻擊模式的限制。該系統的構建基于以下幾點：首先，采用安全入侵規(guī)則的描述方式，如判斷樹描述、圖形描述等。其次，通過合理推理，參照專家?guī)斓囊?guī)則，判斷網絡安全狀況，檢測是否有入侵行為發(fā)生。最后，更新專家?guī)欤{整專家規(guī)則，結合神經網絡技術，利用神經網絡技術的敏感性與快速反應能力，不斷增強系統的自適應功能，提高系統檢測能力。
3.3.2入侵統計智能檢測系統
該系統主要對異常的安全問題進行檢測。它通過建立正常行為模型，對照進行網絡入侵檢測，檢測出正常行為有較大偏離，則視為異常。首先，確立門限值，統計某一事件在特定時間出現的頻率，檢測是否超出門限值，判斷系統是否異常。其次，設定事件度量均值、度量標準偏差的置信區(qū)間，統計系統的兩個參數值，判斷系統是否偏離區(qū)間，檢測系統異常與否。最后，根據事件的矩陣數據，對事件轉移的概率進行統計分析，結果小則預示存在異常。
參考文獻：
[1] 于大方.淺析人工智能及其應用領域[J].科技信息.2008(23)
[2] 張鵬.智能機器人輔助教育及其應用[J].中國電化教育2009(2)
[3] 龔成清.基于人工智能的網絡入侵檢測系統設計[J].南寧職業(yè)技術學院學報.2009(5)
[4] 張睿.淺論數據挖掘技術及其應用[J].成功(教育版). 2009(10)
人工智能對醫(yī)療的幫助范文第5篇
現在的機器擁有超強的計算能力，能識別對象并實時翻譯講話。人工智能終將變得越來越聰明。
重要性：如果計算機能夠可靠地識別模式并對外部世界的發(fā)展趨勢給出正確推論，那么，它可以更有效地幫助人類。
突破：這種人工智能方法可以放之四海而皆準，廣泛應用于多個領域。
重要參與者：谷歌公司、微軟公司、IBM公司、加拿大多倫多大學的杰弗里·辛頓教授。
美國發(fā)明家、預言家雷·庫茲韋爾曾發(fā)明了盲人閱讀機、音樂合成器和語音識別系統。2012年7月，庫茲韋爾拜訪了谷歌公司的首席執(zhí)行官拉里·佩奇，但他的目的并非為了找工作。庫茲韋爾是一名受人尊敬的發(fā)明家，也在變成研究機器智能的未來學家。他想與已經看過他即將出版的《如何創(chuàng)建思維》這本書手稿的佩奇討論此書，他對佩奇表示，他想創(chuàng)辦一家公司來實現自己的想法——建造一臺真正的智能計算機：能夠理解語言，接著進行推論然后自己做出決定。
很顯然，這樣一種嘗試需要谷歌公司海量的數據庫和無與倫比的計算能力。佩奇對庫茲韋爾說：“我可以給你一些權限，讓你使用我們公司的數據庫和計算機，但是，靠一家公司單打獨斗，很難做成這件事。”因此，佩奇建議除了自己開公司，從沒有在其他公司工作過的庫茲韋爾加入谷歌。庫茲韋爾很快做出了決定：今年2月，他正式入職谷歌，成為該公司的工程部主管。庫茲韋爾說：“50多年來，我專注研究人工智能就是為了這一刻?！?/p>
吸引庫茲韋爾的不僅包括谷歌公司的計算資源，而且，也包括該公司在人工智能的新領域——深度學習方面所取得的令人驚嘆的進步。深度學習軟件試圖模擬大腦新皮質內神經元的活動，新皮質是哺乳動物大腦皮質的一部分，在腦半球頂層，大約2到4毫米厚，分為6層，占據大腦80%的這些皺褶正是人類思想的發(fā)源地。深度學習軟件能非常真切地學會識別用數字形式表示的聲音、圖像和其他數據的不同模式。
幾十年前，就有科學家提出了深度學習的基本思路：軟件能用人造“神經網絡”來模擬大腦新皮質中的神經元陣列，幾十年來，研究這一領域的科學家們可謂喜憂摻半。但是，得益于數學公式的改進和計算能力的提升，計算機科學家現在能為更多虛擬神經元建立模型。
