人工智能医疗诊断范文
时间:2023-12-14 17:41:12
导语:如何才能写好一篇人工智能医疗诊断,这就需要搜集整理更多的资料和文献,欢迎阅读由公务员之家整理的十篇范文,供你借鉴。
篇1
目前,人工智能在医疗领域的研究成果频出,人工智能应用医疗领域已是大势所趋。各个科技巨头都相继布局人工智能医疗行业。对人工智能在医疗的应用主要基于多方面的客观现实:比如优质医疗资源供给不足,成本高,医生培养周期长,误诊率高,疾病谱变化快,技术日新月异;此外,随着人口老龄化加剧和慢性疾病发病率的增长,人们对健康重视程度普遍提高,医疗服务需求也在持续增加。
人工智能结合医学应用有非常多的益处,可以让患者、医师和医疗体系均受益。比如对于患者来说,可以更快速地健康z查,获得更为精准的诊断结果和更好的个性化治疗方案建议;对于医师来讲,则可以消减诊断时间,降低误诊的概率并对可能的治疗方案的副作用提前知晓;对于医疗体系来说,人工智能则可以提高各种准确率,同时系统性降低医疗成本。
据悉,人工智能在智能诊疗、智能影像识别、智能药物研发和智能健康管理等方面都有广泛的应用价值。
比如在智能诊疗方面,就是让计算机“学习”专家医生的医疗知识,模拟医生的思维和诊断推理,从而给出可靠诊断和治疗方案。智能诊疗场景是人工智能在医疗领域最重要、也最核心的应用场景。谷歌宣布已尝试将其面向消费者的机器学习能力应用到医疗保健领域中。今年谷歌的人工智能算法在乳腺癌诊断上也表现出了很高准确度;苹果公司最近收购了Lattice,该公司在开发医疗诊断应用的算法方面具有很强能力。
在智能影像识别方面,人工智能的应用主要分为两部分:一是图像识别,应用于感知环节,其主要目的是将影像进行分析,获取一些有意义的信息;二是深度学习,应用于学习和分析环节,通过大量的影像数据和诊断数据,不断对神经元网络进行深度学习训练,促使其掌握诊断能力。作为医生,从一个大的图像如CT、核磁共振图像判断一个非常小的阴影,是肿瘤是炎症还是其他原因,需要很多经验。如果通过大数据,通过智能医疗,就能够迅速得出比较准确的判断。
在智能药物研发方面,则是将人工智能中的深度学习技术应用于药物研究,通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物,达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。人工智能通过计算机模拟,可以对药物活性、安全性和副作用进行预测。目前借助深度学习,人工智能已在心血管药、抗肿瘤药和常见传染病治疗药等多领域取得了新突破,在抗击埃博拉病毒中智能药物研发也发挥了重要的作用。
在智能健康管理方面,则可以将人工智能技术应用到健康管理的很多场景中。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。比如通过获取信息并运用人工智能技术进行分析,识别疾病发生的风险及提供降低风险的措施。计算机还能收集病人的饮食习惯、锻炼周期、服药习惯等个人生活习惯信息,运用人工智能技术进行数据分析并评估病人整体状态,协助规划日常生活。在精神健康领域,计算机可运用人工智能技术从语言、表情、声音等数据进行情感识别。在健康干预层面,计算机则可以运用AI对用户体征数据进行分析,定制健康管理计划。
从IBM Watson的发展看医学人工智能的未来
目前国内外已经有很多高科技企业将认知计算和深度学习等先进AI技术用于医疗领域,并出现了很多产品,其中以IBM的“沃森医生”(IBM Watson)最有代表性。IBM Watson作为该领域中的翘楚,随着人工智能技术的逐渐成熟,在2016年开始放开手脚,以肿瘤诊断为重心,开始在慢病管理、精准医疗、体外检测等九大医疗领域中实现突破,逐步实现人工智能作为一种新型工具在医疗领域的独特价值。
沃森是2007年由IBM公司开发的,IBM Watson具备了自然语言处理、信息检索、知识表示、自动推理、机器学习等能力,能够快速搜索分析非结构化的数据,获取想要的结果。2015年,日本东京大学医学院研究所最初的诊断结果,确诊一位60岁的日本女性患了急髓白血病,但在经历各种疗法后,效果都不明显。无奈之下,研究所只好求助IBM Watson,而IBM Watson则通过对比2000万份癌症研究论文,分析了数千个基因突变,最终确诊这位60岁的日本女性患有一种罕见的白血病,并提供了适当的治疗方案。整个过程IBM Watson只用了短短10分钟。
自2012年罗睿兰接手IBM开始,IBM公司发展方向与业务架构就一直在进行根本性调整。传统硬件与系统软件业务地位不断退后,而云计算、网络安全、数据分析与人工智能成为了公司现金流的核心投放领域。现在的IBM正在转型为一家认知计算和云平台的公司。其中在医学人工智能的优势也越来越明显。
IBM Watson首先进入的领域是复杂的癌症诊断和治疗领域,这也是目前全世界医学界聚焦的重点。Watson的第一步商业化运作就是通过和纪念斯隆・凯特琳癌症中心进行合作,共同训练IBM Watson肿瘤解决方案(Watson for Oncology)。癌症专家在Watson上输入了纪念斯隆・凯特琳癌症中心的大量病历研究信息进行训练。在此期间,该系统的登入时间共计1.5万小时,一支由医生和研究人员组成的团队一起上传了数千份病人的病历,近500份医学期刊和教科书,1500万页的医学文献,把Watson训练成了一位杰出的“肿瘤医学专家”。随后该系统被Watson Health部署到了许多顶尖的医疗机构,如克利夫兰诊所和MD安德森癌症中心,提供基于证据的医疗决策系统。
相继攻克肺癌、乳腺癌、结肠癌、直肠癌后,2015年7月IBM Watson for Oncology成为IBM Watson health的首批商用项目之一,正式将上述四个癌种的肿瘤解决方案进入商用。2016年8月IBM宣布已经完成了对胃癌辅助治疗的训练,并正式推出使用。此外沃森还在2016年11月训练完上线了宫颈癌的服务。
