再不努力,工作就没了

春节假期后上班第一天,下午才到实验室,整个状态都不对,于是先把积攒的十几封邮件处理下。看到一个人工智能相关的消息,说目前皮肤癌诊断,机器比人强了。是斯坦佛大学电气工程跟皮肤科的教授合作,用129450张临床片子训练了一个神经网络模型,该系统对皮肤癌的识别准确度高达90%[1]。若是搞一个手机APP,那每部手机都可以是一台皮肤癌预帅选机器了。

我是2016年3月份,Google的AlphaGo4:1战胜李世石之后,才知道人工智能的。后来了解到,其实早在1996年2月10日,IBM的超级计算机“深蓝”(Deep Blue)就打败了世界国际围棋大师Garry Kasparov。IBM公司从20世纪70年开始致力于机器智能的研究,并且在工业界一直处于领先地位。它开发的Watson智能系统,可以理解自然语言,分析各种数据和医学影像,辅助疾病诊断和医疗信息管理[2]。

目前计算机算法能够正确诊断90%的肺癌病例,而人类医生的正确率只有50%[3]。2012年Google科学比赛的第一名授予了一位高中生,她利用760万个乳腺癌患者的样本数据,通过机器学习设计了一种确定乳腺癌细胞位置的算法,准确度高达96%,超过目前专科医生的水平。

有分析说机器智能将逐步取代大部分专科医生。专科医生培养起来成本太高[4],对一些偏远地区的人来说,根本负担不起昂贵的诊断费。机器智能可以同时服务全部人,可以远程诊断,而且它的资讯是实时更新的。它学习的病例是百万千万级别的,而一个放射科大夫一生阅读研究的病例很难超过10万个。相比较于真人医生,人工智能有诸多优势:(1)它可以存储史上所有已知疾病和药物的信息,并且可以从当前医院和医学研究杂志实时更新自己的知识;(2)它能实现极具个性化的诊断,因为它不仅可以了解当前病人的基因组和完整病史,它还同时参考病人的父母、兄妹、邻人等的信息,给出个性化诊断;(3)它不知疲倦,可以一直跟病人聊天,了解病情,而无须像门诊大夫一样,三分钟内给出诊断意见开出药方[3]。

2011年旧金山一家药店,使用机器人当人药剂师。顾客上门后,机器人能几分钟内了解到该客户的全部病史,包括他对什么药物过敏,当前这个配方是否会造成过敏,是否会跟其他药物造成不良反应。开业一年,机器人药剂师开出超过200万张处方,一个错都没犯。人类药剂师,平均出错概率为1.7%,也就是说,单单在美国,每年就回有超过5000万张处方配错[3]。

以上只是机器智能的冰山一角,它已经在影响生活的方方面面了。有一次Prof Zhao跟我说,她参加一个material research society组办的会议,研究钙钛矿太阳能电池的,然而别人在讲机器学习,她还以为自己走错会场了。也许有一天,根本就不需要我这种初级科研民工。弄一个机器智能系统,它实时提取论文数据库中最新实验进展,分析出什么课题是当前最热的,而最热的课题里边,大家都在瞎搞什么。它可以根据已有的实验结果,设计出新的实验方案,甚至可以通过模拟,提前知道哪些实验可行。跟学术圈之外的工业结合,它还可以知道哪些东西除了发发paper还有其它用。

参考资料:

  1. Andre Esteva, Brett Kuprel, Roberto A. Novoa, Justin Ko, Susan M. Swetter, Helen M. Blau & Sebastian Thrun, Dermatologist-level classification of skin cancer with deep neural networks, Nature 542, 115–118 (02 February 2017)
  2. 吴军,智能时代,第六章未来智能化产业
  3. Yuval Noah Harari,未来简史,第九章大分离
  4. 在美国,培养一个合格的专科医生,大概需要13年时间。4年本科学习,4~5年医科学习,2年医院实习,2~3年专科实习,整个过程中要经过多次淘汰。医学院没有奖学金,若是一个学生足够优秀,从本科到医学院毕业,大概需要花费50~70万美元,到他们可以挣钱的时候,已经负载累累,他们的年薪收入,自然很高,不然不划算。(吴军,智能时代)

2017/2/3, Fri

Leave a Reply

Your email address will not be published. Required fields are marked *