人工智能商业内参 009

短期来看,人工智能依然只能作为人类辅助手段之一,承包一些只需要数据处理的简单工作,比如微软日前宣布的 Hanover 计划,就是人工智能程序理解每年发表的医学专业论文,帮助医生预测哪些药物对治疗癌症患者最有效,从而达到帮助治疗癌症的目的。

微软的另一个项目是倡议将人工智能应用到医疗放射科,采用机器视觉工作来分析癌症病人的肿瘤CT扫描片。然而微软并不是有此类倡议的唯一的高科技公司,谷歌的旗下DeepMind公司设有医疗部门,在与英国政府医疗服务部门合作,研究计算机能否及早发现视力退化问题:即将人工智能应用到头部和颈部肿瘤的放射治疗工具上,能够在早期就检测到眼部是否患有疾病,防止患者失明。

IBM Watson 也在医学方面有诸多布局和思考,可参见之前的分析。IBM Watson Health总监 Balaji Krishnapuram 认为,机器学习与人工智能会在以下几个领域重塑医疗

  • 人口管理:识别风险,判别病人是否处于风险中,并对可能降低风险的措施进行识别。
  • 护理管理:为每个患者设计个性化的护理计划,缩小在护理中的差距。
  • 患者自我管理:支持并能够为患者个人定制自我管理治疗计划,实时监视患者健康,调整药物剂量,并为有利健康的行为改变提供激励机制。
  • 系统设计:优化医疗流程——从基本的治疗过程到医疗保险的一切,通过缜密的数据分析,在提高护理成果和质量的同时,降低成本。
  • 决策支持:帮助医生和患者基于最新的测试或监控数据,选择合适的药物剂量,协助放射医师识别肿瘤等疾病,分析医学文献以及建议将产生最好结果的手术方案。

这其中,机器学习的重要性不言而喻:

人类具有更好的“大局观”。我们可以在样本、数据和碎片化的信息混沌中,发现联系、挖掘故事。我们总是倾向于走思维捷径——— 即Daniel Kahneman和Amos Tversky所提出的“快思维”(fast thinking)。
但当我们试图理解和管理复杂的现象的时候,例如癌症和阿兹海默症,人类这种从少数事实迅速总结出一个普世结论的本能,则成为了我们的致命弱点。
机器学习是一种可能的解药——专门针对我们这种高度进化,但却并不总是有效的,从收集到的信息创造现实的天赋(快思维)的解药。机器学习擅长识别潜在的模式和联系。而这些模式和联系,由于我们长期的进化,已经无法理解。我们忽略细节制造迷信。而对于细节的关注成就了机器学习。

CB insights 早先也汇总了一份该领域人工智能创业公司的融资趋势,先看看自 2011 年第一季度到 2016 年第二季度的变化: