2016年人工智能开火猛烈，今年年初，人工智能的火苗还未消。阿尔法狗在围棋对战中战胜人类，据相关消息称，中国围棋职业九段棋手柯洁预计将今年4月份迎战阿尔法狗，又一场“人机大战”挑动人们的神经。1月20日，最强大脑中王昱珩在与百度机器人小度的PK中落败，且目前百度人工智能还未尝一败。从这些案例中，不得不让人类感叹，人工智能真的有这么厉害了吗？
无论是阿尔法狗在围棋中获胜还是百度机器人的未尝一败，这些都是人工智能深度学习的成果。对于一个机器，若给它喂以数千万的图片之后，它经过深度学习就能识别出是何物。人工智能的深度学习算法，在图像识别领域突破非常显著。近日，《Nature》杂志在封面发表了一篇关于利用深度学习识别皮肤癌的论文。研究人员训练系统观看了将近13万张痣、皮疹和其他皮肤病变的图像，然后让系统与21位皮肤科医生的诊断进行对比，结果系统的精准率达到91%左右。使用这一技术，将有望造出家用便于携带的皮肤癌扫描仪，造福广大患者。
文章其中的一位主要作者Andre Esteva 表示，他们研究出了一个非常强大的人工智能算法，能够从数据中学习，不是通过编写代码，而是让系统去发现该寻找、该识别的东西。所谓的“深度学习”，即是神经网络，这个算法最早出现在谷歌大脑中。在Andre Esteva 他们开始这项研究时，神经网络已经可以从大约1000个不同类别中识别128万图像。但是，在医学中不仅是纯粹识别分类图像这么简单，还需诊断出患者的病症是良性还是恶性。此次研究中的两个案例，角质细胞癌与良性脂溢性角化病，以及恶性黑色素瘤和普通的痣，系统需学习根据一块不规则的皮肤色斑辨别出良性脂溢性角化病还是恶性肿瘤，这关乎患者的生命，因此算法需要极高的准确率和可靠性。
由于没有可以用来训练算法的数据库，只能靠研究人员自己研究。他们通过收集数据，进行整理分类，再对图像的数据进行清洗，最终积累了大约13万张可用的皮肤病变图像，其中覆盖了2000多种不同的疾病类型。将这些数据集创建了图像库，最终形成的数据集比此前公布的任何同种方法都要大100倍左右，当然这种方法还存在一定的提升空间。随着日后更多数据的填充，机器可以在自己错误时被改正并进行学习，让其性能逐渐得到提升。最后将图像库作为原始图像提供给算法，对系统进行训练总结图像里的模式，让算法弄清楚疾病传播的规则，辨别出不同种类的皮肤病。
算法是人工智能在医学上的新突破，但是算法的精准度是由参考信息的精准度决定的，如果出现机器诊断和人诊断不一样结果的情况，那么机器和人诊断的相对准确率就需根据病变的发展进程不断进行追踪。人工智能用在医学上还可以使人们获得更高质量的医疗，如果这项技术能被投到实际应用中，通过智能手机里的皮肤癌检测仪进行诊断，那将是极大的方便。
来源：线上采编
环球科技视界 | 挖掘云计算、物联网、AI等科技前沿的革命探索和深度报道
联系客服
