人工智能距我们生活的改变有多远？国际学者亮相论坛畅谈AI

“现在一听说是讲AI的会，大家都想来听听。”

昆山发布微信公众 图

5月22日，第二届昆山杜克大学技术创新与应用国际论坛上，一位投资人对澎湃新闻（www.thepaper.cn）记者感叹说，人工智能正经历着自1956年达特茅斯会议确立该概念以来最为火热的光景，光是看看那些在高铁站进站口的人脸识别系统，你就不得不承认：是的，人工智能时代，来了。

“人工智能已经到了可以全面进入不同领域、产生商业价值的阶段。” 昆山杜克大学和美国杜克大学电子与计算机工程学教授李昕博士对澎湃新闻记者说。

此次论坛由昆山杜克大学和江苏昆山市高新区主办，邀请了国内外知名大学与公司的人工智能研究人员，对各自在不同领域AI的应用进行分享和交流，“就是希望从中寻找合适的落地项目和机会”。

所谓人工智能（Artificial Intelligence），这个名字可能会带来些误解。不久前在美IPO的机器学习和数据分析平台提供商Cloudera的联合创始人Amr Awadallah认为，更准确的说法是决策的自动化，“如何来搜集数据，利用数据进行分析，并尽可能多地让机器做出一部分的决定”。

解决现实“痛点”，是绝大部分人工智能研究的出发点。

在昆山杜克大学的上述论坛上，当加拿大皇家学会科学院院长、院士M. Jamal Deen 博士在演讲时给出两张同一个人的照片，让大家猜猜是哪一张图片说明这个人昨晚失眠了，台下的听众反响积极。“没错，是这张！”失眠的这个人眼皮稍肿，眼睛偏小，笑容勉强。

针对这一问题，Jamal院士正在研究的方向是通过人工智能改善睡眠，包括用传感器收集数据，追踪睡眠习惯，从而针对性地给出反馈方案，如及时调整睡眠环境，给大脑播放粉红噪音（Pink Noise，特指随机的噪音混合高頻和低頻）以及双耳节拍（binaural beats，即给两只耳朵发送不同频率的音调）等，可以让大脑以最自然的方式入睡。这些决策都是机器自动完成的，也就是所谓的人工智能。目前，这一研究已经走出实验室。

医疗领域也是人工智能落地的最佳场景之一。许多专家都认可的是，“AI+医疗”前景无限，尤其让人期待的是深度学习在疾病预测、诊断和治疗方面的应用。

深度学习其实是一套可以借助海量大数据对机器进行训练的神经网络，机器学习要求高质量高价值的人工标注数据，“但挑战在于，给医学影像作人工标注的成本非常高——往往只有医学专家能够进行很好的标注，而一张医学影像可能包含数百万计的医学对象。”圣母大学教授Danny Chen说，他介绍了一种“选择式标注”的深度学习方法，可以大量减少标注成本。

“先是利用主动学习（active learning）来训练深度学习模型，然后让机器深度学习来决定更加有效的注释区域。” 换言之，把这些未经标注过的医学影像数据交给机器，让机器自动挑选重要的特征并给出建议，也就是机器认为对图像分割有价值的区域或对象，这时候人类专家再对这些范围已经缩小的区域添加标记数据，然后交由机器重新学习。

这项技术可以应用在需要大量识别医学影像进行诊断的疾病方面，比如在诊断急性炎症时，及时精确识别出作为炎症反应的一线细胞——中性粒细胞。

但是基于神经网络技术的深度学习，可能也恰恰带来一个问题，会不会又是一个黑盒子？ 这些机器是如何找到有意义的信号的？人们应该给予深度学习多大的信任？

Danny Chen教授的答复是“这些问题都是值得关注的，也是我们正在研究的”。他坦言，深度学习有时会他们带来一些意想不到的惊喜，比如识别出一些人们尚不了解、却又可发挥作用的现象。

总的来说，AI在疾病治疗领域大有可为，“但你要我给个时间表，人们多久能够感受到AI带来巨大的改变，这个不好估计”。他对澎湃新闻记者表示，“坦白讲，我觉得眼下讨论这个是没有多少价值的，因为医生们几百年来都没解决的问题，我们怎么可能单纯通过技术就很快解决呢？”

“这需要时间，而我们会持续做。”他最后说。

听完这样的讲座，你会切实感受到，是的，人工智能来了，但随之而来的担心是，那么我的工作还在吗？在最后的专题讨论上，讲座主持人李昕教授很贴心地把这个问题当场抛给了这些教授。

“有这么一部人会被落下，如果他们无法找到新的工作机会的话。”美国戴尔公司首席数据官Jack Chen博士说，科技进步带来的机会是巨大的，“就像计算机时代到来时，打字员的工作没了，但是却出现了程序员的职业”。李昕教授表达赞同，“我想，人工智能时代来临，快速学习能力正是我们需要的。”

新闻推荐

默沙东回应宫颈癌疫苗短缺：香港团队一直建议医生留后续针剂

新华社上海5月24日电近日，多地传来用于预防宫颈癌的四价人乳头状瘤病毒疫苗（以下简称HPV疫苗）接种困难的消息，与此同时，“香港...