人工智能未来的发展前景怎么样？

来源：蜘蛛抓取(WebSpider) 时间：2022-05-15 06:45 标签： 人工智能行业

诸如“AI医生”、“AI诊断”以及“人工智能将最终成为人类的医生”之类的头条新闻或多或少使人们相信，人工智能不久后将真正取代人类医生，但专家表示，事实上AI与人类医生将形成一种合作关系，并非完全取代：患者很快就会发现，临床医生将与人工智能携手，共同为他们提供服务。

在医学界，人工智能的前景毫不悲观。但许多人表示，针对AI的炒作尚未在真实的临床环境中得以实现。对于人工智能服务将如何产生巨大影响，各界人士的看法褒贬不一。目前，尚不清楚人工智能能否改善患者的生活，对于硅谷企业、医疗保健组织和保险公司等期望达到的最低目标也不得而知。

斯坦福大学生物医学信息学研究中心的研究科学家Kenneth Jung表示：“如果盲目地信任这个模型，只会被泼凉水。因为模型会告诉我们，这个患有哮喘的孩子得了肺炎，但我们不需要担心，开一些抗生素给他，然后送他回家就行了。”深度学习预测在首次遇到异常的数据点(例如特殊的医疗病例)，或者在学习无法良好普遍适用的特定数据集中时，也会出现谬误。

在应用于海量数据集时，AI预测的表现最佳。例如，由于可以访问大量人群和患者数据，中国在训练AI系统方面具有优势。2月，《Nature Medicine》杂志发表了一项由中国广州和圣地亚哥研究人员展开的研究。该研究基于超过56.7万名儿童的电子健康记录，可以诊断出许多常见的儿童疾病。

哈佛大学法学教授、精准医学、人工智能和法律项目负责人I. Glenn Cohen表示，所有的预防措施在整个人工智能开发和部署过程中必不可少。整个过程可能涉及验证AI预测的准确性和透明度。在数据收集过程中，研究人员还需要保护患者隐私，并且需要经过患者同意方可利用患者数据进行AI训练。

或许，要实现医疗保健的民主化，这类人工智能系统并不需要达到登峰造极的程度，只需使当前的医疗标准惠及医疗欠缺的地区。尽管如此，目前大多数AI应用都致力于提高现有的医疗标准，而非推广实惠的医疗保健。Cohen表示：“实现现有医疗服务民主化，将比在许多其他领域民主化的效果更显著、影响更强烈。”

实际上，仍有另一个提高健康护理质量的AI机遇，与此同时，将大多数医疗诊断的主动权掌握在医生手中。斯克里普斯研究转化研究所的主任和创始人Eric Topol在其2019年出版的《Deep Medicine》一书中谈到，可以创造出像Siri一样的AI医疗助手，产生医生与患者之间的互动、记录电子病历，并提醒医生询问患者相关过往病史。

AI助手听起来可能不如AI医生令人兴奋，但前者可以让医生腾出更多时间陪伴患者并提高整体护理质量。尤其是家庭医生，他们经常花费一半以上的工作时间将数据输入电子健康记录。这一点是身体和情绪倦怠的主要原因，甚至可能导致包括患者死亡在内的严重后果。

讽刺的是，电子健康记录本应通过降低患者信息的获取来改善医疗保健和降低成本。但Topol与其他许多专家指出，电子健康记录是当前AI医疗保健的大肆炒作。电子健康记录的应用已在数百家私营供应商中创建了拼凑系统，成功分离了患者数据并隔绝了医生和患者的访问。若以史为鉴，许多科技公司和医疗保健组织或许会用类似的方式为自己的AI系统建立医疗数据库。

Komarneni表示，使用汇总和排列不同来源医疗专业知识的集合智能系统或许是这个问题的解决方法之一。Komarneni正与Human Dx合作试验这种方法。在美国医学协会(American Medical Association)等主要医疗机构的支持下，Human Dx建立了一个在线平台，为特定医疗案例的数千名医生提供众包建议。Komarneni希望这样的平台有朝一日也能真正获得许多不同AI服务的诊断建议。Komarneni说：“就像未来各个不同领域的专业人员可能会看到你的病例一样，AI完全有可能做到这一点。”

Topol表示，当医生等待AI助手时，诸如HumanDx这样的众包项目“肯定会改善诊断环境，甚至可以改善治疗建议。”2018年，他在一个名为Medscape Consult的平台上合著了一篇论文。该论文的结论写道，集体人类智能可能是AI医学的“竞争或补充策略”。

但是，如果AI服务通过所有测试和现实检查，就很可能成为人类重塑现代医疗保健的重要合作伙伴。“有些事情机器永远无法完成，也有些事情人类永远做不到，”Topol说。“所以，当我们把两者合二为一时，就可能释放出巨大的能量。”

备注：文章内容来源于网络，如有侵权，请及时联系，三天内务必删除内容!