隨著科學家們的研究不斷深入，現在，這些軟件在語音和圖像識別方面取得了可喜的進步。去年6月，谷歌研發(fā)的一套深度學習系統證明，其在YouTube視頻的1000萬張圖像中識別出諸如貓等物體的準確度為此前任何一個圖像識別系統的兩倍。谷歌還利用該技術，降低了其最新研發(fā)的安卓（Android）手機軟件的語音識別的錯誤率。去年10月，微軟首席研究官里克·拉希德在中國演講期間，向與會來賓演示了一款令人驚嘆不已的語音軟件。該軟件可將拉希德的口頭發(fā)言轉錄成英文文本，錯誤率僅為7%，之后，再將英文文本翻譯成漢語文本，然后模仿他的口音用普通話說出那些文本。同樣在去年10月份，一個由三名研究生和兩位教授組成的團隊贏得了化學與制藥公司默克公司舉辦的一場競賽，競賽的主旨是鑒別出可導致新藥的分子，該團隊正是采用深度學習的方法，將目標對準那些最有可能與靶標綁定的分子，從而取得了成功。
谷歌目前已經成為一塊極富吸引力的磁鐵，吸引著全球研究深度學習和相關的人工智能領域專家紛至沓來。2013年3月，谷歌收購了由加拿大多倫多大學計算機科學教授杰弗里·希頓創(chuàng)立的深度學習企業(yè)DNNresearch，希頓也曾獲得過默克大獎。希頓目前將自己的時間一分為二：一半給大學；一半給谷歌。辛頓表示，他計劃“將這一領域的理念提取出來，用來解決實際問題——諸如圖像識別、搜索、自然語言理解等方面的問題”。
上述研究進展時刻在提醒人工智能研究領域的專家們：科幻小說和電影中出現的機器終將出現在現實生活中。的確，機器智能已滲透到各行各業(yè)并在逐步改變這些行業(yè)的面貌，從通訊、計算到醫(yī)療、制造以及運輸等，不一而足。IBM研究的超級計算機Watson在美國著名的智力比賽中獲勝讓這一切得以彰顯。Watson也使用了一些深度學習技術，而且，科學家們現在也在訓練它幫助醫(yī)生做決定。微軟也在手機操作系統Windows Phone和Bing語音搜索中用到了深度學習技術。
然而，要想將深度學習技術從語音和圖像識別領域擴展到其他應用領域則需要科學家們在概念和軟件上做出更大突破，而且還需要計算能力的進一步增強?；蛟S，在幾年內，我們不會看到計算機能自己思考，但幾十年內或許可以。微軟美國研究院的院長皮特·李說，深度學習已經引發(fā)了人工智能領域很多新的大挑戰(zhàn)。
建造大腦
當然，有挑戰(zhàn)就會有人想解決辦法，一直有一些富有競爭力的方法來應對這些挑戰(zhàn)。現在，人們已經可以將現實世界的信息和規(guī)則“喂給”計算機，為了做到這一點，需要程序員們不辭辛勞地編寫這方面的軟件。這會耗費大量人力物力，但是，系統仍然無法處理模糊數據，這些程序的使用范圍僅限于一些受控的應用領域，諸如手機的菜單系統等，該系統要求你通過說出特定的詞語來提要求。
人工智能領域出現后不久，神經網絡也于上世紀50年代開始興起。神經網絡似乎很有前景，因為它們試圖模擬大腦的工作方式，盡管采用的是一種非常簡化的形式。程序能標示出一套虛擬的神經元然后隨機給它們分配數值或者“權值”，以讓它們之間相互關聯。這些“權值”決定了每個模擬的神經元的反應——用數值輸出0和1來表示，通過這種方式可以對圖像中的邊框或者藍色陰影、話語中的一個音素的某個能級等特征進行數字化表達。
程序員需要訓練神經網絡通過用含有這些物體的圖像或含有這些因素的聲波的數字化后的版本來探測一個物體或者音素。如果該網絡無法精確地識別某個特定的模式，將會有一個算法來調整這些權值。這種訓練的最終目的是讓網絡能夠持續(xù)一致地識別出語音或者圖像中的這種模式，也就是說，識別出每句語音中的音素“d”或者每幅圖像中的狗，這同小孩子通過觀察人們稱作狗的動物的頭型、行為以及毛皮、吠聲等等來認識狗如出一轍。
但是，早期的神經網絡一次能模擬的神經元的數量有限，因此，它們無法識別出復雜程度很高的模式，這種情況一直持續(xù)到上世紀70年代。
