【AI与生命科学】深度学习：当你意识到很深时，实际上已深不可测了！

“管中窥豹”比喻从观察到的部分，可以推测全貌。当我们意识到AI深度学习很深时，实际上已经深不可测了。

当人们对深度学习或机器学习感兴趣时，我们的初衷是想寻求最佳方案，而不是自找麻烦。然而当你意识到很深时，实际上已经深不可测了。深度学习只有过程，而无法终结，深不见底。

比如在医学领域，利用机器学习功能，是否可以辅助或提示医生哪些是疾病早期症状或潜在风险？与此同时伴随的潜在风险是我们每个人的所有信息都暴露无遗。这正是谷歌的人工智能“深度学习”所面临的挑战。他们试图应用人工智能辅助医生进行临床判断，但并不是每位医生都愿意把患者的所有信息分享出来。

在英国伦敦，谷歌的深度学习项目与伦敦数家医院合作，通过一款名为“小溪”的App来提示医生，他们的患者即时状况和疾病进展。医护人员可以通过此App查阅患者病历和化验结果等(好像没什么了不起)。

而AI机器人（深度学习）通过患者的血液检查结果，自我训练如何标记出肾脏疾病的早期症状，与此同时，给出医生建议谁是应当转诊的最佳专科医生那里就诊。

根据此合作项目，谷歌的“深度学习”项目能够获得160万份患者的临床资料信息。有人开始担心了，这种具有自我验证假设智能模式是否能够通过人工智能技术来改善，并提高现有的诊疗技术的有效性和创新性。因为迄今为止，尚未有可对比的平行数据研究，也无法评估那些临床数据的意义所在。

从纯技术来看深度学习或其背后的智能软件系统，这些技术和产品应用都瞄准着辅助医生来简化医疗服务流程和节约宝贵的时间，特别是填写和处理那些表格和病案记录处理等。

谷歌的深度学习项目除了辅助疾病管理，也试图协助放射科对智能化放疗以及眼科视力退行性变化的治疗等提供辅助决策支持。

看来，几乎所有深度学习的人工智能技术都离不开海量数据或大数据，没有数据不仅无法智能化自我学习，而且也很难达到预期目标，提供更便捷、精准有效的临床治疗方案建议。这对于那些热衷于大数据的业内同行似乎是一提示：数据固然重要，关键还是看如何应用，人对于大数据的运用能力，无异于蚂蚁搬山。

若再让你找寻翻阅那些陈年病历资料，你的感觉如何？味道又如何？是时候用AI检索阅读了

相关内容：

欢迎个人转发分享，微信平台等转载，请联系授权：

[e-mail]  或关注 sasctm 告知。