目前IBM Watson肿瘤解决方案已经进入中国。2016年12月,浙江省中医院联合思创医惠、杭州认知三方共同宣布成立沃森联合会诊中心,三方将合作开展IBM Watson for Oncology服务内容的长期合作,这是自IBM Watson for Oncology引入中国以来,首家正式宣布对外提供服务的Watson联合会诊中心,意味着中国医疗行业将开启一个新型人工智能辅助诊疗时代。目前Watson可以为肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌6种癌症提供咨询服务,2017年将会扩展到8-12个癌种。在医生完成癌症类型、病人年龄、性别、体重、疾病特征和治疗情况等信息输入后,沃森能够在几秒钟内反馈多条治疗建议。
此外,IBM Watson还与辉瑞达成了一项新协议,会将前者的超级计算能力用于癌症药物研发。辉瑞将用上Watson for Drug Discovery的机器学习、自然语言处理及其它认知推理能力,用于免疫肿瘤学(Immuno-oncology)中的新药物识别,联合疗法和患者选择策略。由于免疫肿瘤学的未来在于针对独特肿瘤特征的组合,这会改变癌症治疗方式。而在药物研发中利用Watson的认知能力,可以更快地为患者带来可能的新免疫肿瘤治疗。
毫无疑问,人工智能将会成为未来IBM的成长引擎。沃森目前已经不仅仅满足于涉及糖尿病等慢病、大健康、医疗影像、体外检测、精准医疗、机器人、疾病研究治疗这几个领域,未来,沃森的触角还会伸到医疗的其他行业,为整个医疗行业服务。
中国版小小“沃森”不断面世
与IBM Watson十年的发展轨迹不同,中国在医学人工智能领域的发展属于追赶者。由于中国没有统一的医疗数据格式以及数据孤岛的隔离,中国在医学人工智能I域投放的资源相对要少很多。不过这并不妨碍国人对其发展的热情。在智能影像识别和诊断方面,中国已经出现了若干版本的小小“沃森”,他们的功能虽然没有IBM Watson那么强大,但也在各个领域显示出独特的应用价值。
浙江德尚韵兴图像科技有限公司是由浙江大学知名专家和珠海和佳医疗设备股份有限公司共同投资成立一家高科技公司。浙江德尚韵兴利用深度学习处理超声影像,同时加入旋转不变性等现代数学的概念,形成了“DE-超声机器人”。该机器人算法借助计算机视觉技术,可以对甲状腺B超快速扫描分析,圈出结节区域,并给出良性与恶性的判断,大大节省了医生的诊断时间。一般来说,人类医生的准确率为60%-70%,而当下算法的准确率已经达到85%。
据悉,人体甲状腺结节已成常见病,如果不加重视,甲状腺结节可能会发生恶变,进而发展成癌症,危及生命。但由于个体化差异,目前三甲医院甲状腺结节的诊断准确率平均也只有60%,如果不做活检,不同医生对同一张片子可能会做出不同判断。而超声机器人的出现,不仅能辅助医生做出精准判断,还能缩短病人就医时间,提升医疗效率。目前“DE-超声机器人”已经在浙江大学第一附属医院、中国电子科技集团公司第五十五所职工医院和杭州下城区社区医院临床应用,一年病例达到8万多,准确率达86%以上。
2017年2月,中山大学中山眼科中心刘奕志教授领衔中山大学联合西安电子科技大学的研究团队,利用深度学习算法,建立了“CC-Cruiser先天性白内障人工智能平台”。该人工智能程序模拟人脑,对大量的先天性白内障图片进行分析和深度学习,不断反馈提高诊断的准确性。将该程序嵌入云平台后,通过云平台上传图片,即可获得先天性白内障的诊断、风险评估和治疗方案。
据悉,先天性白内障是一种严重威胁儿童视力的疑难罕见病。中山眼科中心有全球最大的先天性白内障队列(队列人数近2000名),基于该队列开展了一系列严谨的研究,积累了大量高质量的先天性白内障临床数据。中山大学眼科中心于2017年4月设立“人工智能应用门诊”,由人工智能云平台辅助临床医师进行诊疗。在人工智能门诊就诊的患者,除接受常规诊疗外,其检查数据即时同步到CC-Cruiser云平台,同时享受由人工智能机器人提供的“专家级”诊疗。目前CC-Cruiser已在3家协作医院完成临床试点应用,并取得理想效果。此外,中山眼科中心已经连接了、新疆、云南、青海等边远省区上百家基层医院,每天有大量眼科检查数据上传云平台请求专家协助诊断。在医学人工智能应用场景下,病例以及图像数据将首先通过人工智能程序进行初审,再由专家复核,效率将提升70%以上,极大提高了专家协诊效率。
2017年5月,丁香园、中南大学湘雅二医院和大拿科技共同宣布就皮肤病人工智能辅助诊断达成独家战略合作,并了国内首个“皮肤病人工智能辅助诊断系统”。资料显示,系统性红斑狼疮是一种慢性自身免疫性疾病,属于风湿性疾病中的弥漫性结缔组织病,可引起全身多个脏器受累,包括皮肤、关节、肾脏、血液等。如何精准诊断系统性红斑狼疮,一直是困扰各国科学家的世界医学难题。
目前三方合作研发出的是红斑狼疮人工智能辅助诊断模型,该模型对红斑狼疮各种亚型及其鉴别诊断疾病能进行有效区分,识别准确率超过85%。据悉,该系统一方面是面向皮肤科医生,医生通过APP,把图像传到系统以后,系统提示最有可能的皮肤病类型,然后建立皮肤病电子百科全书,通过百科全书再去学习,辅助临床诊断;另一方面是面向患者,系统提供图片鉴别和导诊意见。据悉,该系统第一期主要实现以红斑狼疮为代表的皮肤病人工智能辅助诊断,下一步将“渗透”到其他医疗机构,并将开放患者端服务。
医学人工智能真正落地
需要全产业链配合
专家指出,要真正实现医疗产业的人工智能化,仅靠单方面的力量难以实现,这需要依托全产业链包括医疗主管部门、医疗机构的参与和信息化服务商等各个环节的共同努力。
比如像前文所述的甲状腺结节、红斑狼疮、先天性白内障的诊断,都要依靠形态学的图像数据,这些在皮肤病和病理科特别常见,所以人工智能的优势在此可以得到充分体现。训练一个好的皮肤科医生可能要十年,把人工智能引进后,可以大大缩短时间。但是医学人工智能研发成本高、数据获取难、尚未深入诊疗核心等成为阻碍其真正落地的因素。