人工智能的四个特点是:1。基于大数据的自学能力，会让智能终端越来越智能；2.人与智能终端的互动会更加自然，设备也会越来越“懂你”；3.在人工智能+互联网的推动下，各行各业会越来越“服务化”；4...

人工智能的四个特点是:1。基于大数据的自学能力，会让智能终端越来越智能；2.人与智能终端的互动会更加自然，设备也会越来越“懂你”；3.在人工智能+互联网的推动下，各行各业会越来越“服务化”；4.依托产业链和生态圈实现开放式创新。

人工智能促进了互联网形式的新变化。如果说从PC互联网到移动互联网是一次飞跃，那么现在我们正面临着从移动互联网到智能互联网的又一次新的飞跃。

智能互联网将更自主地捕捉信息，更智能地分析信息，更准确地判断，更主动地为人们提供服务。

这其实包括人工智能的两个分支，一个是感知，也就是我们的感知能力。越来越多的智能终端可以极大地提升我们对世界感知的深度和广度；另一个是认知，需要通过云和大数据分析来实现。

如果智能终端是人类的感官，那么云就是大脑，智能终端和云大脑的完美结合是人工智能未来的方向。具体来说，未来的人工智能将具有以下特征。

第一，智能终端和传感器会无处不在，基于大数据的自学习能力会让智能终端越来越智能。

我们正在进入一个智能一切的时代，智能终端将从今天非常有限的类型——个人电脑、手机和智能电视——扩展到我们周围的所有设备。无论是空调，加湿器，空气净化器，摄像头，路上的汽车，工厂里的机床等等。，全部都会有计算、存储、网络连接等模块，辅以温度、湿度、距离、红外、颜色、空气质量等各种传感器。各种智能终端不断感知周围环境，在云中汇聚成几何增长的海量数据，通过算法的不断进化，在云中形成新的认知。

众所周知，知识的积累可以使人类更有能力，人工智能的发展也是如此。通过“深度学习”，各种智能终端会变得更聪明，更有判断能力。

其次，人和智能终端的交互会更加自然，设备会越来越理解你。

从PC到手机的智能终端，从键盘+鼠标、触摸的人机交互模式，到未来的智能互联网时代，随着计算机图像视觉、语音识别、自然语言处理的进步，人机交互的形式将被改写，设备不再冰冷，而是可以听、看、说、写，越来越贴心，越来越理解你。

比如今年6月金山发布的这款基于增强现实技术(Phab2 Pro)的手机，有很多传感器，可以感知3D空间，跟踪运动。有了这个能力，你就可以在家庭环境中的真实场景下，使用手机的摄像头功能上网，把你看中的家具放在增强现实家庭环境的网店里，从而看到真实的仿真效果。如果满意，可以马上下单，大大降低了选择家具的难度。

这只是开始。随着未来云服务的增强，你可以体验到越来越人性化的服务。以后你用手机拍摄家居环境，你需要的家，甚至是你没想到的家，都会自动出现，因为云脑已经积累了数据，知道你缺什么，喜欢什么风格，什么颜色，什么风格，再跟它谈就可以完成购买，预约安装。这个时候，手机将不仅仅是一个通讯工具，更是你的生活助手。它还可以根据环境数据、家庭生活和身体状况以及你的日程安排，帮助你调节家里的温度、湿度、照明等，甚至帮助你准备饭菜。

这就是人工智能+智能终端为用户提供服务的方式。

第三，在人工智能+互联网的驱动下，各行各业会越来越“服务型”。硬件厂商和服务厂商都在整合设备、云和服务，进行集成服务创新。

在智能互联网时代，客户在选择产品时，不仅要看产品本身，还要看与产品相连的服务。没有内容和服务，设备苍白无力。所以厂商提供硬件设备来满足客户的需求是不够的。连接应用程序/内容/服务已经成为不可避免的选择。同时，借助大数据、人工智能等技术，强化“云脑”，为客户提供人工智能更高的综合服务，已经成为大势所趋。

美国有一个很流行的设备是亚马逊的Echo，但是人们买这个设备不是为了买音箱，而是为了享受会话式的电子商务服务；谷歌的Nest，可以控制家里的温度和湿度，但是人们买这个设备不是为了买温度计，而是为了享受家居环境的管理服务；买喜玛拉雅的车载设备，不是为了多个玩家，而是为了听它的有声书刊。所以，这是未来的智能设备。基于人工智能的设备，加上云服务，是智能终端的未来。

