用这句诗来形容当古人们对人工智能的理解最得当不过了。

人工智能浪潮起来往后，在医疗领域各种各样的“人工智能”冒了出来，在一些医学会议上，可穿着设备、自动化系统、专家系统、智能扮装备、最新赞助诊断系统、传统的CAD技能都被企业或者年夜夫称为人工智能。

究竟什么是人工智能？或者说什么是新时期的人工智能，与十几年前涌现的人工智能有什么差异？在医疗方面，研究又处于若何的阶段？这波浪潮又能持续多久？这是最近常常听到的问题。

带着这些问题，动脉网（"大众年夜众号：vcbeat）查阅了一些资料并采访了斯坦福大学AI教授、百度深度学习研究院专家、医疗AI企业的首席科学家、创业者、吉林大学聪慧医疗的卖力AI的教授以及在医疗AI投入上亿元的投资人，希望从他们那里得到答案。

年末动脉网送福利！
！
现在关注动脉网"大众年夜众号：vcbeat，回答“505”即可免费领取千元报告！
！
赶紧关注回答吧~

鹦鹉智能与乌鸦智能

加州大学洛杉矶分校UCLA、统计学和打算机科学教授、视觉、认知、学习与自主机器人中央主任朱松纯曾在视觉求索的一篇文章《浅谈人工智能：现状、任务、构架与统一 | 基本管理》中做了两个比喻，很故意思：“鹦鹉智能”和“乌鸦智能”。

鹦鹉有很强的措辞模拟能力，人多教诲几次，鹦鹉就可以重复人类一些短语，这就类似于当前的由数据驱动的谈天机器人。
二者都可以说话，但鹦鹉和谈天机器人都不明白说话的语境和语义，也不能把说的话对应到物理天下和社会的物体、场景、人物，不符合因果与逻辑。

乌鸦要远比鹦鹉聪明，他会利用工具，懂得物理知识和人类大略的社会知识。

上图这天本的研究职员跟踪拍摄的，乌鸦是野生的。
它必须靠自己的不雅观察、感知、认知、学习、推理、实行，完备自主生活。

为了获取坚果里面的食品，经由各种考试测验往后，它创造把果实放在马路上，让车子轧过去就可以得到食品（图b），但是马路上车水马龙，随意马虎丧失落性命。
然后它就站在马路上方的电线杆上不雅观察，这之前他没有经由大数据学习。
它创造在靠近红绿路灯的路口，车子和人有时候停下了。
这时，它必须进一步领悟出红绿灯、斑马线、行人指示灯、车子停、人流停这之间繁芜的因果链（图c、d、e）。
末了它创造规律，终极吃到了食品。

在这个过程中，乌鸦是完备自主的智能，完备自主感知、认知、推理、学习、和实行。
也没有几百万演习数据供他学习。
在这个过程中他学习耗能也很低（人脑功耗大约是10-25瓦，乌鸦大脑约为人类1%，它就只有0.1-0.2瓦）。

鹦鹉智能属于现在在运用方面盛行的数据驱动型智能，虽然与乌鸦智能有差距，但是在医疗这个垂直领域是有前景的。
乌鸦智能属于人们希望的人工智能。

详细来讲什么研究和运用属于人工智能范畴，朱松纯给了一个别系的归纳，它涵盖了六个领域：

（1）打算机视觉（暂且把模式识别，图像处理等问题归入个中）；

（2）自然措辞理解与互换（暂且把语音识别、合成归入个中，包括对话）；

（3）认知与推理（包含各种物理和社会知识）；

（4）机器人学（机器、掌握、设计、运动方案、任务方案等）；

（5）博弈与伦理（多代理人agents的交互、对抗与互助，机器人与社会领悟等议题）；

（6）机器学习（各种统计的建模、剖析工具和打算的方法）。

由于学科比较分散，从事干系研究的大多数博士、教授等专业职员，每每也只是涉及以上某个学科，乃至长期专注于某个学科中的详细问题。
比如，人脸识别是打算机视觉这个学科里面的一个很小的问题；深度学习属于机器学习这个学科的一个当红的流派。