人工智能技术形成产品,最重要是要有大量高质量的数据。深度学习靠的是“吃透”大量样本。但目前大部分医疗机构并不愿公开数据。比如前文介绍的德尚韵兴,为了收集数据,尝试通过多个渠道,有社区检查,有付费志愿者,也有试点医院。最后该公司收集了两三万张超声图像,不嗟厥淙胂低持胁疟Vち苏锒献既仿试85%以上。该公司负责人也评价到,如果样本量能提高一倍,诊断准确率还有较大的提升空间。
在获取高质量的医疗数据方面,国内医院在过去信息化程度不高,数据虽然多,但相对杂乱,使用难度大。如何找到合适的切入点,并快速获取数据会是一个很高的门槛。同时,医院信息孤岛现象长期存在,各个医疗机构的数据尚未实现互联互通。这一局面则逐步从政策层面迎来破冰。去年6月,国务院公布了《关于促进和规范健康医疗大数据应用发展的指导意见》,明确指出健康医疗大数据是国家重要的基础性战略资源,需要规范和推动健康医疗大数据融合共享、开放应用。但该政策的真正落地依然需要时间。
篇2
科技部15日召开新一代人工智能发展规划暨重大科技项目启动会,宣布成立新一代人工智能发展规划推进办公室。该办公室由科技部、发改委、工信部、中科院等15个部门构成。科技部还公布了首批国家新一代人工智能开放创新平台名单,分别依托百度、阿里云、腾讯、科大讯飞这四家公司,在自动驾驶、城市大脑、医疗影像、智能语音等四领域建设国家新一代人工智能开放创新平台。
这标志着新一代人工智能发展规划和重大科技项目进入全面启动实施阶段,人工智能的创新应用将得到大规模推进。例如在医疗影像领域,伴随着影像技术的进步以及快速增长的医疗诊断需求,影像科医生已经成为“稀缺资源”,亟待人工智能技术快速准确地实现诊断。腾讯已了人工智能医学影像产品“腾讯觅影”,阿里健康也入股了万东医疗旗下的万里云,该平台每天的阅片量已达数千例。
欧股连续七个交易日下跌,创近两个月新低。欧洲股市周三(11月15日)收跌,泛欧STOXX 600指数已连跌七日,创9月底来新低。英国富时100指数收跌0.56%,报7372.61点;法国CAC40指数收跌0.27%,报5301.25点;德国DAX指数收跌0.44%,报12976.37点。盘面上,基本资源股表现不佳,因金属和石油的价格走低。
巴菲特三季度增持苹果。北京时间15日早间CNBC称,巴菲特旗下伯克希尔哈撒伟公司向SEC提交的文件显示,该公司三季度增持了390万股苹果公司股票,在该公司的持股增至1.341亿股。截止三季度末,伯克希尔哈撒韦总计持有2.6%的苹果在外流通股,价值约210亿美元,成为苹果第五大股东。点评:伯克希尔·哈撒韦公司由巴菲特创建于1956年,是一家主营保险业务,在其他许多领域也有商业活动的公司。大家看看它最新的股价,每股27万4810美元,相当于每股182万人民币!昨天仅仅下跌了0.56%,每股就跌掉了1万多人民币!让人难以置信的是,伯克希尔·哈撒韦公司刚上市时的股价只有7美元!这样的一家在美国上市公司成为苹果第五大股东,你说苹果的市值会超万亿美元么?
篇3
在智能机器人领域,谷歌的Google Home和亚马逊的Echo智能音箱已经取得了成功。用户只需要和音箱进行对话,就能够让音箱完成放音乐,处理多种任务(比如连接灯光和恒温器)等不同的功能,而谷歌的Goolge Home甚至还能够和用户进行双向对话,不仅仅是一个“你说我做”的模式。
而在国内,专门针对儿童市场的智能机器人创业潮已经兴起,飞猪侠、奥飞动漫与东方智慧等不同的团队纷纷挺进这一据称是“240亿元人民币级”的庞大市场。对于这些初创企业而言,中国才实施不久的“二孩”政策和目前人工智能市场的迅猛发展,都让这一市场获得了前所未有的生机。
智能家居
就目前而言,很多智能家居产品都还停留在一些简单的语音控制功能以及利用APP进行远程操纵上。它们和Google Home相比,缺失了双向对话功能的智能产品,还能被冠以“智能”二字吗?另外,大多数的智能家居产品都无法在没有主人的情况下,根据不同环境情况进行自我判断。因此,可以说目前主流的智能家居系统,并没有引进严格意义上的“人工智能”。而从另外一个角度来说,这也是未来人工智能的一大蓝海领域。
目前比较尴尬的是,想要让智能家居产品变得更为智能,更积极地响应用户,就必须要大数据支撑,而大数据本身就来源于庞大的智能家居产品使用人群。这就陷入了一个怪圈―因为现在智能家居产品还不够智能,很多人更倾向于选择传统家居产品。可如果购买智能家居的人少了,大数据的采集必定会变得十分缓慢。在这种循环之下,如果找不到突破口,那智能家居便难有进步。
智能驾驶
虽然智能家居还处于比较尴尬的境地之中,但是在其他垂直领域,因为巨头们的加盟,人工智能的风险与曙光也开始交替出现。
首先是自动驾驶领域。虽然很多智能汽车生产商都把自动驾驶当成了最大卖点,但是自动驾驶汽车的表现迄今为止还是不容乐观。就在前段时间,一辆特斯拉在北京五环使用自动驾驶功能时,发生了碰撞事件,而其中最主要原因就是系统没有准确识别前面停靠的黑色桑塔纳。而在更早一些时候,特斯拉的自动驾驶功能还在美国佛罗里达州引发了一起致命事故。而特斯拉对于此的回应不是着手改善系统或者安抚受害者,而是在官网上将“自动驾驶”字样改成了“自动辅助驾驶”,和消费者玩起了文字游戏。
想要让自动驾驶真正活起来,需要依靠的还是在人工智能上的突破。比如汽车能否像人眼一样,有效识别不同的物体,并自动进行一些模糊判断。好在对于人工智能来说,自动驾驶领域也是他们集中发展的方向之一,除了特斯拉之外,包括谷歌和苹果这些巨头,都在对这一领域进行深入研究。而在国内,甚至连乐视这样的互联网企业,都在其中插上了一脚。也许在之后不远的未来,外界会看到一些革命性的突破。
智能医疗
在智能医疗领域,苹果早就开始布局。大家最为熟悉的苹果智能医疗产品是Apple Watch,据称在始终犹抱琵琶半遮面的Apple Watch 2中,加入了更多智能医疗相关功能。而在软件方面,苹果推出了ResearchKit,这无疑会让更多的医学研究者有机会为自己和整个医学界打造各种不同的健康应用,用来搜集不同病患的健康数据,帮助用户去诊断各种不同的疾病。现如今,基于ResearchKit平台推出的APP已经在哮喘、糖尿病、乳腺癌、帕金森和心血管疾病等各个方面有所突破。
