「AI」是啥?「AI+醫療」又是啥?
吳軍博士在《浪潮之巔》一書中提到,對於一個弄潮的年輕人來講,最幸運的莫過於趕上一波大潮(技術的浪潮)。我作為文科出身,但也不甘於在人工智慧浪潮中僅僅作為旁觀者,趁年輕,努努力啥都有可能。
剛剛畢業不久,在億歐的智庫部門工作,負責研究「AI+醫療」領域,下個月還要出一份大報告,最近也是加班加點的,女朋友都抱怨了無數遍了hhh(我有什麼辦法,我也很無奈呀,要對報告內容負責,對公司負責,對伐?)。下文是我對於人工智慧,以及「AI+醫療」的解讀,期間拜訪了一些學者與AI創企創始人,還是值得讀一讀的。
---割---
人工智慧與醫療結合(以下簡稱「AI+醫療「)在創業與投資方面已經進行有3年多,去年以來輿論熱度也大幅提升。據億歐智庫不完全統計,2014年至2016年,國內「AI+醫療」領域的創業公司共55家,總融資額超過25億人民幣(甄別一家公司是否屬於「AI+醫療」,億歐智庫以人工智慧技術作為判斷標準,下文將具體探討);這股浪潮同樣將全球的研究機構、組織裹挾於內,紛紛剖析與預測「AI+醫療」的發展機會和未來的市場空間;連普羅大眾茶餘飯後的閑談,也難免涉及諸如「醫療機器人來了,醫生難道真的要失業?」等話題。
究竟何為「AI+醫療」?目前行業內僅有一個較模糊的概念,即人工智慧對醫療領域的改造。億歐智庫研究認為,「人工智慧+醫療」是人工智慧技術對於醫療相關領域應用場景的賦能現象。為了理解,我們不妨將該定義拆分為三個關鍵詞:人工智慧技術、醫療相關領域應用場景、賦能。
一、人工智慧技術:「AI+」範疇的判斷標準
「AI」是什麼?不論是學界,還是研究機構,對其概念都有著不同的界定。綜合來看,大致可分為兩類:第一類,學者從行為和功能的角度出發,定義人工智慧機器的外在行為和能夠實現的功能,例如麻省理工學院人工智慧實驗室主任帕特里克?亨利?溫斯頓(Patrick Henry Winston)教授認為,人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作;第二類,學者將「人工智慧」定義為一門新學科或新科學,例如波士頓諮詢公司的報告《人工智慧:未來制勝之道》中認為,人工智慧是研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學。
現在讓我們換一個問題:如何甄別一家公司或一款產品是否屬於「AI」領域?恐怕上述討論無法提供可行辦法。就此問題,我們以人工智慧技術作為判斷標準,即凡公司產品涉及人工智慧技術的,均被列入「AI」的範疇。
當前,人工智慧以機器學習、數據挖掘為兩大技術核心,二者在各自發展過程中相互助益,促進彼此在技術和應用上實現優化和升級,所以兩者技術範疇上有所交叉。機器學習又包含規則學習、強化學習、遷移學習等諸多種類,其中備受矚目的就是深度學習(深度學習甚至被部分研究者定義為人工智慧的核心技術)。按照拓撲結構[1]分類,深度學習可分為卷積神經網路、循環神經網路[2]和全連接神經網路。為實現深度學習,目前市場上有許多公司專門為開發者提供封裝好的深度學習演算法框架,例如谷歌開發的TensorFlow框架、微軟開發的CNTK框架等等。在機器學習與數據挖掘的技術之上,實現了目前市場上最常見的三大技術應用,即計算機視覺、智能語音技術[3]和自然語言處理。而隨著技術的進一步發展,人工智慧大有出現更多技術應用的可能。
另外,人工智慧技術的實現,還要依託硬體的支持(包括處理器/晶元、感測器元件等)以及雲平台提供的雲存儲與雲計算服務(但硬體和雲平台背後的技術類別並不屬於人工智慧,故硬體和數據平台供應商將不會被列入「AI」領域)。
二、醫療相關領域應用場景:簡談「AI+醫療」八大應用場景
