尽管以AlphaGo为代表的人工智能技术在围棋领域全面碾压人类能力,但目前仍依赖于对限定范围内的大数据进行学习,人工智能必须通过大量数据来“训练”自己,才能不断提升输出结果的质量。此外,人工智能技术还无法理解具体场景下的含义或内容,比如识别“招手”这一动作并不难,但其尚做不到阐明“招手”这个动作背后的含义。
相比之下,人类智能的优势在于举一反三,顺应环境变化掌握新的知识,也因此而构建了兼具广度和深度的医学知识图谱。从这个角度来看,人工智能在知识体系复杂的医疗领域还有待于进一步突破。
“我们希望在未来的医学环境,人工智能可以做到,比如看到一幅肺部影像图谱最终解释什么是肺结节,什么是正常的肺,将深度学习人工智能建立在医学知识的体系之上,而非有限的、离散的训练数据上。”科大讯飞智慧医疗总经理陶晓东指出,人工智能核心技术围绕着以深度神经网络(DNN)为代表的神经网络算法进步,以及脑科学和类脑科学研究两方面发展,这两种模型的结合将有助于实现上述愿景。
Gartner 研究副总裁Tracy Tsai强调,人工智能与医生之间的关系并非取代,而是互相帮助,医疗人员的认识具有不足,而机器也需要人类指引方向。“人工智能发挥的作用是根据既有资料加速取得答案的过程,加速研究和判别的过程,节省时间,最终还是需要医生来判断是对还是错。”
Tracy Tsai表示,应用人工智能技术的目的是如何让过程更有效率,或者建立新的营运模式,如果企业想要运用人工智能最好是购买现成的技术,即已经通过实践被证明是行之有效的技术,除非企业本身有数据科学家或者很强的团队实力可以从头开发。
值得关注的是,当前我国人工智能发展还面临两大问题:一方面尽管企业能够通过专有平台获得海量数据,但在创建一个标准统一、跨平台分享的数据友好生态系统方面,中国仍落后于美国,我国政府的数据开放仍极为有限;另一方面,芯片、应用模型、测评工具、可视化工具、云服务等模块化和标准化技术尚未成熟。