第四，在智能互联时代，我们呼吁建立开放、开放的创新平台，依托产业链和生态圈实现开放创新。

随着智能设备的增多，它们之间的互联和协同应用变得越来越迫切和重要。因此，要求行业能够制定协议、规范和标准，更多的厂商能够参与开放创新。

来源： 赢家财富网 作者：佚名

摘要： 人工智能技术 ，根据传说，当一项新技术产生并成熟时，会经历如下过山车发展轨迹，称为高德纳曲线（Gartner Curve）。然而，人工智能的发展轨迹比这一条更引人入胜。到现在为止，可以说有三起三落。当然，这第三次下降还没有到来，也不一定会到来

　　人工智能技术 ，根据传说，当一项新技术产生并成熟时，会经历如下过山车发展轨迹，称为高德纳曲线（Gartner  Curve）。然而，人工智能的发展轨迹比这一条更引人入胜。到现在为止，可以说有三起三落。当然，这第三次下降还没有到来，也不一定会到来。想要了解更多可以看下

　　我在这个行业十几年了：博士期间学的语音学什么的，毕业后去MSRA做这个。虽然我们的两位院长李开复先生和洪小文，先生都是语音系出身，但他们并不能改变这个项目在整个医院的地位。因为在那个年代，没有多少人工智能应用程序可以投入战斗。更不用说，如果你向网络世界提到你是“人工智能”，那就像在两会偷看色情一样尴尬。事实上，那是人工智能发展的第二次衰退。以史为鉴，可以知兴亡。为了探索人工智能，的发展前景，我们简要回顾了人工智能发展的三个大起大落

　　一年或60多年前，达特茅斯会提出了“艺术”智能”，目的是让成熟的计算机代替人类解决一些感知、认知甚至决策的问题。这样一个话题如此引人入胜，以至于很快引起了大量学者的关注，相关研究也如火如荼地进行着。这是第一次。

　　第二，起初，学者们解决人工智能问题的思路是通过专家制定规则来教机器下棋、读字符甚至识别语音。在今天看来，这种方法完全相反。虽然人类的视听器官非常发达，但却无法总结提炼其中的规律，结果人工智能美好的愿景揭示了残酷的现实，学者们发现解决问题已经遥遥无期，围观群众一度认为人工智能的学者都是骗子。是第一个秋天。

　　第三，既然不可能靠人的引导，就要牺牲“实事求是”这个法宝，从数据中统计规律。在这种统计方法下，一些简单的问题如人脸识别和手写识别取得了很大的进展，而在当时最困难的问————词汇的连续语音识别中，这种统计方法也以前所未有的方式在实验室中创造了一个“基本可用”的系统。这时，我们感到我们已经找到了解决人工智能问题的基本思路。是为了第二个。

　　第四，数据统计模型方法流行后，很快遇到了瓶颈：数据量的提高并不总能带来识别率的提高。当然，我们早就知道“深模型”比“浅模型”有更好的数据学习能力，但是这个模型计算起来极其昂贵，我们只能期待。以语音识别为例，“基本可用”和“实用”的差距十几年都没有跨越，于是大家转而悲观，认为人工智能只是一个梦。是为了第二个秋天。

　　5.自第二个秋天以来，很少有学者继续在“深度神经网络”中与线上战斗，因为这样做没有资金。其中有一个老杰弗里

　　韩丁和他的学生亚历克斯一起发现，用GPU计算神经网络可以大大提高速度，所以这个模型可能是实用的。一旦实用化，深度模型可以疯狂吸收数据的优势就会发挥出来，因此在语音识别、图像识别等领域取得了长足的进步。是为了第三种情况。

　　当然，工业界看到的第三种情况，比我们上面轻描淡写地提到的要壮观得多。但是，不要太在意，因为各行各业的老板们，不管过去是搞黑生产、卖假货还是劫机，都已经变成了人工智能的忠实粉丝和行业先锋，去年，当我听到一家上市公司的老板歇斯底里，在财报中大叫他要在人工智能，投资几千万美元时，我不禁感慨：修脚的人可以挂着返老还童的大旗，但不要说他们做的是精准医学！虽然人工智能的第三个案例确实有了质的发展，考虑到是人工智能的工人提出了这些沉积物，我认为第三个案例会到来，但这不是行业本身的疑问，而是一种自我净化。

　　人工，由于大规模数据和大规模计算能力的基本方法论的成熟，未来的发展路径非常明确：在那些数据储备充足、商业价值明确的场景中，人工智能将快速发展并致力于此，产业中期发展会非常好；但是在医疗和教育领域，电子数据的整理和积累是需要时间的，可能需要很长的开发过程。至于人工智能，的核心问题，即“认知”问题，我认为到目前为止还没有任何方法论上的突破，更谈不上解决办法，但这个话题太大了，我们再找机会谈吧。

我要回帖

更多关于 人工智能行业 的文章

 

随机推荐