美国工程院Daniela Rus：MIT已实现99%的乳腺癌AI检测准确率
当我们讨论AI带来巨大变革的同时，我们在讨论什么呢？带着对这一问题的洞见，MIT人工智能实验室主任Daniela Rus做了主题为“人工智能驱动商业决策”的演讲，分享了包括AI对于交通、安全、医疗、金融等行业影响。（注：回复RUS下载演讲PPT）
“机器和人可以协作互相支持、相辅相成。机器最擅长的，人最擅长的可以有益结合起来。经常有人问我，人和机器是否是竞争性的？人和机器不应该是竞争性的，如果两个可以协作的话，可以实现1+1大于2的效果。” 美国人工智能学会院士、MIT人工智能实验室主任Daniela Rus在2018品友互动人工智能大会上说。
“比如机器有很好的记忆，比人的记忆力好很多，对于人来讲，人可以整合，有大局观，可以抽象思维，以及规划。所以如果说机器最擅长的和人最擅长的结合起来，可以创造出一个AI的系统支持我们企业的决策，利用数据作出驱动做决策。”
4月19日，2018品友互动人工智能大会在上海举行，Daniela Rus做了主题为“人工智能驱动商业决策”的演讲，分享了包括AI对于交通、安全、医疗、金融等行业影响。
Daniela Rus是谁？
集万千荣誉于一身的Daniela Rus，每一个头衔，都含金量十足：美国国家工程院院士，美国人工智能学会(AAAI)院士，麻省理工学院计算机科学与人工智能实验室(CSAIL)主任，麻省理工学院电气工程与计算机科学教授，电子电气工程师协会(IEEE)院士，国际计算机学会(ACM)成员。
不仅如此，Daniela Rus还是CSAIL历史上第一位女性主管。在她的带领下，CSAIL已经研发出具有编译器的机器人，以及把迷你机器人应用在医药行业。此外，实验室还成立了软机器人技术小组，研发出可以智能抓取的3D打印软抓手，突破了传统机器人的种种限制。这都大大改写了机器人领域以往的研究路线，真正实现了创造性。
以下为AI商业周刊对Daniela Rus演讲内容，以第一人称陈述的方式整理：
AI解放劳动力
AI技术可以让机器有推理的能力，可以像人一样去观察、交流、思考、学习，这就是我所谓的休息时候的自主。它可以让我们更好地去处理认知方面的一些工作，但是未来还有很多劳动方面的这种任务可以更好地去解放出来。
人工智能可以让机器去推理，机器学习可以去研究数据让他们去学习、预测、自我完善。这些技术合在一起可以带来深刻的变革和影响，我们能够更好地去制造药品、治疗疾病；我们能够更好地去确保大家能够以更安全的方式避免交通事故出行；我们可以去实时地实现跨语言的沟通；我们也可以更快捷、便捷地运输产品和服务；我们也能够让所有人有能力去学习，我们也能够让所有人能够关注大局，然后有战略地思考，因为机器可以代替我们做一些简单的日常的工作。
我们现在一直在讨论这些巨大的变革，因为看到有三个方面的进步正在同时发展：
第一个是计算力，大家应该了解摩尔定律，计算力已经足够快，可以处理大量的数据。现在我们有大量的数据，也可以实时地去处理这些数据；
第二是算法的进步，算法是解决问题的，可以让技术能够处理数据，然后给我们产生想要的结果。
第三是巨大的数据，在并行发展的过程当中有几个里程碑，2011年，IBM沃森生产的机器，能够在“危险边缘”这个节目当中赢得冠军，打败了人类；2011年以来我们看到越来越多机器的能力在不断提升；2012年机器学习在图像识别当中取胜；2014年移动终端产生的数据已经超过了人的总数，因为这样一个发展，2017年我们每天产生的数据是2.5QBT。
我们解决运用的方法可以分为三类：监督学习是我们利用数据在输入和输出当中找到关系，人们要去理解；非监督学习是机器要去理解数据到底是什么，利用数据去找到规律，然后去进行分类，这个时候数据不一定要进行人工的标签；再就是强化学习，让机器知道如何去行动做决策。
AI如何创造商业价值？
>>AI+医疗：MIT已实现97%-99%的乳腺癌检测准确率
所有的企业只要有数据，他们都可以从中受益匪浅，因为我们的技术、机器可以处理大量的海量数据，找到规律，然后去理解这个数据到底代表什么样的意义。
第一个例子医疗领域，今天的机器能够识别的影像资料是在医生当中能够阅读的影像资料。比如说淋巴结，他们可以去分别到底是肿瘤还是不是肿瘤。跟人的错误率相比，一个是3.5一个是7.5，如果合起来就是0.5%的错误率，这是非常不可想象的非常强大的进展。
因为机器有比人类更擅长的，人类有比机器擅长的，如果你把这两个结合起来的话，在决策的时候，人类能够做什么、机器能够做什么，然后彼此擅长什么，然后把这个信息用在指导机器去做决策上，在医药行业我们看到，在世界上最先进的治疗中心已经在运用了。
