医生熟知的AI热门词汇备忘录！

“ 按照医生学习的习惯，先从名字解释开始！”

图灵测试

AI（人工智能）这个概念其实是一个非常广泛的学科范围，他包含了所有能够使得计算机系统在完成各类任务时像人类那样'聪明’。这个学科的朋友们通常认为Turing Test（图灵测试）是人工智能开启的原点，1950年，图灵发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性。由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。论文中还回答了对这一假说的各种常见质疑。图灵测试是人工智能哲学方面第一个严肃的提案。

图灵测试的来龙去脉！

01

—

AI重要词汇单词表

那么机器学习（Machine Learning）这个概念实际上是AI的一种运用，机器学习运用先进的统计学技术来确定大数据中的模式，然后在运用这些模式来做出具有一定确定性的预测。只要不断的输入有效的数据，机器学习可以在时间的帮助下通过反馈环路来提升其预测的准确性，所以我们也可以把这个过程看成是一种'学习’过程。当然有些机器学习的模式也可以通过线下或有人来进行确认及部署。

什么是深度学习！

类神经网络（Neural networks）其实是一种算法对信息进行聚集及分类，过程类似人类的大脑，这是很多机器学习的关键组成部分。正如人类的大脑通过反复练习来加强神经突触的能力，计算机系统通过数学方法来增强其功能，调整输入数据的权重以期获得希望获得的结果。随着时间的推移，系统会形成开发更多的堆叠层（stacked layers），深度学习（Deep Learning）就是来描述这些堆叠层如何通过新的数据来互相影响。

深度学习的类神经网络

但是随着深度学习的进一步发展，这些堆叠层会越来越多，科学家没法解释这些类神经元的节点，只能通过其预测的结果来判断其有效性。所以说深度学习的模型架构本身是个“黑盒”。它有可能会让你在不知不觉间，失去“发现错误”的机会。

系统是如何进行学习的！

Dr. GeoffreyHinton博士，Computer scientist计算机科学家, University of Toronto（多伦多大学）这样总结道， 'Adeep-learning system doesn’t have any explanatory power…the more powerful the deep-learning system becomes, the more opaque it can become.’（深度学习系统没有任何解释能力，深度学习系统的力量越强大，他本身就会变得越不透明。）

类神经网络的复杂性

02

—

AI给我们带来哪些方面的进步

AI带来的进步首先来自于各种实际运营，在速度、容量、能力以及一致性方面，A带来显著的迭代。计算机是不会忘记自己曾经学会了什么，更不会感到疲惫，对数据模式的准备以及趋势的预判计算机比人更快识别（只要他们经受了大量数据科学的训练）。所以AI可以在一秒钟完成数千人几天的工作量。

AI让人类越来越进步

AI与人不同的地方在于，面对海量数据系统会更加兴奋而不是感觉要被击倒，任何一个医学专业人士，无论其经验有多丰富，一次能够吸收、消化、理解的信息量都是有限的。但是现如今在医疗领域，信息的深度广度都是呈指数级增长的，只有AI可以将来自可穿戴设备、医疗器械、软件+移动App、以及EHR（电子病历）的结构化与非结构化的数据进行处理变成更有效更有信度的数据及预测结果。

医疗行业也在其中！

最后AI可以将医学专业人员从单纯反复繁重的工作中解放出来，去做那些更加复杂苦难的任务，随时将各种异常及不易发现的疾病可能的病因展现给医学专家进行判断。最重要的是在面对海量数据的同时，AI可以确保医学专业人员对于信息无一遗漏。

医疗行业用AI解放生产力！

所以我们可以认为AI是医学专业人员值得信赖的强有力帮手，他们可以通过自身的能力放大人类在价值链上的价值。

好好欣赏一下AI吧

扫描二维码

获取医养精彩

关注作者