除了ResearchKit外,CareKit这样的专门护理开发平台,也开始在医疗领域发挥作用。虽然这个开源应用还非常稚嫩,但是在追踪药物疗效和支持帕金森患者进行个人护理等方面,CareKit已经有所建树。而就在今年8月,日本东京大学医学研究院的科学家利用IBM公司研发的“沃森”人工智能系统,仅用不到10分钟时间就判断出一名60岁女性患有罕见的白血病,并向研究人员提出了治疗方案。可以说,如果未来能够在智能医疗领域引入人工智能的概念,对整个行业而言应该是一个非常大的进步。
篇4
政策驱动也是重要动力,科技巨头抢先布局引发示范效应。智能化时代,各国从国家战略层面加紧人工智能布局,美国的大脑研究计划(BRAIN)、欧盟的人脑工程项目(HBP)、日本大脑研究计划(Brain/MINDS),而我国也在“十三五”规划中把脑科学和类脑研究列入国家重大科技项目。企业布局方面,谷歌、Facebook、微软、IBM等均投入巨资,其示范效应是产业进步的先兆;国内百度、阿里、讯飞、360、华为、滴滴等也加紧布局。15年行业投资金额增长76%,投资机构数量增长71%,计算机视觉和自然语言处理占比居前。
产业链格局已现,上游技术成型、下游需求倒逼,计算机视觉产业应用最成熟。产业链初步格局已现,从基础层和底层技术,再到应用技术,最后再到行业应用,除了近年来底层核心技术的突破,下游行业需求倒逼也是人工智能应用技术发展的重要动力,诸如人机互动多元化倒逼自然语义处理、人口老龄化倒逼智能服务机器人、大数据精准营销倒逼推荐引擎及协同过滤,等等。其中计算机视觉应用技术的发展可能是最先发力的,国内不乏世界一流水平公司。
2B应用首先爆发,“人工智能+金融、安防”应用前景广阔。“人工智能+”将代替之前的“互联网+”,在各行业深化应用,安防、金融、大数据安全、无人驾驶等等。生物识别和大数据分析在安防和金融领域的应用则是目前技术最为成熟、产业化进程较快,如智能视频分析、反恐与情报分析、地铁等大流量区域的监控比对;金融领域的远程开户、刷脸支付、金融大数据采集、处理、人工智能自动交易、资产管理等。相关推荐标的:东方网力、佳都科技、川大智胜,建议关注大智慧、远方光电。
逐渐向2C端应用扩展,看好“人工智能+无人驾驶、教育”。人工智能在无人驾驶领域的应用体现在三方面:(1)环境感知环节的图像识别;(2)基于高精度地图和环境大数据的路径规划、复杂环境决策;(3)车车交互、车与环境交互下的车联网,智能交通管理。教育领域应用方面,人机交互重构更互动性的教学;大数据和深度学习的结合使得个性化教学成为现实,这也是在线教育最重要的突破点;此外包括VR在内的多载体应用和多屏互动也是发展趋势。相关推荐标的:四维图新、千方科技、东软集团、科大讯飞、长高集团、新开普。
篇5
这是以张国荣在影视、电台等留存下来的原声建模,通过情感语音合成技术实现与粉丝“隔空对话”。据了解,任何一个人只要用30分钟按照要求录制50句话,就可以用百度大脑的语音合成技术模拟出这个人的声音,这意味着,今后每个人都可以拥有自己的声音模型。这是百度大脑所具备的基础能力之一,从语音、图像到自然语言理解再到用户画像……百度在这些领域的应用已经深入到人们的日常生活中。当这些能力赋予全社会的每个人,就能变换出无穷无尽的可能性,让我们重塑对未来的想象。
人工智能的这种神奇魅力吸引了各大科技公司,谷歌、Facebook、IBM等国外科技巨头纷纷通过成立人工智能实验室、并购初创公司等方式,在人工智能领域进行多点布局。百度亦不例外,在人工智能方面的研发可谓不遗余力,更是第一个把人工智能提到核心技术创新地位的国内互联网公司。
2015年底,百度挖来NEC美国智能图像研究院的负责人林元庆担任百度深度实验室主任,由他带领深度学习实验室研发具有统治级别的人工智能技术。在本刊的专访中,林元庆表示,“我觉得中国的互联网节奏非常快,尤其是人工智能的发展。现在人工智能的刚需已经很明显了,可以说非常旺盛,关键是如何把刚需挖掘出来,做出来,这才是重要的。”
百度大脑是百度人工智能的核心
《网络传播》:百度大脑目前有哪些阶段性成果,其价值体现在哪里?
林元庆:百度大脑已建成超大规模的神经网络,拥有万亿级的参数、千亿样本、亿级特征训练,能模拟人脑的工作机制。通过深度学习、大规模计算和大数据三大部分,百度大脑目前已经具备了语音、图像、自然语言理解和用户画像四大前沿能力。以语音识别为例,目前百度语音识别的准确率能够达到97%。在人工智能时代,百度大脑将是百度向社会输出人工智能技术能力的核心,经过长期的投入与布局,未来百度大脑不仅将像百年以前的电力一样成为商业新能源,更将深入到生活中,将电影中的场景变为现实。
《网络传播》:百度大脑宣布对广大开发者、创业者及传统企业开放其核心能力和底层技术开放,是出于何N考虑?
林元庆:百度大脑开放共享的思路,实际上是希望在时代变革大幕开启之际,助力广大合作伙伴全面共享人工智能时代,完成下一幕的转型升级。百度大脑未来将与各行各业结合,衍生出不同领域的行业大脑,比如医疗大脑、交通大脑、金融大脑等。目前,百度大脑已经应用到教育、金融和娱乐等多个行业。
人工智能渗透百度所有产品线
《网络传播》:今年基本上全球各大互联网公司都把人工智能作为最核心突破的领域,在这一领域,百度和其他公司的战略方向有何不同?
林元庆:百度在人工智能领域起步早,布局领域广,并且已经有很深的积累,既实现了对内业务的支持,也进行了大量对外技术的输出。目前,百度的人工智能几乎已经渗透到百度所有的产品线当中,以此改进百度全线产品的用户体验并提升用户黏性。比如说手机百度的语音搜索、凤巢的推广系统以及百度外卖的调度系统、百度金融结合人工智能给用户的画像等等。接下来百度一方面将进一步提升各项人工智能技术,打造平台化的对外输出能力;另外一方面还将着力把这些人工智能技术和能力应用到具体行业和垂类中,提升行业的效率,促进行业变革。
《网络传播》:虽然业界普遍认可人工智能的巨大前景,但在目前来看,人工智能在短期内还很难看到盈利,那么,怎么看人工智能的普及和商业化?
