人工智能与医疗：三次寒冬过后的春天

未来，我们会有什么样的工作？失去旧的工作，还是创造新的工作？AI已经开始取代一些工作。中产阶级被挤压的最严重。尚未经历变革也许是教育和医疗。

历史回顾，AI经历了三次寒冬。能够走出寒冬主要是有三个方面的原因：

1、大数据的产生

2、算法的进步，尤其是深度学习的技术，能够大量的处理：

未标记的数据、无监督的训练以及有监督的反向支持运算法则（对标记的数据进行分类）

3、GPU对计算速度的支持

1956是AI出现的元年，诞生在dartmouth。 当时提出的几个领域主要有：

1、reasoning推理能力：面对一个问题，进行分析和判断。比如下棋、证明数学理论或者诊断疾病。deepblue下棋，是一个里程碑。2、knowledge representation 知识呈现：John Mccarthy 最开始在实验室里把世界上的各种知识试图教给计算机。3、planning 做计划(包括navigation定向）： 最开始在SRI（menlo park）的实验室里，告诉计算机如何从a到b，怎么去，走哪条路等等。如果有多条路可以选择，应该走哪一条。4、natural language processing, NLP 自然语言处理：我们每天都在说话，把这种能力已经当成一种潜意识力的、很自然的一个活动。希望机器也能学会这种技能。最开始的应用在语言翻译，政治美苏冷战期间，美国急需知道苏联人在想什么，所以英俄的翻译是非常重要的。5、perception感知能力：人类的感知能力包括视觉、听觉、嗅觉、触觉的教给机器。通过图像、声音、材质，来实现感知。6、generalized intelligence 通用智能（包括感情，创造力，道德辨识，直觉等） 这是我们的终极目标，也许有一天，星球大战里面的机器人就不再是一个传奇了。

第一个冬天在1954年， 翻译无法做到语义翻译，只是停留在逐字逐句、死板的翻译当中。

从1959年开始，大家把上下文的范围作了限制，希望能实现更高的准确度。 可能的应用是，让机器作为语言治疗师，和病人对话， 发现在一定情况下，电脑可以找到一些小窍门，将失望、难过、吵架等关键词，和情绪低落相联系起来。 有的时候，机器人还可以生动的模仿我们所交流时的逻辑，把一个故事试图继续讲下去。比如，病人谈到“家庭”，电脑可能会说，“我很希望听听关于你家庭的故事”，于是病人可以继续的倾诉自己的痛苦。

这样的结果让大家非常兴奋，觉得机器人可以完美的做一名语言治疗师了。但很快， 真正的问题就有出现了，如果在交谈的过程中，病人一旦提到电脑没有学过的词语，整个对话就瞬间停滞。机器人会说“我不明白你的意思，你可以说得更清楚一点吗”，病人会觉得非常的尴尬，甚至愤怒，也会感觉到作为机器冰冷的一面。这是第二个寒冬。

1972年，出现了MYCIN（参见AI-1）。1990年，IBM设计出来集合分析器integrated reasoning shell IRS系统。但是即便在一系列的语言编程的进步当中，有一个根本的问题还是没有得到改变：对于任何一门学科，都需要有数量庞大的专家对其进行训练，将繁复、深刻的信息量，融进计算机新的软件开发当中。从1965到1990年，成为“专家系统”时代。而1990年，也再次让AI进入寒冬。这是第三个寒冬。

终于熬到了有一个春意盎然，有了突破。科学家提出用人工神经网络的计算方法，artificial neural network，核心是模仿人脑的思维方式，设计算法和结构。

1989，Yang lecun发表文章，让机器学会识别手写的邮政编码。大家兴奋不已。

2012，andrew ng在Google带领google brain项目，从众多的youtube视频中，（1千万视频），用大型服务器来训练神经网络，让机器学习来识别图片，进行分类等。猜猜结果是什么？机器学会识别猫脸了！正确率17%。为什么现在能够出现突破呢？答案是：量产scale——计算周期增加到1百万个循环（hz），数据量增加到33000倍像素，同时，也有了更好的算法如：卷积算法、前向前反馈、adversial网络、LSTM等；并且，来自于政府、大学、投资机构和大公司的支持也迅速升温。

AI里面有很多算法和技术，包括：机器学习、优化、限制满意度、逻辑推理、可能性分析以及控制理论。而在机器学习当中，又包括了：深度学习、决策树、随机森林、支持向量机、贝叶斯网络、强化学习等。在这一系列的算法当中，过去几十年中深度学习是最有成果的。深度学习也可以被称为全面分析ensemble analysis。

在airbnb，buzzfeed，google，pinterest等，基本上每天我们都在用到深度学习。

向前发展，我们能走多远呢？

当下，即使需要高度训练和知识的工作如律师，放射科医生或者程序工程师等，或许也摆脱不掉厄运。就连新闻界，wired杂志也大胆预测，90%的新闻将由电脑生成。逻辑和算法，曾经一度是高度智力、学历、IQ的象征的名词，在海量数据的挑战下，人脑的存量似乎也出现了问号。电脑，通过系统、全面、逻辑的收集并整理数据的方法，已经完全占了优势。

的确，AI并不能轻易代替医生的工作，也许医疗的挑战在于，它不简单是一个科学的过程，而归根结底是一个博物学，一个艺术和科学融合的工作。人人都可以用试孕棒在家里自己检查，但却会丧失在妇科门诊，和家人、医生一起分享喜悦的那种经历。

《Rise of the Robots: Technology and the Threat of a Jobless Future, Martin Ford》一书中，Ford的措辞还是很谨慎合理的。没有写成科幻小说。即便如此，这些平实的语言这些还是令人战栗。例如，AI的军事应用，如无人机或者机器人战士，就是一群无血性的杀戮者。“Secret Agent Watson 001 cracks ISIS terrorist ring.我们的Watson001特工粉碎了ISIS的恐怖袭击！” 自动化的汉堡店老板扬言，“这些设备根本就不是要让我的员工更高效的工作，而是要完全消灭掉他们的工作！最后剩下的人类工作可能只有“创造”领域的了。但最近的机器人竟然也开始写小说、写歌。在处理同义词、反义词、反比和反讽等手段，也会逐渐进步。”

可怕的还有，这些也许发生在三十年以后，也许发生在三个月以后。