在医学运用层面，据动脉网理解目前市场上见到的医学人工智能产品如赞助诊断系统、影像赞助诊断系统都是多领域交叉互助，并结合临床实践得到的成果，仅凭在一个领域内的研究是很难取得成绩。

三个问题教你识别人工智能公司

环球著名的打算机博弈专家吴韧认为，这一轮人工智能能够取得前所未有的进步紧张有三个方面的缘故原由：

第一，大数据的积累。
在医学方面，随着电子病历和数字胶片的积累，大量可以用于研究的构造化病例保存起来。
而这个大数据至少因此10万份为出发点，并且可直接用于模型演习的数据。

第二，打算能力的提升。
这几年，云打算、GPU等一些打算能力的提升为处理大数据供应根本，缩短了演习模型所用的韶光，将演习周期缩短为几天。

第三，大数据与打算力的结合，是研究职员可以快速得到并演习出可以运用在韶光中的算法模型。
而当代的可以称之为人工智能的产品，必须有深度学习技能的参与。
之前的人工智能技能并没有很好的办理问题，而深度学习技能的涌现才推动了这波浪潮。

吴韧表示，正是由于这波人工智能兴起的缘故原由，决定了这次浪潮将是持续的，而不是间歇性的。
从目前取得成绩来看，也在验证这种说法。

基于这三方面知识，我们可以用以下几个问题来鉴别新时期的人工智能公司。

1、公司数据从何而来，是网高下载还是从医院获取高质量标注数据？

2、公司算法模型从何而来，是从网高下载别人演习好的，还是自己演习模型。
如果是自己演习的模型，那么演习软件是哪一款，打算能力有多强？

3、自己演习的模型又与别人开源的模型有什么差异？演习的打算机里面有几块GPU？

普通易懂的3条判断标准

除了从技能上做鉴别，图玛深维创始人及CEO钟昕也给出了普通易懂的判断医疗AI公司方法。

1、拥有长期从事医疗背景人工智能技能研究的核心技能团队 。
比如说图玛深维的首席科学家陈韵强博士，大学是清华大学生物医学工程专业，毕业后进入中国自然科学最高学术机构-中国科学院自动化研究所，专攻人工智能专业。
1998年赴美国伊利诺伊大学厄巴纳-喷鼻香槟分校电子与打算机工程系攻读博士学位，师从 “打算机视觉之父” 黄煦涛教授。
长期在西门子研发环球研发中央从事医疗图像打算机视觉和人工智能研发，这类医疗和人工智能都具有深厚背景的复合型人才是非常稀缺的。
能够吸引这样顶尖的专家加入公司，代表图玛深维核心竞争力之一。

2、 参与国内外与医疗人工智能干系的学术会媾和展会，互换成果。
在参会的过程中，企业会参与学术和科研的谈论，在互换中自会展示自己的公司以及产品的情形。
比如在这次北美放射年会上，图玛深维亮相了6大产品体系，与国内外的行业人士进行了深入的互换。
在这次展会上，有很多友商也参与了展览和学术互换，大概现在和将来我们会存在竞争关系，但是我们非常尊重友商的研究成果。
如果一个公司长期分开人工智能的圈子，只是做一些包装宣扬，那就值得疑惑。

3、公司须要拥有落地医院的产品，以及年夜夫对产品的认可度。
图玛深维已经剖析过的胸部CT扫描病例超过5万病例，得到了年夜夫的广泛认可。
如果仅仅是在公司网站上写一句自己属于人工智能公司，没有实际产品，那么末了很难得到终极落地客户认可，这样公司是难以得到长期生存机会。

