1956年达特茅斯会议上正式提出人工智能;
1997年深蓝击败国际象棋大师卡斯帕罗夫;
2016年阿尔法狗击败职业九段棋手李世石;
2017年Master击败世界冠军柯洁;
……
自人工智能诞生,到击败多位围棋世界冠军,这一技术在世界声名大噪,潮水退去,技术最终还应回归价值创造。
2022年4月,中国信息通信研究院发布《人工智能白皮书(2022)》。报告指出,全球各国正在加大对人工智能的投入,并且把发展人工智能上升到国家战略的高度。人工智能接下来的持续健康发展,将由“技术创新、工程实践和可信安全”这一三维坐标定义和牵引。在技术层面,围绕算法和算力方面的创新将不断涌现。
近年来,随着算力的增强、算法的创新、数据资源的累积,人工智能发展迅速,并与多种应用场景深度融合,带动了传统行业实现智能化转型,逐渐成为推动经济发展的重要原动力。医疗是国民经济的重要组成部分,必然成为人工智能领域重点发展方向之一。
在此背景下,安德医智与浪潮信息达成合作,充分释放自身技术和产品优势,,携手在智慧医疗领域,通过人工智能技术降低人力成本、提高诊疗效率,助力“健康中国”。
AI成为诊疗一体化新时代的加速器
由于政策利好,人工智能在医疗领域已有诸多成熟的应用场景,如医学影像辅助诊断、药物研发、个人健康管理等。
2020年,国家药监局(NMPA)批准发出全国第一张以“影像辅助诊断”命名的医疗AI软件三类医疗器械证——安德医智旗下BioMind“天医智”颅内肿瘤磁共振影像辅助诊断软件。该软件2017年诞生于全球首个神经系统疾病人工智能研究中心。此举意味着人工智能在医疗领域取得了新的突破,也标志着临床医疗领域迈入一个新的时代。
在应用落地层面,安德医智副总裁周岩介绍,把AI引入辅助诊断的初衷,是为了释放医生的时间去投入价值更大的领域,比如更多地关注诊断报告出现后的治疗阶段。目前我们在人工智能辅助诊断系统应用主要有三个特点:
算力、算法和数据是人工智能的三驾马车。BioMind“天医智”颅内肿瘤磁共振影像辅助诊断软件同样需要强大的AI算力平台、优质的算法模型,以及庞大的数据积累,而这背后离不开浪潮信息、天坛医院、安德医智三驾马车并驾齐驱,共同加速构建智能化平台。
安德医智副总裁周岩提到,人工智能+医学影像是将人工智能技术具体应用在医学影像的诊断上,它的技术主要分为图像识别和深度学习。利用人工智能辅助影像诊断,可以看作一个算法模型进行深度学习的过程,在模型训练中浪潮信息和天坛医院给与了我们很多支持。
安德医智副总裁周岩
融入元脑生态,以生态合力推进产业AI化落地
天坛医院作为综合性的三级甲等医院,能够提供多场景和不同状态下的有效医疗数据,用于培养AI产品学习。运用深度学习算法模型,对近十年数百万影像病例进行系统训练,融合了顶级医院专家的临床经验。基于庞大且精准的数据,才能保证AI训练结果的准确性。引入AI基础数据服务,不仅加速了AI模型的开发,更有利于推进智慧应用落地到更多的医院。
但随着业务量的攀升、系统复杂度提升、应用场景不断变化,在深度学习框架核心技术和算力上支撑不足。这也是产业进行AI进程的必经之路。基于行业现状,浪潮信息提出“元脑生态”,希望帮助AI产业伙伴聚合AI多元算力平台、优质算法模型,最终实现业务智能转型升级。AI产业链应协同发展,以生态合力推进产业AI化落地。
在此背景下,安德医智与浪潮信息基于各自优势,迅速达成合作共识并展开联合创新,开发软硬件一体化医疗+AI解决方案并加速应用落地。浪潮AI服务器为安德医智提供顶级通用计算性能,在计算性能、芯片互联、数据吞吐等多方面实现了极大提升。强强联手打造出能够支持规模更大、复杂度更高的模型训练。而AI资源平台AIStation则协助安德医智提高了计算平台资源利用率,环境部署更简单,团队协作更加便捷等资源管理目标。
写在最后
疫情当下,全球疫情形势严峻,在大型的传染病早期的预警和预防方面,人工智能发挥着不可替代的能力。现阶段,安德医智的肺炎CT影像辅助分诊与评估软件也投身战“疫”之中,帮助医生快速筛查CT影像,辅助诊断和筛查成年的新型冠状病毒肺炎疑似患者,以及确诊患者的病情评估,极大地提升了整个医疗系统的诊断效率。目前该软件已在武汉金银潭医院、武汉市第三医院、北京天坛医院等医疗机构投入使用。
今后安德医智还将与浪潮信息展开更深度的合作,继续融合双方优势资源,开发软硬件一体化医疗+AI解决方案并加速应用落地,满足更多医疗机构、更多病种的辅助诊断需求,推动优质医疗资源的下沉。希望通过人工智能技术的进步服务于人类健康,这是科技公司的企业责任,也是安德医智的愿景,未来,将把这份愿景作为企业责任坚持下去。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。