在上世紀80年代中期，辛頓和其他人使用所謂的“深度”模型，引發(fā)了神經網絡研究的新一輪復興，深度模型能更好地利用軟件模擬多層神經網絡。但是，這一技術仍然需要大量的人力投入：程序員們不得不在將數據填入神經元網絡前給每個數據貼上標簽。而且，復雜的語音或者圖像識別所要求的計算能力彼時也讓人望塵莫及。
在過去十年里，辛頓和其他研究人員才終于做出了一些根本性的概念上突破。2006年，辛頓研發(fā)出了一種更有效地訓練單層神經元的方法。即第一層網絡學習一些基本的特征，諸如圖像的邊緣或者聲音的最小單元等。它通過發(fā)現那些出現頻率反常高的數字化后的像素或者聲波組合來做到這一點。一旦第一層精確地識別出這些特征，那么，它將被“喂給”第二層，以便第二層訓練自己識別更復雜的特征，諸如邊角或者聲音單位的組合等等。這一過程在多層之間不斷重復，直到該系統能夠可靠地識別出音素或者對象為止。
就像上面提到的圖像中的貓。去年6月，谷歌演示了迄今最大的神經網絡，其擁有超過10億個節(jié)點。美國斯坦福大學的計算機科學教授安德魯·恩格和谷歌的科學家杰夫·迪恩讓系統從1000萬個隨機選擇的YouTube視頻上挑出了貓的圖像。在該軟件模型中，一個模擬的神經元主要注意貓的圖像。其他神經元則專注于人臉、黃色的花朵以及其他物體的圖像。因為深層學習擁有的強大功能，盡管此前并沒有人給這些圖像貼上標簽，該系統還是識別出了這些互不相干的對象。
然而，讓某些人工智能專家深感震驚的是深度學習在圖像識別領域所取得的驚人成就。該系統可以給YouTube視頻中的對象分類，并添加主題，準確率達16%，盡管聽起來并不是很高，但與以前的方法相比，準確率提高了70%。迪恩強調稱，要知道，YouTube視頻中的對象總共有2.2萬個類別，大部分人都無法做到這一點。當該系統被要求將圖像分成1000多個常見類別時，準確率一下子飆升到50%。
大數據
在實驗中訓練多層虛擬神經元占用了谷歌公司的1.6萬臺計算機處理器，谷歌公司研發(fā)這些計算基礎設施的目的是用于搜索引擎和其他服務。機器學習新興公司Vicarious的聯合創(chuàng)始人迪利普·喬治稱，人工智能領域最近取得的進步80%要歸功于計算能力的增強。
然而，谷歌龐大的數據中心深度學習飛速發(fā)展只是這枚硬幣的一面，谷歌的操作策略則是這枚硬幣的另一面，這些操作策略就是，將計算任務分開，讓不同的計算機執(zhí)行不同的操作以便很快完成這些任務。這是迪恩早期的研究成果，迪恩已在谷歌工作了14年。這一策略讓深度學習神經網絡的訓練速度大大提高，使谷歌能夠運行更大的網絡并朝這些網絡填入更多數據。
而且，深度學習也提高了智能手機上聲音搜索軟件的性能。直到去年，谷歌的安卓（Android）手機軟件使用的方法還會弄錯很多單詞的意思。但是，在準備于去年7月新安卓系統的過程中，迪恩領導的研究團隊用基于深度學習的系統取代了部分語音系統。因為多層神經元能對一個聲音的多種變形進行更精確的訓練，所以，該系統能更可靠地對各種支離破碎的聲音進行識別，尤其是在地鐵等嘈雜環(huán)境中的聲音。因為新系統能夠更好地理解話語所表達的真實意義，因此，返回的結果可能也會更加精確。幾乎一夜之間，錯誤率下降到了25%，結果好得出乎人意料之外，有些評論家現在甚至認為安卓的語音搜索功能比蘋果手機最著名的Siri語音助手還要更智能。
盡管上述諸多進展令人歡欣鼓舞，但是，并非每個人都認為深度學習會助推人工智能超越人腦。有些批評家表示，深度學習和人工智能從根本上忽略了大腦生物學的很多方面，太過于注重計算能力。
其中一個批評來自手提微型電腦Treo的發(fā)明者、PalmComputing公司的創(chuàng)辦人杰夫·霍金斯，2004年，霍金斯就出版了《人工智能的未來》一書，主要討論大腦如何工作以及如何為建造智能機器提供引導。
霍金斯上一個風險投資是Numenta公司，這是一個令人興奮的新公司，它試圖建立像人腦一樣的計算機，該公司正在研發(fā)一種機器學習系統，其在生物學上受到了深度學習理論的啟發(fā)，但并不使用深度學習。Numenta的系統能夠幫助預測能源消耗模式以及諸如風車等機器失敗的可能性。
