2018年9月30日 星期日

AI: 過去、現在與未來

原著KEVIN LANDWEHR | January 22, 2018
從每天早上的新聞來看,很明顯人工智慧的嗡嗡聲已經變成了富有成效的對話,而且不會很快减慢。正如我們許多人所經歷的,數百家公司來到RSNA(北美放射學會的年度會議)展示他們自去年這個時候以來為業界做出的貢獻。輻射劑量管理和3D列印的討論是豐富的,但沒有像人工智慧(AI)那麼普遍。每個展位似乎都有自己的貢獻,無論是折衷演算法的開發,還是應用商店(如平臺)的開發,這些平臺除了提供更快的訪問公司已經出售的演算法外,幾乎無能為力。
這個領域的科技發展速度有些令人作嘔,這使得很難確定一個機構是否應該採用這個平臺或演算法,並决定是否值得花時間將這些科技集成到他們的PAC系統中(編者注:一個人工智慧醫療系統)。有了這些聲音,相對於AI作為工具的增長,保持時間的洞察力是有幫助的。自從教堂圖靈論文首次發表於1937以來,人工智慧就已經建立起來了。本文假設了三類可計算性,並在其他著作中不斷得到加强。
直到1956Arthur Samuel寫的第一個人工智慧程式才正式出現,並有可能擊敗業餘愛好者。在這次重大突破之後,人工智慧、機器學習以及現在深度學習的學術研究開始取得重大進展。許多新的研究專案誕生並精心培育,1997年,深藍公司Deep Blue誕生。在Arthur Samuel的跳棋人工智慧問世45年後,IBM製造了深藍,一種擊敗世界西洋棋冠軍Garry Kasparov的西洋棋機器。14年後的深藍,在2011IBMWatson電腦贏得坐在對面的世界西洋棋冠軍
在遊戲中對人工智慧的歷史做一個小小的描述是因為在遊戲中你必須遵循一個簡單的定義過程。即使在一個簡單的遊戲中,比如跳棋,你必須意識到有策略,而不僅僅是可能的動作。當然,你可以在棋盤上定義動作,但是如果運動是隨機的而不是有計畫的,那麼電腦很容易被打敗。現在可以考慮到有5000億億(兩百億!)可能的棋盤組合理論上,如果電腦能够被程式設計以知道所有可能的組合,那麼它就能够在每次人類玩家移動時辨別出獲勝的組合。問題在於暫態瞭解所有可能組合所需的計算能力遠遠超出了時間的能力,因此,學習成為從統計推斷訓練電腦的最佳途徑。使用這種方法,YouTube可以在視頻中識別處不同的猫,但這種跳躍只發生在2012
這最後一點也許是最有趣的。雖然遊戲是電腦學習的一個有趣的開始模型,但是考慮到遊戲有特定的規則和方向,它們受到很大的限制。模式識別Pattern Recognition因此成為了最新的學術研究和商業擴展的焦點。使用模式識別算演算法使得像Google這樣的公司能够更多地瞭解我們,我們的行為,甚至我們的信念。這不僅適用於個人,也適用於群眾。
回到醫療行業,很明顯早期的人工智慧對醫生沒有幫助,因為他們只能識別預先程式設計的規則和方向。隨著模式識別的進一步發展,我們可以拋開一些規則和方向。你不能準確地告訴電腦腫瘤會在哪裡出現,因為在現實生活中腫瘤可以在任何地方形成。然而,你可以做的是教育一台電腦一個腫瘤是什麼樣子,它可以蒐索一個影像(或一組影像)來根據它看到的其他腫瘤來匹配模式(並從中獲得更多資訊)。
該行業似乎正處於全面理解模式識別的中期階段,這就是為什麼今年的RSNA看起來像是一個關於人工智慧的瘋狂談判場所。數以百計的演算法和存儲頁面上都顯示著關於節省時間或改變優先順序的說法(想想現在可用來量化冠狀動脈鈣化的工具),但是每個人對於如何向醫生和健康人員推銷似乎都有完全不同的方法。當正在萌芽的科技正在被利用時,這種混合的現象就會發生,但是還沒有關於這種技術在一年或五年或更長時間內將如何發展的路線圖。
考慮到人工智慧的歷史和理解醫療臨床應用的差距,多年前TeraRecon開始在這個領域進行投資和創新,其方法使醫生始終處於控制之中。將AI定位為醫生工作流程中的一個工具,是這項科技的真正未來。在人工智慧的幫助下,醫生將顯著减少閱讀研究一個方面所花費的時間,並著手處理那些優先順序更高、不那麼乏味的事情。
TeraRecon利用其勢頭和從先進體積視覺化中吸取的教訓,並將其帶入其對特使人工智慧的投資和的NorthStar開發中,特別關注最終用戶的觀點。人工智慧具有真實而强大的臨床價值,是當前工作流程中缺少的環節,對演算法分佈的需求日益增長。
運用AI演算法平臺是真正的創新。它被稱為“Amazon for AI”,它的特殊之處在於,當開發人員將他們的演算法放到平臺上時,他們可以保留知識產權,並為其使用收費。醫生可以通過EnvoyAI Exchange即時訪問算法庫,並且可以在當地語系化或基於雲的模型中運行平臺。這種公平競爭和廣泛分佈使得EnWAIAI平臺與任何其他醫療平臺不同。從公式中唯一缺少的是在臨床環境中與演算法相互作用的手段。
隨著TeraReconNotsStarAI支持檢視器和EnvoyAI平臺將新的和强大的臨床工具帶到桌上電腦上,最終有一種方法可以將前沿AI直接引入已建立的工作流中。

沒有留言:

張貼留言