人工智慧帶給我們的啟示
很早之前就聽說來自卡耐基梅隆大學的邢波教授的人工智慧的課程，注意到邢教授英俊瀟洒的照片，和臨上課的一臉絡腮鬍子的形象實在相差甚遠。到邢教授課程的現場，最希望聽到的是做為研究機器學習近二十年的專業學者如何看待人工智慧將要帶來的變化，因為人工智慧在今天的中國業界、商界實在太熱，幾乎到了無法冷靜分析面對的局面。
到底什麼人工智慧？
因為工作的原因，在醫學影像領域的人工智慧應用，我差不多接觸了國內能數得上名字的若干「人工智慧」公司，有的發展得真心不錯，也不排除借著「人工智慧」的熱度來一把炒作，撈一把風險投資的錢的主。如果深究其技術實質，和運用機器學習的模型開展深入研究的嚴謹模式相比相差太大。在來北京上課之前，我還去拜訪了一家人工智慧的公司，最後的問題同樣是理解對方怎麼定義「人工智慧」——因為其所負責的公司差不多十年前就在從事幾乎一樣的演算法工作，能夠在最近這一年的時間脫胎換骨脫穎而出的理由充分嗎？
所以邢波教授能夠全面完整地介紹機器學習的淵源，而且能夠從邏輯上證明了人工智慧所能夠實現的並不是完全新鮮的東西，只是在計算機演算法發展過程中的一個很有生命力的分支，由淺入深，又抽絲剝繭地把人工智慧作為學科的前世今生分析透徹。這是非常難能可貴的。
非監督式學習會成為超越人類思維模式嗎？
對此問題其實已經糾結了很久，最遠的緣起來自若干的好萊塢大片關於機器人顛覆人類社會的猜測，最近的例子則是AlphaGo Zero完勝AlphaGo。之前總是相信AlphaGo只是利用了強大的學習能力和計算能力，在人類幾百年的對弈棋局中脫穎而出；而AlphaGo Zero利用非監督式學習則完全超越了人類積累棋譜的邊界，這是非常可怕的一種模式。雖然心存僥倖，還是願意聽到邢波教授的觀點。能夠達成一致的觀點就是非監督式學習和監督式學習都是機器學習中的分支，沒有遞進的關係，所以對非監督式學習也完全沒有必要擔心憂慮其最終的實現邏輯會完全脫離人類的邏輯本身——就案例中的AlphaGo Zero雖然號稱沒有學習棋譜，但是其負責的在圍棋世界中的基礎規則卻是人來設定的，所以人工智慧再牛逼，也的確靠明確的人為設定邊界開展工作的。在此基礎上，就能夠明確我們的方向了。
人工智慧的方向和未來怎麼樣？
邢波教授給出了非常有意思的波浪向上的曲線，從「人類完蛋了」到「騙子」……今天的人工智慧發展能夠突破這樣的掣肘嗎？我們的數據更大，我們的運算能力越多，我們有更多的期待，但是人工智慧往下的趨勢在登頂後一定要帶來的。也就是說，這一輪的人工智慧在AlphaGo的退潮會持續有所發展，但一定會面臨往下的風險。陽光下沒有新鮮事。我們可以實現的目標和目的是在合適的時點上有所突破，但是完全地改變之前的發展軌跡很難。
而且，這也印證了之前所討論的話題，今天的AI公司中絕部分沒有能夠完成資本操作的公司將會在未來二三年內遭遇寒冬，不管是否願意，大勢已在。最值得思考的是邢教授提到的人工智慧在未來發展中存在著收斂回歸的可能性，如果遮掩個，人類應該更有底氣來思考規劃未來的生活中人工智慧更能夠為人類提供更和諧融洽的輔助功能，而人類為中心的世界應該不會被顛覆。
最後的總結和思考
「昨天的討論很熱烈，我想說醫學影像領域AI應用沒有想像的那麼容易……機器學習在視覺處理上有優勢但影像診斷涉及的判斷基礎遠不止圖像膠片的對比，相關的醫學認知邊界並沒有清晰的界定。此外高質量的標註數據的缺乏還涉及到安全、倫理等一系列問題……所以，還是一年前的觀點：
1. AI大有前景；
2. AI取代影像醫生我還看不到；
3.今天的AI項目很多，但良莠不齊需要我們擦亮眼睛」
「再說明一句，alphaGo所做的圍棋AI，勝負界定是清晰確定的，遵守同樣的規則初段和九段能給出的結果一樣；CT片子就完全不一樣：放射科菜鳥級醫生和中放協會大牛得到的結論可能不一樣；類似的患者影像表徵40歲的和80歲的結論可能不一樣；同一片子在北京的醫院和上海的醫院找專家結論可能不一樣；就算頂級專家告訴你的結論其實也只是個概率，沒有病理和其它的佐證資料，也不能定論……同病不同源，同病不同治的情況太多，很難統一。醫學不是工程學也不是科學，是需要溫度的，AI能夠成為很好的輔助手段，但取代醫生，我真的還看不到……」
TAG:猛哥說 |