 |
 |
|
|
|
|
「科普大佬说」人工智能技术进展及典型行业应用
9月7日，由智谱AI支持，北京市科委、中关村管委会科普专项经费资助的系列栏目“科普大佬说”第八期于AI TIME 开讲，本次讲座邀请了讯飞医疗总经理陶晓东博士给大家带来精彩的分享。
陶晓东： 本科毕业于中国科学技术大学，获电子工程与信息科学学士学位，2005年于美国约翰霍普金斯大学电子与计算机工程系毕业并获得博士学位，研究方向为医学影像。陶晓东博士先后供职于美国通用电气公司（GE）和荷兰飞利浦电子公司，领导医学影像研发团队进行从影像设备、成像方法，临床应用，到影像科解决方案的科研和产品开发。2017年1月，他加入讯飞医疗，担任总经理一职。2021年起，陶晓东担任中国科学技术大学生物医学工程兼职博士生导师。 在此次报告中，陶晓东博士先简单回顾了人工智能技术的发展历程，介绍在计算机视觉、语音技术、自然语言处理等方面的技术进展。结合行业应用落地，介绍人工智能技术在教育、医疗等应用场景下的落地实践。 1、人工智能技术进展 回顾人工智能技术的发展进程，人们通常都会从1956年的达特茅斯会议讲起。但实际上人工智能技术的开端还要追溯到现代计算机之父冯·诺依曼，作为设计者之一，他提出的现代计算机架构，为人工智能提供了算力基础。而图灵测试的提出者艾伦·图灵则在他1950年的著名论文《计算机器与智能》中提出这样的问题：“机器能够思考吗？”。冯·诺依曼和艾伦·图灵的贡献为人工智能提供了物理基础和哲学思考。 近现代人类技术革命 回顾我们走到今天，近现代人类的技术革命从18世纪60年代的工业革命开始，到上个世纪的信息技术革命，逐步将人类从繁重的体力劳动中解放出来，把全世界紧密联系在一起。而正在发生的人工智能革命则将目标设定在把人类从繁重的脑力劳动中解放出来，这也是下一个需要靠人类自身智慧攻克的技术问题。人工智能的一个定义，是在机器（计算机、机器人等）上能够实现、达到或超越人类的感知、认知、决策、行动等智能行为。
AI逐渐进入人们的视野
AI真正进入人们的视野，要从1997年算起。1997年，IBM的深蓝打败了国际象棋大师卡斯帕罗夫；2011年，IBM超级智能系统沃森（Watson）在一个美国电视智力对抗节目Jeopardy（危险边缘）中击败人类冠军，而最为人们耳熟能详的则是2016年AlphaGo打败了围棋选手李世石。这些人工智能对人类智能的挑战主要围绕信息存储和检索任务，或者是在规则透明和信息完整的情况下的计算任务。近年来，还有几件人工智能超越人类智能的案例引起极大反响。2019年，OpenAI在DOTA2游戏中再次击败人类，同年AI还在德州扑克中超越人类。 从这一过程可以看到，人工智能正一步步从计算智能、感知智能进入到了之前被认为独属于人类的智力活动。 概念澄清
近10年来，深度神经网络在数据和算力的加持下，逐步在越来越多的应用领域崭露头角，人们往往把深度学习和人工智能两个概念混淆。但其实，在广义的人工智能定义范围内，所有通过计算机完成人类智力活动的行为都可以被叫做人工智能。而深度学习只是人工智能很窄的一种实现方法。 人工智能的3个阶段
人工智能的3次浪潮
人工智能的第一次浪潮从1956年的达特茅斯会议开始，直到1980年冬天。第一次浪潮中的重要代表是感知器，它可以完成一些定理证明的任务，并激起了人们对人工智能的热情。人工智能第二次浪潮得益于反向传播算法的出现，终于第五代计算机研发的失败。2006年之后，随着计算能力的不断提升和数据的不断积累，深度神经网络可以拥有更加复杂的结构，完成更高级的任务，变得越来越“智能”，在包括语音识别、图像识别等很多领域都取得了非常好的效果，这就是我们今天所处的人工智能的第三次浪潮。 人工智能算法潮起潮落
以深度神经网络为代表的深度学习