林元庆:人工智能已经为百度的搜索业务提供了巨大帮助。人工智能的发展和普及有四大关键性的支柱――机器学习算法(特别是深度学习)、大数据、大规模计算,以及可供以上要素不断训练迭代的大应用。目前,人工智能在前三个领域都已经有了一定程度的突破,同样关键的是人工智能技术的大规模应用,只有在制造业、医疗、汽车驾驶、娱乐等各个领域各个场景的不断应用,才能形成“数据-技术-产品-用户-更多数据-更强技术”这样的一个正向循环。在这些不断扩展的应用中,商业化也就是自然伴随而来的事情了。
互联网的下一幕是人工智能
《网络传播》:如何看人工智能在2016年的“爆发”?
林元庆:1956年夏天,“人工智能”首次被提出,但在之后的半个世纪都没有能够解决人工智能的问题。上世纪70年代到90年代,美国一直有人工智能的课程,但却没有实际的应用,在当时,任何一个领域都看不到有价值的人工智能应用。上世纪90年代以后,数据量越来越大,计算的能力也越来越强,机器学习逐渐兴起;到2006年,深度学习的概念被提出,特别是在2010到2012年间,深度学习在语音识别和图像识别领域取得了突破性进展。深度学习的成功极大地推动了人工智能的商业化。实际上,在2013年,《MIT科技评论》就已经把深度学习列为当年的十大技术突破之首,但今年确实是人工智能大规模商业化落地的一年。
《网络传播》:人工智能将会如何影响各行各业?
林元庆:影响最大的是制造业。当人工智能时代到来,制造业会彻底被物联网改变。未来所有商品都能联网,将数据传回云端,通过人工智能技术进行分析,为消费者带来实实在在的价值。汽车工业也将被人工智能彻底改变,尽管安全问题的解决路径在传统汽车厂商与创新厂家间有所不同,然而我们基本上还比较自信,有一天会进入来自动驾驶时代。此外,娱乐业及健康产业同样也会被人工智能所改变。对于前者,虚拟现实与增强现实很可能会成为主流的内容形式,颠覆消费者对娱乐内容的消费方式;对于后者,通过基因分析、精准的医疗图像诊断,患者的疾病将得到更加精准和个性化的治疗。
篇6
脑科学研究已被列为事关我国未来发展的重大科技项目之一,“中国脑计划”正在酝酿中。专家建议从认识脑、保护脑和模拟脑3 个方向展开研究,建立基础研究型技术平台和临床研究型技术平台,逐步形成“一体两翼”研究格局。记者从日前在上海市闭幕的以脑信息与人工智能为主题的东方科技论坛上获得上述信息。
专家介绍,认识脑就是要进一步认识若干脑主要功能的工作原理及机制;保护脑就是阐明若干脑重大疾病的致病机理,并发现其早期诊断指标,预防和治疗脑疾病和脑损伤;模拟脑就是开发类脑计算机和人工智能系统,如研发脑活动调控技术和类神经元的记忆储存器和类脑计算机等。“一体两翼”,就是以脑认知原理基础研究带动脑重大疾病研究和类脑人工智能研究。
据2013 年中国疾病预防控制中心报告,我国脑相关疾病导致的死亡人数占死亡总数的25% 以上。未来,我国脑疾病负担可能达到每年上万亿元。随着生活环境改善和医疗水平提高,85 岁以上的人群将越来越多,而我国85 岁以上老年人中有50% 的人患有老年痴呆。中科院院士、复旦大学脑科学研究院杨雄里教授在会上表示,脑科学的发展对脑疾病防治、信息和智能产业的发展有巨大的推动作用,我国必须加强以脑科学为基础的人工智能研究。
杨雄里指出,对脑科学的深入研究,将揭示大脑神经网络的基本结构和脑工作原理,将人工智能研究推向一个新的阶段——具有类似人脑的感知、学习记忆、推理、决策等功能的类脑人工智能。
(来源:《健康报》)
篇7
智能医疗的兴起
人机大战1∶4的比分让相当多的人感到失望和悲观,还有人感到了恐惧,认为人工智能战胜人和主宰人类社会的时代已经开启。
然而,即便“阿尔法围棋”最终以5∶0的大比分大胜李世石,也不意味着人工智能主宰世界和人类被奴役时代的到来,理由也并非只是“阿尔法围棋”是人类设计出来的,而是因为,“阿尔法围棋”其实开启了人类利用人工智能的新时代,准确地说,是拓宽了让人工智能为人类干活的新天地,并有可能深入而广泛地让人类文明迅速发展。
“阿尔法围棋”是靠深度学习、蒙特卡洛树搜索算法和自我进化三招战胜人类棋手的,这三大功能也是人类驾驭人工智能为人类服务的途径。由于人工智能能够自我学习,学习能力会越来越强,而且搜集和贮存的数据会越来越多,将会在更多的方面成为人的助手或替代人的工作。例如,除了替代一些体力劳动以及低级岗位外,会学习的人工智能还会接手一些需要创造性、技术性和复杂运算的工作。此外,在各个领域的新产品的研发、预测分析、推广等方面,人工智能也能产生巨大的作用,创造不可估量的效益。
设计“阿尔法围棋”的深度思想公司(Deep Mind)的CEO杰米斯・哈萨比斯提出了人工智能的通用性,即通用人工智能,这种智能与人类专家协作可以解决和处理更多需要智慧才能解决的问题,如诊治疾病,处理气候变化、能源、基因组学、宏观经济学、金融系统、物理等方面的几乎所有问题。哈萨比斯称,人类想要掌握的学科越来越复杂,即使是最聪明的人,穷其一生也难以掌握其中一个领域。如果将“阿尔法围棋”看成一个能够自动将非结构化信息转化为可用知识的过程,那么通过筛选泛滥的数据得出合理的观点就指日可待。研究人员正在努力研究的是一种可以解决任何问题的人工智能超级解决方案。
具体而言,如果“阿尔法围棋”的自我学习能力、大数据存储和分析功能应用到医药领域,将诞生一种新的医疗和医药模式,即智能医疗(有人称智慧医疗,但由于智慧似乎为人类所特有,以人工智能为基础的新型医疗称智能医疗更好)。