霍金斯表示，深度學習無法解釋時間的概念。他說，大腦會處理傳感數據流，而且，人類的學習依靠回憶模式序列：當你觀察到一只貓在做某些有意思事情的視頻，有意義的是運動本身，而非谷歌在實驗中使用到的一系列靜止圖像。霍金斯說：“谷歌的態(tài)度是，數據彌補了一切。”
不過，即使數據不能彌補一切，諸如谷歌等公司用來解決這些問題的計算資源也不會被棄置。深度學習的支持者們強調說，這些數據非常關鍵，因為大腦本身比今天的任何一個神經網絡都要復雜得多。他們表示：“人類需要很多計算資源來使思想更好地工作?！?/p>
敢問未來之路在何方？
盡管谷歌對深度學習的未來應用并不那么確定，但是，其前景確實慢慢在發(fā)酵。顯然，更好的圖像搜索能夠幫助YouTube。而且，迪恩表示，深度學習模型能使用語音數據來更快地訓練系統識別其他語音數據。更復雜的圖像識別技術有望使谷歌的自行駕駛汽車表現更好。而且，深度學習和人工智能軟件也將幫助谷歌和其廣告客戶更好地了解人們的想法與需求，從而對廣告營銷產生重大影響。
上述美好暢想正是吸引庫茲韋爾的魅力所在，65歲的庫茲韋爾多年來一直潛心研究智能機器。在高中階段，他就編寫軟件使計算機能夠制造出不同形式的音樂，并于1965年在電視秀節(jié)目《我有一個秘密》中進行了演示。從那時起，他的發(fā)明囊括了多個第一：第一臺盲人閱讀器；第一個可以對要打印的任何字體的文本進行掃描并數字化的軟件；第一個能再造交響樂器的聲音的音樂合成器；第一個具備大型詞典的對話識別系統。
他現在的設想是，未來，人們的手機通訊錄中會有一個“網絡朋友”，可以在用戶允許的情況下閱讀電子郵件、追蹤用戶的一舉一動，因此，當你有任何問題時，他都會告訴你答案。這并非他在谷歌的直接目的，但是，這一目的與谷歌聯合創(chuàng)始人謝爾蓋·布林的目標相吻合。在公司成立之初，布林就表示，他想建造《2001太空漫游》中人工智能電腦HAL9000（HAL9000作為太空船的總控制電腦，既具有電腦對任務的絕對服從及精確性，又具有人類思維甚至感情，它在太空旅行中設計害死了除戴維之外的所有宇航員，最后戴維讓其停止運行）那樣的智能機器，唯一不同的是，他制造出來的機器不會殺人。
庫茲韋爾目前的目標是幫助計算機理解甚至表達自然語言。他說：“我的使命是讓計算機對自然語言有足夠的理解力，然后來做有用的事情——更好地進行搜索、更好地回答問題。”最終，他希望制造出比IBM公司的Watson更好的機器——盡管他很欣賞Watson表現出的理解能力和快速反應能力。
庫茲韋爾并不僅僅專注于深度學習，盡管他承認他的語音識別方法也同樣基于大腦如何工作的理論。他想給單詞、詞組以及句子的本來意義建模，包括容易讓計算機犯錯的模糊意義。他說：“我想尋找一種圖畫式的方式來表達語言的語義?！?/p>
這就需要一種更綜合的方式來用圖表表示句子的句法。谷歌也在使用這種分析方法改進翻譯中的語法。更好地理解自然語言將需要計算機能夠掌握我們人類認為是常識的意思。為此，庫茲韋爾將會用到谷歌的知識圖譜——谷歌對大約7億個主題、方位、人等進行的分類以及它們之間的幾十億個關系。知識圖譜去年投入使用，會給搜索者提供問題的答案而非只有鏈接。
最終，庫茲韋爾計劃用深度學習算法來幫助計算機處理“語言中的軟邊界和模糊內容”。這聽起來令人有點望而卻步，實際情況也的確如此。他說：“理解自然語言并非像搜索那樣，是一個在某個時刻就可以完成的任務，它是一個永遠也無法完成的計劃?！?/p>
盡管庫茲韋爾的設想可能需要多年才能變成現實，在可見的未來，深度學習可以在語音和圖像識別之外的其他領域找到用武之地。首先，在藥物發(fā)現方面——辛頓的團隊在默克大賽中取得大獎就證明了這一點。
