“橫看成嶺側成峰，遠近高低各不同。”
用這句詩來形容當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)療領域各種各樣的“人工智能”冒了出來，在一些醫(yī)學會議上，可穿戴設備、自動化系統(tǒng)、專家系統(tǒng)、智能化設備、最新輔助診斷系統(tǒng)、傳統(tǒng)的CAD技術都被企業(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AI教授、百度深度學習研究院專家、醫(yī)療AI企業(yè)的首席科學家、創(chuàng)業(yè)者、吉林大學智慧醫(yī)療的負責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
加州大學洛杉磯分校UCLA、統(tǒng)計學和計算機科學教授、視覺、認知、學習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：現狀、任務、構架與統(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，鸚鵡就可以重復人類一些短語，這就類似于當前的由數據驅動的聊天機器人。
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、學習、推理、執(zhí)行，完全自主生活。
為了獲取堅果里面的食物，經過各種嘗試以后，它發(fā)現把果實放在馬路上，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，這之前他沒有經過大數據學習。它發(fā)現在靠近紅綠路燈的路口，車子和人有時候停下了。
這時，它必須進一步領悟出紅綠燈、斑馬線、行人指示燈、車子停、人流停這之間復雜的因果鏈（圖c、d、e）。最后它發(fā)現規(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、學習、和執(zhí)行。也沒有幾百萬訓練數據供他學習。在這個過程中他學習耗能也很低（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）。
鸚鵡智能屬于現在在應用方面流行的數據驅動型智能，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，它涵蓋了六個領域：
?。?）計算機視覺（暫且把模式識別，圖像處理等問題歸入其中）。
?。?）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）。
?。?）認知與推理（包含各種物理和社會常識）。
?。?）機器人學（機械、控制、設計、運動規(guī)劃、任務規(guī)劃等）。
?。?）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）機器學習（各種統(tǒng)計的建模、分析工具和計算的方法）。
由于學科比較分散，從事相關研究的大多數博士、教授等專業(yè)人員，往往也只是涉及以上某個學科，甚至長期專注于某個學科中的具體問題。
比如，人臉識別是計算機視覺這個學科里面的一個很小的問題；深度學習屬于機器學習這個學科的一個當紅的流派。
在醫(yī)學應用層面，據動脈網了解目前市場上見到的醫(yī)學人工智能產品如輔助診斷系統(tǒng)、影像輔助診斷系統(tǒng)都是多領域交叉合作，并結合臨床實踐得到的成果，僅憑在一個領域內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，大數據的積累。在醫(yī)學方面，隨著電子病歷和數字膠片的積累，大量可以用于研究的結構化病例保存起來。而這個大數據至少是以10萬份為起點，并且可直接用于模型訓練的數據。
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據提供基礎，縮短了訓練模型所用的時間，將訓練周期縮短為幾天。
第三，大數據與計算力的結合，是研究人員可以快速得到并訓練出可以應用在時間中的算法模型。而現代的可以稱之為人工智能的產品，必須有深度學習技術的參與。之前的人工智能技術并沒有很好的解決問題，而深度學習技術的出現才推動了這波浪潮。
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、公司數據從何而來，是網上下載還是從醫(yī)院獲取高質量標注數據？
2、公司算法模型從何而來，是從網上下載別人訓練好的，還是自己訓練模型。如果是自己訓練的模型，那么訓練軟件是哪一款，計算能力有多強？
3、自己訓練的模型又與別人開源的模型有什么區(qū)別？訓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研究的核心技術團隊 。
比如說圖瑪深維的首席科學家陳韻強博士，大學是清華大學生物醫(yī)學工程專業(yè)，畢業(yè)后進入中國自然科學最高學術機構-中國科學院自動化研究所，專攻人工智能專業(yè)。
1998年赴美國伊利諾伊大學厄巴納-香檳分校電子與計算機工程系攻讀博士學位，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、 參與國內外與醫(yī)療人工智能相關的學術會議和展會，交流成果。
在參會的過程中，企業(yè)會參與學術和科研的討論，在交流中自會展示自己的公司以及產品的情況。
比如在此次北美放射年會上，圖瑪深維亮相了6大產品體系，與國內外的行業(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術交流，也許現在和將來我們會存在競爭關系，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)院的產品，以及醫(yī)生對產品的認可度。
圖瑪深維已經分析過的胸部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站上寫一句自己屬于人工智能公司，沒有實際產品，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。
鐘昕總結道，那些真正掌握了核心技術，踏實做事情，并把醫(yī)生的需求轉化為落地產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)現人類未知的一些聯系，而不是簡單的專家職能的復制。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，適應這個世界。
希氏異構宋捷表示，醫(yī)學AI發(fā)展方向一定不是僅僅依靠人類對疾病的關聯、特征的認識去讓計算機對疾病做出判斷，醫(yī)學是不能完美的結構化的，要知道人類對于自然的認識或許只有自然界本質的百分之幾，倘若我們用這百分之幾的‘經驗’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聯和最佳的治療途徑。
各種現代技術，在醫(yī)療方面或許都會有不錯的應用可能。
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)現的疾病關聯、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，現階段AI要依賴人類已有的大數據的支持，凡事號稱基于很有限的數據“研究”出很好的模型的說法，可以說都不是真正的AI。
各種技術可能都會有醫(yī)療的應用前景，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，根據輸入的患者疾病特征推理做出診斷，并給出診斷依據。
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)。
深度學習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，當前的很多深度學習方法，屬于一個被我稱作“大數據、小任務范式（big data for small task）”。
針對某個特定的任務，如人臉識別和物體識別，設計一個簡單的價值函數Loss
這種方法在某些問題上也很有效。但是，造成的結果是，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習能力。縱觀中美的醫(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)，通常拿一些基本數據直接做數學模型，然后計算模型跟醫(yī)療流程的結合是非常需要行業(yè)融入能力的。
作為資本方，達泰既關注具備底層研發(fā)技術的公司，也關注應用類人工智能企業(yè)。
應用類人工智能企業(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習算法框架的基礎上，針對影像的三維，大尺度，高灰階以及小數據量等影像特殊問題，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)學影像有很強的識別度，并且建立醫(yī)學影像應用的行業(yè)壁壘。
結果更重要
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論，醫(yī)生認為只要能夠提高效率，減少重復性的工作，提供更好的診斷準確率，不管它是用什么底層技術，都可以稱之為人工智能系統(tǒng)，沒有必要非得糾結于技術的來源和名稱。