智能医疗是指通过打造健康档案区域医疗信息平台,利用最先进的计算机和互联网技术,实现患者与医务人员、基础研究(医学和药物研究)与临床治疗、医疗机构、医疗设备之间的互动,逐步达到信息化防治疾病和健身强体的目标。
例如,通过无线网络,使用掌上电脑便捷地联通各种诊疗仪器,医务人员能随时掌握每个病人的病案信息和最新诊疗报告,随时随地快速制定诊疗方案;在医院任何一个地方,医护人员都可以登录距自己最近的系统查询医学影像资料和医嘱;患者的转诊信息及病历可以在任意一家医院通过医疗联网方式调阅;任何科学研究,包括医学和与医学相关的物理、化学等领域的研究最新成果能在互联网上及时公布等,让诊断、治病和用药以及公众的保健得到最有效、最迅速、最适宜、最廉价和最科学的处理。
智能医疗的具体表现
以“阿尔法围棋”为例,可以知道什么是智能医疗。
研发出“阿尔法围棋”的深度思想公司并非只是专注于让“阿尔法围棋”与人类棋手过招,而是注重把人工智能通过学习解决实际问题的能力贯穿应用到医学领域。2016年2月深度思想公司就已经了在医护领域使用的深度学习程序――深度思想健康(Deep Mind Health)。这是一款手机应用程序(APP),包括“识别风险病人”(Stream)和“早期临床护理管理”(Hark)两个模块。
这种手机应用程序当然也是一种人工智能,它们需要学习和帮助医护人员监护一些表面上不严重但实际很危险的病人,或者一些急性发病者。例如,深度思想健康的“识别风险病人程序”可以及时发现急性肾衰竭高风险病人,以便让医生及时治疗并改善对病人的护理。这个程序是通过检读血液检查报告,以辨别哪些病人存在风险。结果表明,有25%的急性肾衰竭死亡可以通过这个程序避免。“早期临床护理管理程序”则能帮助医生制定治疗方案和采取行动。使用该项程序能避免38%的患者病情恶化。
当然,这些只是人工智能开发和应用的冰山一角。实际上,在医药领域利用计算机技术和人工智能最早和进展较大的是药物的研发与监控。计算机和人工智能对于药物的研发在很多方面都起到了作用,如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等。这实际上已经产生了一门新学科,即药物临床研究的计算机仿真(CTS)。
一种新药的开发一般估计需要15年时间,耗资10亿美元,但最近的估计是可能耗资40亿~120亿美元,还不能保证成功。因为,除了要求新药要有疗效外,还需要安全性的保障。如何监控和预测药物的副作用或不良反应就成为研发一种新药或老药新用的重要保证。
对于传统的药物研发来说,一种药物必须经过动物试验和人体的Ⅰ、Ⅱ、Ⅲ期临床试验。而且,即便Ⅲ期试验后批准上市,还有Ⅳ期临床研究,即新药上市后进行的临床研究,而且一类新药要求进行2000个病例的IV期试验。这也是造成药物研发周期长、费用高的重要原因。
但是,在今天有了计算机程序,特别是以“阿尔法围棋”为代表的能自我学习的计算机程序(软件),就为人们提供了一个检测药物的人工智能安全专家。首先是在新药筛选时可以获得安全性较高的几种备选物质。当很多个甚至成千上万个化合物都对治疗肝癌显示出某种疗效,但又对它们的安全性难以判断时,便可以利用“阿尔法围棋”的策略网络和评价网络,以及蒙特卡洛树搜索算法来挑选最具有安全性的化合物,成为新药的最佳备选者。
同样,对于尚未进入动物和人体试验阶段的药物,也可以利用类似“阿尔法围棋”这样的人工智能来检测新药的安全性。因为,每一种药物作用的靶向蛋白和受体都并不专一,如果作用于非靶向受体和蛋白就会引起副作用。类似“阿尔法围棋”的程序可以通过对既有的数千种已知药物的副作用进行筛选搜索,以判定一种药物是否会有副作用,或副作用的大与小以及最小,由此选择那些副作用概率最小和实际产生副作用最小的药物进入动物和人体试验,就会大大增加成功的概率,节约时间和成本。当然,利用“阿尔法围棋”等程序还可模拟和检测药物进入人体内的吸收、分布、代谢和排泄、给药剂量-浓度-效应之间的关系等情况,让药物研发进入快车道。
大数据和信息共享
大数据和信息共享同样是智能医疗的核心。信息共享成为智能医疗的重要性在于,全球的科研人员只有科研共享,才能对各种危害人们健康的疾病和顽症,如艾滋病、癌症等进行有效的治疗,挽救人们的生命。这一点在突发公共卫生事件,尤其是暴发危害人们生命的疾病时,具有重大的作用,例如最近在南美爆发的寨卡病。
由于医护人员对寨卡病的发病机理、传播途径和危害胎儿和孕妇的机理并不清楚,对待这种疾病既无有效的药物,也没有疫苗,因此需要更多更新的研究结果来指导防治疾病,而对于最新研究信息的共享,则有助于指导全球医务人员和公共卫生专业人员,并通过医护人员向公众提供科学的防治方法。
正是在寨卡病的防治上,信息共享得以突破。现在,美国威斯康星大学麦迪逊分校病毒学家康纳研究团队用寨卡病毒感染猴子进行试验,并在网上公开了首批数据。这一行为改变了过去研究人员只是在学术期刊发表研究结果和数据的传统做法。美国研究人员在网上的是2016年2月15日他们将寨卡病毒注射进3只印度恒河猴体内获得的血液、唾液和尿中所检测到的病毒数量的原始数据。这些数据能让每个人都看到,并且每天都会更新研究结果。