钟昕总结道，那些真正节制了核心技能，踏实干工作，并把年夜夫的需求转化为落地产品的公司都有很好的发展前景。

人工智能的智能必须理解物理天下及其因果链条

有专家表示，人工智能可以创造人类未知的一些联系，而不是大略的专家职能的复制。
在不同的环境条件下，智能的形式会是不一样的。
任何智能的机器必须理解物理天下及其因果链条，适应这个天下。

希氏异构宋捷表示，医学AI发展方向一定不是仅仅依赖人类对疾病的关联、特色的认识去让打算机对疾病做出判断，医学是不能完美的构造化的，要知道人类对付自然的认识或许只有自然界实质的百分之几，倘若我们用这百分之几的“履历”去“规范”AI对自然的认识标准，那么AI的未来一定不会有打破，发展瓶颈不会超过人类年夜夫的认知。
我们更希望AI能帮我们找到我们尚未认识到的疾病的更多的关联和最佳的治疗路子。

各种当代技能，在医疗方面或许都会有不错的运用可能。
但是，AI办理的问题，便是人类认识疾病的效率问题，AI能把人类须要多少年才能创造的疾病关联、特色，用很短的韶光，找出来，这个过程可能是几天，未来可能是几个小时，这便是AI的真实能力!

反过来说，现阶段AI要依赖人类已有的大数据的支持，凡事号称基于很有限的数据“研究”出很好的模型的说法，可以说都不是真正的AI。
各种技能可能都会有医疗的运用前景，但不见得非得要搭车AI。

有人则认为，医疗人工智能便是可以自动半自动的对疾病进行诊断。

系统通过阅读海量的电子病历或者医学知识，然后自己形成一套知识图谱，并具备逻辑推理的能力，根据输入的患者疾病特色推理做出诊断，并给出诊断依据。
核心是系统自己找寻疾病的特色和规律，自己创造规则，而不是研究职员见告系统疾病的特色。

而那些将规则“写去世”的系统不算人工智能。
比如说系统将疾病的10个特色全部写进去，只有知足这个这10个特色才可以诊断疾病，这些显然不是人工智能系统。

深度学习是新时期人工智能的标志

朱松纯表示，在概率统计的框架下，当前的很多深度学习方法，属于一个被我称作“大数据、小任务范式（big data for small task）”。
针对某个特定的任务，如人脸识别和物体识别，设计一个大略的代价函数Loss function，用大量数据演习特定的模型。
这种方法在某些问题上也很有效。
但是，造成的结果是，这个模型不能泛化和解释。

达泰成本创始人叶卫刚表示，新时期的人工智能必须有深度学习能力。
纵不雅观中美的医疗人工智能创业公司，他们大多是打算机背景的企业，常日拿一些基本数据直接做数学模型，然后打算模型跟医疗流程的结合是非常须要行业融入能力的。

作为成本方，达泰既关注具备底层研发技能的公司，也关注运用类人工智能企业。
运用类人工智能企业在本地化做好的条件下，可以很好的办理行业痛点。
比如达泰投资的汇医慧影，这家公司在通用深度学习算法框架的根本上，针对影像的三维，大尺度，高灰阶以及小数据量等影像分外问题，做了针对性的开拓以及优化了底层框架，使得人工智能能在医学影像有很强的识别度，并且建立医学影像运用的行业壁垒。

结果更主要

末了，一名长期从事人工智能研究的年夜夫还给出了不同的结论，年夜夫认为只要能够提高效率，减少重复性的事情，供应更好的诊断准确率，不管它是用什么底层技能，都可以称之为人工智能系统，没有必要非得纠结于技能的来源和名称。

更多前沿互联网医疗资讯请关注动脉网"大众号：vcbeat，后台回答关键词（如：人工智能、基因检测），即可得到干系独家前沿资讯文章！

动脉网（vcbeat.net），关注互联网医疗及康健领域的新技能、创业和投资，以及新技能背后的伦理。