仅仅在五年前,人工智能计算机还基本上识别不了图像,更别说像人类一样分析图像。但突然之间,人工智能计算机已经超越了人类。
谷歌大脑(Google Brain)项目负责人Jeff Dean表示,“2011年,计算机识别图像的错误率为26%。”谷歌大脑与其他科技巨头一起在引领近期的图像识别以及语音识别及自驾车领域的革命中作出了自己的贡献。他表示,而现在,电脑查看和分析图像的能力超出了人眼所能做的事情。
Dean在德国海德堡举行的一次研究活动中表示,“如果你几年前告诉我能做得到这一步,我一定不会相信你。但由于人工智能(AI)计算机视觉的发展,电脑现在‘可以看了’……这也打开了我们的视野,让我们看到了更多可能性。”
在本周第五届海德堡获奖人论坛(HLF2017)上,探究AI和机器学习更多应用可能性是一个主要课题。HLF为世界上最有希望的年轻科学研究人员及经验丰富的计算机科学家和数学家提供了融合交流的机会,他们都是在自己领域里赢得了最高荣誉的研究人员。这些获奖人是计算ACM奖、图灵奖、Fields奖,亚伯奖和Nevanlinna奖的得主。
Google Brain负责人Jeff Dean
Dean因其在分布式系统方面的工作曾获2012年ACM计算奖。他是谷歌的奇人。Dean在HLF 2017上深刻综述了AI使能技术应用在改善医疗保健和医学研究上的成果。
AI用于医疗保健和医学研究是有其道理的。据最近的埃森哲报告资料显示,至2021年,AI医疗保健行业年增长率将达40%,预计2021年的医疗保健市场将达66亿美元。目前的医疗保健市场徘徊在6亿美元左右。
Dean在本周的HLF上概述了一系列有关AI医疗成果的信息:
癌症诊断
病理学家要负责阅读检测乳腺癌、前列腺癌和其他癌症的幻灯片和测试结果。尽管这些人是经过训练的,研究却表明,几个病理学家只能在大约42%的时间内在乳腺癌的诊断上取得一致。
Dean表示,有个深入学习研究项目用了谷歌现存的Inception深度学习工具和康奈尔大学的一些定制机制,该研究项目显示,这样得到的结果要好得多。
该研究结果是在2017年3月发布的。其研究报告称,Google Brain的AI医学研究小组用了数百种病理图像训练计算机的癌症检测,准确度水平达到接近90%。
X射线成像
瑞典两个月前的一项研究显示了类似的结果,颇令人鼓舞。该研究利用X射线诊断骨折。
在这项研究中,瑞典Karolinska研究所、皇家理工学院和丹德里德医院的研究人员发现,深度学习计算机视觉可以和骨科医生一样准确地发现骨折。领导这项研究的Karolinska研究所的Max Gordon写道,这证明AI网络的评估能力与人类专家相若,而且,我们希望能够通过高分辨率X射线图像获得更好的结果。“
Dean在谈到这项工作时表示,“计算机视觉和AI技术即将从根本上改变”医疗诊断。他表示,这对病人的影响几乎是即时的。
计算机视觉与糖尿病视网膜病变
糖尿病视网膜病变(DR)是一个很好的例子。糖尿病视网膜病变如果能及早发现就可以很好地得到治疗。但如果错过及早发现的时机,此疾病可导致视力丧失甚至失明。根据亚特兰大疾病控制中心的数据,全球有4亿人面临DR风险。
研究表明,问题的症结在于,即便是训练有素的眼科医生要诊断出DR都有困难。Dean表示,“如果找两位经专业认证的眼科医生对健康的眼睛和患DR眼睛的图像进行诊断(见下图),四轮下来,只有60%的时间里他们的诊断是一致的。而两个小时后, 65%的时间里他们的诊断是一致的。“
糖尿病性视网膜病变诊断的图像比对(左:健康;右:患DR病)图片来自谷歌
Dean补充表示,“有点恐怖”, 但却适合用AI方法迎接挑战。他表示,“假若这些新的计算机视觉系统可以在认别猫狗差异时达到人类的准确度,那么这些计算机视觉系统应该在识别”各种与医疗有关的东西时派上用场。
研究人员为AI系统提供了15万张眼睛图像,研究结果显示,AI系统的AI软件最终的诊断准确度水平超过人类。
展望未来
AI应用在医疗保健领域的其可能性可以列一个很长的表。Dean表示,从发现药物、整体患者护理到绘制人脑的突触连接等等,AI将很快改变数百万计人的医疗保健和治疗。谷歌并不是该领域的唯一玩家。 IBM公司Watson团队、微软的AI研究人员以及Facebook公司都在研发AI健康算法和解决方案。
许多诸如特斯拉公司首席执行官埃伦·穆斯克(Elon Musk)的科技领军人物曾对人工智能可能失控而威胁到人类表示担心。有关的辩论短时间内还要热闹一阵,至少会持续到科技奇点(Singularity,参看https://en.wikipedia.org/wiki/Technological_singularity)到达之前。但对于那些更加关心生活质量的人来说,很显然,他们从Dean本周带来的信息里看到了更多的希望。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。