此次康纳等人首先在网上公布动物试验的数据意味着,生物医学已经正式踏入智能医疗门槛。与此同时,中国研究人员也借寨卡的防治和研究而跨入智能医疗和大科技的门槛。中国疾控中心与江西省疾控中心、浙江省疾控中心、军事医学科学院等单位合作,分别对寨卡病毒感染病例血液和尿液标本中的寨卡病毒基因组进行了全面解析,获得病毒全基因组序列,并到网上。
这种科研的资源共享显然为人们认识寨卡病的病理、研制药物和疫苗奠定了基础。而且,基于对不同来源的寨卡病毒特点的认识,将进行针对性的药物和疫苗研发。例如,中国疾控中心和江西省疾控中心合作测序的寨卡病毒基因组有10676个碱基,与目前在美洲的流行病毒株具有高度同源性。但是,浙江省疾控中心测序的寨卡病毒核酸序列与太平洋岛国法属波利尼西亚地区报道的病毒基因组序列高度同源,而与中国其他省份报告的输入病例的病毒核酸序列存在差异。
不过,美国研究人员在网上公布恒河猴试验的数据还具有更多的意义。寨卡病是一起非常紧急的公共卫生突发事件,所有人都在与寨卡病毒赛跑,也与时间赛跑。除了不应让科学家的竞争成为保密理由而延缓对寨卡病的认知和防治外,还要意识到,对人的研究有很多伦理限制而无法获得相应的数据和知识。
由于寨卡病毒感染的形式和机制在人和恒河猴体内相似和相同,研究人员能通过向猴子体内注射不同剂量的寨卡病毒而获得该病有价值的第一手相关信息。科学家能对怀孕恒河猴体内的羊水反复取样,以判断寨卡病毒能否以及多染胎儿。这些数据一方面不可能从人身上快速且合乎伦理地获取到,另一方面也可能因此而延误人们对寨卡病毒是否导致小头儿等的认知。
有了对恒河猴的研究结果,并且能在网上,就能较快地获得诸如寨卡病毒是否与小头儿关联的确切信息和机理,例如,正在发育的胎儿可能何时会被寨卡病毒侵袭而导致出生缺陷,也就能为人们提供防治的线索和方式。
此外,由于世界一些国家反对动物试验,尤其是反对用灵长类动物进行医学试验的呼声越来越大,浪潮越来越高。欧洲一些国家,如德国已经在减少灵长类动物的医学试验,美国国立卫生研究院(NIH)也已决定结束其下属一家实验室存有争议的猴子试验,并终止了对黑猩猩侵入性试验的经费支持。
在这样的情况下,美国研究人员在网上公布寨卡病毒感染猴子的数据就更具有意义,因为这是在实现一个共同的目标,资源共享能让那些并没有进行动物试验的研究人员了解动物试验的情况和数据,也就会减少使用灵长类动物进行试验。
当然,大科技时代的资源共享也会让科研人员产生疑虑,其中最核心的是,研究成果的界定和归属,以及其他研究人员是否采信网上的动物和其他研究数据及结果。
对于第一个问题,也许可以用网上公布的时间来判断一项研究结果的最早时间和进行研究的科研人员,至于对网上公布的研究结果的采信与否,可能会随着大科技时代的进展由实践做出回答。无论其他研究人员是否采信网上公布的结果和数据,都会进行验证,因此,可能会有效地检验网上公布的研究结果。
患者也要利用智能医疗
一般而言,智能医疗通常指的是计算机、大数据和互联网+如何让医生和专业机构对病人的疾病诊治更准确和更科学,让人们既能看病有效,又能少花钱。
例如,现在飞利浦公司设计了一个智能软件飞利浦健康套件数字平台,希望将消费者、患者和医疗服务人员三方进行串连,在互联的护理领域进行尝试。这个平台是一个基于云技术的开放安全平台,能够收集和分析从健康手表、血压计、耳式体温计和身体分析仪等多个设备源头的健康数据。医生也可以在第一时间了解到患者的情况并做出医疗判断和治疗方案,从而大大降低医疗成本和漏诊误诊的发生率。
智能医疗的另一个维度是患者和家属,以及需要保健的正常群体,他们也需要大数据和智能分析来选择自己所需的诊治疾病的方式和程序,以及正常人需要选择的保健措施。
在这方面,利用大数据设计成智能软件,为患者和公众提供就医和保健的信息也格外重要。现在,美国已经出现了主流医院评价平台的智能软件,供广大公众选择。这个平台对美国近5000家医院、约14万医生以及16个医疗领域的137家专业医院排名。这个排名对医院声誉、患者存活率、患者安全性以及其他医疗相关指标在内的数十项评价指标进行综合排序,由第三方公司或组织进行多方位、多元化评价,更加关注医疗产出以及患者满意度。如此,这种智能平台可以向公众提供他们可以选择和信赖的医院进行就诊和治病。
现在,中国对医院和医生的评价还是采用最普遍的医院等级划分标准(3级10等)。医院评审分级标准包括医院的规模、技术水平、医疗设备、管理水平、医院质量等5个标准,但由于其他评审内容设置缺乏直观指标,容易量化的硬件标准(床位、科室设置、医疗设备、人员配备等)成为划分医院等级的决定因素,暂时未能考虑医院的综合医疗效果、患者存活率、患者安全性等。
现在,中国研究人员意识到医院评价和大数据的重要性,复旦大学医院管理研究所已经邀请全国30个临床专科的几千位著名专家学者共同参与评审中国最佳医院排行榜。其中,医院专科声誉主要由专家提名心目中名列前茅的医院,而在科研学术方面,得分主要来自于国家级奖项和科学引文索引(SCI)影响因子。
篇8
人工智能市场预计到2025年将达到368亿美元,而且,随着人工智能普遍越来越接近人类的水平,这一市场或许只会继续发展而不是退步。但是,人工智能的兴起不仅仅涉及人工智能产业的问题。事实上,有几十个二级技术产业正在发展壮大,以满足人工智能日益增长的需求。如果你在寻找前景良好的投资项目,或者是在寻找一条能够致力于发展人工智能而又不涉足机器学习的新职业道路,那么这些行业值得考虑。
AI市场成蓝海还有什么地方需要突破?