1958年, Hubel和Wiesel发现了大脑视觉皮层的分层结构，并获得了1981年诺贝尔生理学及医学奖。
在神经元的数学建模中，Sigmoid function很好地模拟了单个神经元对输入的响应。在一定意义上，上述两个进展以及计算能力的极大提升，使得复杂的神经网络能够在具体应用中展现出超凡的能力。
神经网络的物种大爆发
近年来，当深度神经网络在众多应用领域取得成功之后，出现了大量不同的神经网络结构，看起来像神经网络的物种大爆发。这里面的每一种网络从设计上讲都是用来解决特定的一类问题，比如CNN解决了计算机视觉中的许多问题。 超越
面对完整信息和透明规则的存储、索引等任务，在计算智能和感知智能领域，人工智能已逐步超越了人类。其中有代表性的事件是AlphaGo在2016年打败了李世石，以及语音识别技术和图像识别技术超过人类平均水平。 挑战
图片引用自：https://www.nextrembrandt.com/ 不仅仅在计算智能和感知智能领域，在人类一直引以为豪的艺术领域，人工智能也开始挑战人类“独有”的创造力。上面的这四幅肖像画中，我们可以看到统一的艺术风格，但是其中有一幅是人工智能合成的。 虽然计算机可以在众多具体问题的解决中帮助人类完成语音识别，图像识别，甚至阅读理解等任务，但是计算机对信息的“理解”，可能完全不同于人类对信息的理解。 2、深度神经网络的局限 各种开源的深度学习方法
如今的大量开源软件，使得深度学习的使用门槛变得很低，但实际上的深度学习又学到了什么，解决了什么问题呢？ 深度神经网络解决了什么问题？
2018年的这篇文章提出了两个问题，一是神经网络都“学”了什么？二是在神经网络物种大爆发的基础上，为什么有的网络结构会比其他的更好？这两个问题至今仍没有答案，同时也引发了人们对神经网络局限性的讨论。 人工智能的局限性 （1）过分依赖于数据； （2）对于没有见过的数据处理能力差（泛化能力差），与人类相差很远； （3）学习到的东西没有形成体系，可解释性差。 3、深度神经网络的局限 科大讯飞的深度学习之路 科大讯飞的深度学习是从2010年开始，科大讯飞作为中国首批开展深度神经网络语音识别研究的机构，之后从语音识别和语音合成切入，把深度学习和神经网络的技术用在了语音识别之中。 2014年，科大讯飞开始了从感知智能到认知智能的转变，不仅发布了讯飞超脑计划，还将深度学习应用在自然语言处理中，取得了很多进展。自2021年起，讯飞也逐渐从有监督的学习过渡到了无监督的学习。 人工智能规模化应用，服务国家战略，解决社会刚需
科大讯飞围绕感知智能和认知智能，结合行业知识提供面向各种行业应用的解决方案。 人工智能价值兑现的三大标准 （1）真实可见的实际应用案例：如教育领域中帮助学生减负，帮助老师提高工作效率； （2）规模化推广的对应产品：如医疗领域中面向基层的全科辅助诊断系统； （3）可用统计数据证明的应用成效：人工智能技术的应用成效必须通过数据呈现，同时必须有广泛的应用价值。 构建医生+AI的人机协同的医疗服务新模式
讯飞通过医疗人工智能的核心算法+技术与医生的场景融合，从面向医生助理和居民健康助手的多样化产品的设计与能力实现出发，解决医疗场景下的感知、认知、多模态融合等关键核心的复杂技术命题。通过人机协同医疗服务模式，让AI完成80%的事务性工作，让医生专注于医疗服务；同时，让60分的医生有能力完成80分医生的工作。在此基础上，辅助提高基层医疗服务能力，实现优质医疗资源的扩容和下沉，促进分级诊疗制度的落地，提高全民健康素养和整体健康水平。 回归医疗本质 解决临床问题
从医疗的本质——诊疗的角度来说，人们一直想让计算机在诊疗过程中帮助到医生。 数据是让神经网络运行良好的关键，是深度学习的“寒武纪大爆发”。现实中，医学研究的不断深入，为人工智能发展开启了新的维度；人工智能的技术创新与应用拓展，也对医疗行业产生着深刻影响。人工智能的蓬勃发展，推动了医学基础研究的进步，为精准医疗开拓了广阔空间，增强了人类战胜各种疾病的信心。但同时也应认识到，尽管人们正在步入一个大数据时代，但医学在认知和应用上是难以截然分开的，而患者完整的健康数据的获得又比较困难。因此，在新一轮科技革命和产业变革的背景下，只有回归医疗本质，立足于解决临床问题，借助植根于大数据的人工智能算法，显著提升疾病筛查和诊断的效率，为医生科学制定治疗方案提供可靠的辅助。 面向基层医疗机构的全科辅助诊断 2017年11月，在国家卫健委、国家医学考试中心、安徽省卫健委的共同指导下，讯飞医疗“智医助理”机器人通过国家临床执业医师考试笔试，系统基本掌握了全科医生的知识水平和诊断推理能力,具备全科医生服务潜质，可以为基层医务人员提供病历质控、辅助诊断、合理用药、医学知识检索等功能。“智医助理”破解基层医疗机构人力资源短缺、技术水平有限等“短板”，优化基层诊疗行为监管，促进高质量的医疗健康服务体系建设。 如上图所示，更多的技术聚焦的是文本处理，而这正是讯飞所擅长的。我们依托于权威医学出版社的知识库，通过知识自学习技术，实现AI能够读懂每一本教材、每一篇指南及专家共识、每一份病例报告；通过研究认知推理技术，实现面向基层、等级医院等不同医疗机构医生的诊疗助理能力提升；通过研究感知交互技术，实现在医疗场景下人机交互支撑，实现面向居民的健康评估、筛查问诊、患者管理及医患交互等多场景的健康助手功能。 我们的目标不是用人工智能替代医生，而是用人工智能技术帮助医生提高诊疗能力和效率，为整个社会带来医疗能力的增量供给。现在，不论是社区的全科医生、还是乡镇卫生院的医生们在给患者看诊的时候，都可以根据电脑内的“智医助理”辅助诊疗系统提示，通过规范的问诊流程，完成准确完整的病历。结合系统给出的AI辅诊参考及治疗建议，为患者进行了准确的诊断。 截止目前，全国已有近5万名基层医生使用，累计提供超4亿次辅助诊断。 电话机器人助力疫情防控 在疫情防控领域，基于“智医助理”核心技术的电话机器人在大数据的基础支撑上，基于智能语音、多轮交互技术与智能外呼平台，对圈定人员进行电话批量拨打排查疫情情况，调查问题根据需要进行设定，利用语音识别技术，受访者的语音答复自动生成信息表单和统计报告，高效、精准地完成信息快速采集与疫情摸底，不仅能将大量的人工释放出来投入其他疫情防控工作，还大大提高了排查的效率，成为全方位综合防控“科学精准、动态清零”的有力抓手。 在慢病随访、居民健康关怀、体检邀约通知等场景中，电话机器人也广泛应用，可以进行全流程、体系化的健康管理，将原来依赖于人工难以开展、难以把控质量的基层公共卫生服务做实、做细。通过自动语音外呼、集成人工软电话功能，能够对大规模筛查交互语音数据进行自动转文字、规整提取，填充至系统并实现统计分析，改变医生原来人工边打电话边记录、后手工补录进系统的工作模式，有效提升了医生的工作效率，提高了数据的及时性、准确性，所有过程数据留存可查，提高了数据的真实性，更加便于全流程的监管、考核、评价。 助力构建智慧化传染病防控体系 在“智医助理”规模化应用的基础上，通过整合其他各渠道数据，讯飞医疗构建了从“发现风险”到“疫情控制”完整的智慧化预警闭环体系。系统同时与CDC预警平台数据互通，为疾病防控的大数据分析提供了实时的监测信息，节省了传染病预警时间，显著提高区域内的传染病防控率。 总而言之，人工智能的低成本复制能力和持续向前进化能力是人类智能无法比拟。基于此，深入了解人工智能的发展历史和现状，把握人工智能的未来趋势和客观规律，发挥其持续向前进化能力，人工智能的发展未来可期。
|
|||||||||||
 |
| 推荐文章 |
| 图片主题 | ||||
|
|
||||
| 热门文章 |
| 最新文章 |
| 相关文章 |
|
|