但是未来有可能会用在所有人身上，即使你是一个农村的医生，如果他能够利用机器为病人提供最先进、最有意义的治疗，然后获得临床的研究支持，这些简单的想法无论是医学还是在其他的领域都是可以适用的。
现在我要谈一下在我们MIT和麻省医院合作的项目，通过机器学习，我们可以达到97%-99%的乳腺癌的检测准确率。由此，我们也可以去避免那些对于良性肿瘤的手术，如果说我们的家人有肿瘤史的话，你就知道这些工具对你来说会有多么的重要。
>>AI+金融：帮助人找到市场规律
在金融领域每天我们都要创出大量的数据，金融行业在美国和中国的发展都非常迅速，尤其是互联网金融。我们想象一下，如果说有一个小助手在帮你跑很多的差事帮你处理数据，找到一些有趣的规律，把这些规律交给人让你去做出决策，所以你可以就此来进行决策和行动。
随着机器学习以及大量的数据处理，现在我们用聊天机器人就可以帮助我们去改变金融领域的从业方式（在零售业和其他行业也有此类进展，我们可以利用此类系统来提升客户推荐，通过分析过去的数据，由此向客户去推荐更为平衡的购物的选择），这些系统也可以帮助我们去进行金融分析。帮助我们去在金融市场出现变化之前去预测此类变化。我们用大数据、区块链也可以建立起更高的信任和系统的问责性。
>>AI+法律：律师不用再去记大量的案例和法律文件
其实计算科学已经改变了我们阅读文件的方式以及我们去查找一些事实的方式，在文本的领域当中，自然语言处理技术，现在通过机器，我们可以阅读整个图书馆的文件和书籍，由此我们的律师就不用再去记上千本书或者说是大量的案例和法律文件了。
律师可以去通过机器找到最近的案例和判例，由此来支持当今的案例，也可以去判断法官可能会对目前的案例采取一个什么样的判决。
所以说这是一个让人非常感到兴奋的图景，我们的自然语言分析可以自然应用，我们可以分析整个图书馆的文字，从而创建出相应的信息帮助你做出决策。
>>AI+交通：更好地实现汽车供需匹配
交通非常的重要，因为它广泛地影响到了我们的生活和业务，因为我们需要在商业的过程当中去搬运货物。
通过AI，我们可以使运输变得更加的愉悦、轻松，我想大家可能都在上海、北京或者波士顿都经历过交通堵塞，大家不喜欢这样的场景。我们在MIT做了这样的研究，我们开发出了一套机器学习的系统，我们可以将供需进行衔接，这个衔接是比系统更加高效，通过这套新的方案我们可以展现出所有的交通需求，比方说像纽约的这些公交车和出租车的车队，他们每天收到上千个需求，可以通过三千个出租车的小车队来进行满足。
所以说我们可以用更小的数量去更加高效地进行优化处理我们的需求。我们想象一下如果路上的车变少了，这是因为我们现在可以进行更好的供需匹配可以更加减少汽车车辆的数目。
>>AI+零售：找到客户潜在的需求
说到交通运输，我就要讲一下关于供应链和零售了，现在在图像处理和文本处理方面，我们可以用它来改善我们供应链和零售的需求，我们可以用图像来识别我们的顾客以及去展现出我们的顾客是否在说谎。
通过对于顾客行为的追溯以及他们消费需求和消费历史的分析，我们可以找到这些个人是如何跟系统进行交互的，由此我们可以实时分析客户的需求。
我们也可以去找到客户潜在的需求，由此我们就可以去实时地向客户发送一些在线的优惠券，我们也可以进行分类，通过自动结账等等系统，当我们的客户帮超市建立起智能库存，就可以实时预测我们的需求在哪里，由此将我们的库存运送到真正需要它的地方，并且是实时、准时的。
今天我们用AI技术可以做更多的改善，可以用自然语言分析系统找到客户他们在社交网络上的发言，也可以去向我们的公司和供应链提出预警，我们也可以去追溯一下人们的沟通方式。其实现在我们的语音识别信息它已经达到了0.5%的误差率，这和人类的翻译其实已经达到了差不多的水平上。
>>AI+能源：可以削减数据中心30%能源消耗
另外一个机器学习的应用场景，也是我最为感兴趣的方面，就是在能源领域，谷歌近期使用一个新系统，可以大幅地削减数据中心的能源消耗，可以削减40%。其实数据中心已经消耗了全球1/3的能源消耗，可以大幅减低此类消耗，对于我们的环境也有非常大的帮助。
总结
通过下图我们可以看到哪些是AI应用最为先进的领域，哪些又是比较滞后的，比如金融服务业是整个采用人工智能比较领先的区域。
人工智能在各个领域应用指数
在教育、旅游等等方面是比较滞后的，如果你是处于这些滞后的领域当中的，那就意味着你有着大量的机遇，你可以去采用最新的技术去提升自己领域的业务。
未来，人工智能有四个领域的机遇——第一个领域是推动个性化和定制化；第二个是利用自然语言来更好地去阐述和解读语义；第三个利用机器学习来提效、增加我们时间的质量；第四个领域是如何用推动机器和人的协作。
推荐阅读
点击图片即可阅读
《重磅！美国对中兴通讯禁售七年元器件，中兴将遭受毁灭性打击》
公众号后台回复“进群”
加入人工智能读者俱乐部