处理能力
人工智能算法通常会同时依赖多个移动部件,意味着需要非常强大的处理能力。例如,IBM的Watson在2011年电视智力竞赛节目Jeopardy上战胜人类冠军选手,它的智慧来自90个相互关联的IBM Power 750服务器。其中每一个都使用了3.5 GHz POWER 7的8核处理器,每核有4个线程。总的来说,它的运行内存有16TB,而相比之下,即使是最先进的电脑也只有64GB的内存。而且别忘了,虽然Watson的处理系统非常复杂,但它实际上仅仅相当于人工智能6岁的智力。而需求只会日益增加。
因此,像英伟达这样的芯片企业正在努力尝试生产专门支持深度学习算法的处理器。英伟达最近了一款Tesla V100芯片,该芯片可以在更少的能源下提供更大的能量,并可以多次提高数据中心的处理能力。前谷歌员工们创建了一家名为Groq的公司,也在竞相生产更好的芯片来支持机器学习。
数据存储
另外,人工智能算法需要大量的数据存储。如果这些机器学习算法想要成功地学习编程知识,那么它们就需要获得大量的数据。例如,Watson温习了维基百科的全部文本,而谷歌的DeepMind则进行了无数次的围棋对战比赛,准备好打败世界冠军。自动驾驶汽车将收集环境数据,以便令驾驶人能够更加安全地抵达目的地。据估计,自动驾驶汽车每天会产生多达4TB的数据,而这只是针对每辆车而已。
因此,我们非常需要有一个廉价又靠谱的方式来存储数据。值得庆幸的是,我们已经有了一些很棒的数据存储方式,但技术界的未来主义者们仍在努力创造更好的方式。例如,来自英国南安普敦大学的研究人员发明了一种方法,可以将数据存储在五个维度(而不是两个)中,将它们嵌入玻璃中永久保存。利用人工智能寻找此类新技术,或许是一个有利可图的商机。
安全性与伦理
人类正接近“超级智能”时代,即人工智能在智力上的能力远远超过创造它的人类。也因此产生了许多伦理道德上的担忧,从意识的确定到权力分配的社会经济影响等。其中许多都得到了哲学家Nick Bostrom的证实,随后又有埃隆·马斯克、斯蒂芬·霍金和比尔·盖茨这样的行业领军人物加入这一阵营。
篇9
关键词:人工智能;智能机器人;模糊控制
中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2012)35-8481-02
1 概述
人工智能作为一门学科,其研究目标就是制造智能机器和智能系统,实现智能化社会。具体讲,就是要使计算机具有自主发现规律、解决问题和发明创造的能力,从而大大扩展和延伸人的智能,实现人类社会的全面智能化。
2 人工智能的应用
2.1 人工智能的应用分类
2.1.1模式识别
识别是人和生物的基本信息处理能力之一。事实上,我们几乎无时无刻都在对周围的世界进行着识别。而所谓模式识别,则指的是用计算机进行物体识别。这里的物体一般指文字、符号、图形、图像、语音、声音及传感器信息等形式的实体对象,而并不包括概念、思想、意识等抽象或虚拟对象,后者的识别属于心理、认知及哲学等学科的研究范畴。也就是说,这里所说的模式识别是狭义的模式识别,它是人和生物的感知能力在计算机上的模拟和扩展。经过多年的研究,模式识别已发展成为一个独立的学科,其应用十分广泛,诸如信息、遥感、医学、影像、安全、军事等领域,模式识别已经取得了重要成效,特别是基于模式识别而出现的生物认证、数字水印等新技术正方兴未艾。
2.1.2专家系统
专家系统是应用于某一专门领域,拥有该领域相当数量的专家级知识,能模拟专家的思维,能达到专家级水平,能像专家一样解决困难和复杂的实际问题的计算机(软件)系统。例如,能模拟名医进行辨症施治的诊断医疗系统就是一种专家系统。
专家系统的特点是其善于解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。有些专家系统还具有“自学习”能力,即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。
2.1.3智能机器人
智能机器人是人工智能技术的综合应用和体现,它的研制不仅需要智能技术,而且涉及许多科学技术和领域,如物理、力学、数学、机械、电子、计算机、软件、网络、通信、控制等等。
一般将机器人的发展分为三个阶段。第一阶段的机器人只有“手”,以固定程序工作,不具有外界信息的反馈能力;第二阶段的机器人具有对外界信息的反馈能力,即有了感觉,如力觉、触觉、视觉等;第三阶段,即所谓“智能机器人”阶段,这一阶段的机器人已经具有了自主性,有自行学习、推理、决策、规划等能力。这也正符合Agent的条件,所以,现在把智能机器人也作为一种Agent。
3 人工智能的研究
3.1 人工智能的研究目标和策略
人工智能作为一门学科,其研究目标就是创造智能机器和智能系统,实现智能化社会。具体来讲,就是要使计算机不仅具有脑智能和群智能,还要具有看、听、说、写等感知和交流能力。简言之,就是要使计算机具有自主发现规律、解决问题和发明创造的能力,从而大大扩展和延伸人的智能,实现人类社会的全面智能化。
篇10
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、而且从目前趋势来说,可能会超过人的智能。总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解大为不同。2015年以及可见的未来,人工智能将会前所未有地渗透到社会的各个层面。
变革的边缘
过去几个月,有关人工智能的新闻越来越多。最容易让大家习以为常的人工智能应用,是专业媒体尝试由机器自动写作股票投资报告,而对冲基金则争取让机器人取代股票分析师,在资本市场中寻求最佳的投资组合,以提升公司的投资效益。
据了解,很多投资机构都在运用人工智能进行证券投资。这些人工智能系统构建了学习机制和知识库,因此具备了一定的学习、推理以及决策的能力。这样一来,传统的投资策略生产模式将被颠覆,大部分分析师的工作可以被智能取代甚至可能做得更好。
事实上,用电脑代替人脑进行思考判断、在股市下单,这个想法早已有之。1980年代的华尔街就已经不断有机构尝试。只是那时候的交易设计比较幼稚简单,所以效果不佳。1987年股灾,原因之一就是各家机构的交易系统因为技术指标转坏,触发了集体的抛出指令而引发的连锁反应。而今天的硬件设施与软件系统已经比30年前突飞猛进,连投资这样高风险的业务都可以让人工智能来完成,在传统制造业与服务业方面,人工智能可以做的的事情就更多。随着近几年大数据技术和机器学习技术的广泛应用,人工智能已经具备了超越设计开发者的认知和视野的能力,它们可以“贡献”新的认知,它不仅会执行指令,还能自己想出很多主意,这就是今天的人工智能比起以往时代的机器人都要能干与可怕之处。
当然,与人工智能有关的不一定都是好消息。道高一尺魔高一丈。科学家史蒂芬・霍金、世界首富比尔・盖茨等人都提出警告,他们认为今天的人类正站在人工智能变革的边缘,这次变革将和人类的出现意义一样重大,而人工智能将来有可能成为毁灭人类的力量。这种担心不无道理。许多科幻小说里面都有提到过类似的情节――一台或者一批自我学习能力极强,与人类比起来,几乎不会犯错的电脑,最后成为终极的大BOSS,要操纵人类社会。不过,在这一切发生之前,我们优先考虑的还是如何利用人工智能产业化,实现对社会的正向价值。
中国的机会
产业趋势方面,手机等移动终端的竞争已经到了白热化,成为最深颜色的红海。即使是一直领先的苹果公司,优势也没有以前那么明显。有人预言,当苹果出到8s版本的时候,就已经不会再有传统意义上的手机了。可穿戴设备的研发与投资很多,这类产品,原本是可以解放人类的双手与十指,有足够想象空间,但是几年来,这个行业的实践者,始终没有推出真正打动用户的杀手级产品。 2014年11月27日,在浙江省慈溪市联盛广场一餐厅,机器人给客人送菜。
在用户体验方面,并没有出现极致的产品。同时,留给可穿戴设备的时间已经不多了。因为随着人工智能的发展,未来很可能会出现更加微型的设备,甚至可以直接植入人的身体。就像一台智能手机,代替了MP3、相机、录像设备与电话,未来高度的人工智能产品,很可能收割之前各项数码产品的光荣。
也就是说,人工智能,将会出现数万亿美元的大市场。所谓的移动互联网时代,比起传统PC互联网时代的市场规模要大10倍,而移动互联网的真正全面铺开,将不仅仅是手机或者可穿戴设备,而更多是由各种形式的人工智能产品来实现。