「醫療」一詞的傳統內涵和範疇原本只包含「疾病的治療」。然而,隨著人工智慧技術進入醫療行業,「醫療」的邊界正在突破其傳統含義,擴展到藥品、保健、生物技術等醫療相關的各個領域。億歐智庫發現,人工智慧技術進入醫療相關領域中時,既有服務對象的區別(如患者、醫院、醫療產品供應商等),又有生產活動環節的區別(如導診、醫學影像輔助診斷、疾病分級等)。據此,我們將「人工智慧+醫療」中的「醫療」,定義為「醫療相關領域應用場景」。此外,我們整合業內人工智慧在醫療領域的應用,歸納出八大應用場景,下面是各應用場景的細分應用和公司舉例。
三、賦能:降本增效,對醫療相關產業鏈整體產生影響
賦能,對應的就是「AI+醫療」中的「+」號。所謂「賦能」,字面意義上就是指為某個主體賦予某種能力和能量。人工智慧對於各行業各領域的賦能,在生產環節表現為生產效率的提升和生產成本的降低;在賦能效果方面表現為傳統行業的升級、新興行業的出現,最終導致相關產業鏈的整體變化。誠然,人工智慧在醫療領域的賦能與上述表現也是一致的,除了增效降本外,還表現在包括醫療相關的各類硬體與服務的研發機構與供應商、硬體製造與銷售商、商業健康類保險服務提供商、醫療機構、終端消費者等在內的醫療相關產業鏈的整體變化。下圖是簡版的「AI+醫療」相關產業鏈模型,從該模型能夠直觀感受到人工智慧進入醫療領域後帶來的新變化。
從上圖我們可以看出,雖然硬體產品及藥品生產資料供應商、商業健康類保險服務供應商等主體沒有被納入人工智慧領域,但立足於整個產業鏈之中,很多處於「AI+醫療」外圍的產品及服務供應商都是整條產業鏈中不可或缺的環節,而它們也都隨著這次浪潮「變革」與「遠航」。所以,人工智慧進入醫療相關領域後,會給整個產業鏈帶來怎樣的變化呢?我們改天再聊。
特別鳴謝:中國傳媒大學教授、博士生導師沈浩,北京大學前沿交叉學科研究院、生物醫學工程博士陳坤,中科匯能創始人楊文驥,以及連心醫療創始人章樺,四位在上述人工智慧技術圖譜的搭建過程中做出了貢獻。
補充說明及推薦讀物:
[1]拓撲結構:指網路中各個站點相互連接的形式,最主要的拓撲結構有匯流排型拓撲、星形拓撲、環形拓撲、樹形拓撲(由匯流排型演變而來)以及它們的混合型。
[2]卷積神經網路與循環神經網路:卷積神經網路(Convolutional Neural Network, 簡稱CNN),是近年來廣泛應用於模式識別、圖像處理等領域的一種高效識別演算法,它具有結構簡單、訓練參數少和適應性強等特點;欲進一步了解,請閱讀文章《Deep Learning模型之:CNN卷積神經網路(一)深度解析CNN》;
循環神經網路(Recurrent Neural Networks,簡稱RNN),主要應用於自然語言處理(Natural Language Processing,簡稱NLP)之中。欲進一步了解,請閱讀文章《循環神經網路(RNN, Recurrent Neural Networks)介紹》;
想要系統學習的朋友,推薦閱讀南京大學周志華教授的《機器學習》一書。
[3]智能語音技術:包含語音識別、語音合成和聲紋識別。欲進一步了解,請閱讀文章《智能語音技術報告》。
-------------------------分割線-------------------------
本文是對億歐智庫《2017人工智慧賦能醫療行業研究報告》的部分章節解讀,該報告將於2017年8月25日舉辦的「破壁·融合 億歐2017中國大健康產業升級峰會」上正式發布。
推薦閱讀:
※《機器學習》筆記-貝葉斯分類器(7)
※撬開百億藍海,要成為物業安防機器人「頭號玩家」還得干點啥?
※AI產品經理的工作流程
※深度強化學習的弱點和局限
※智能取餐櫃——引領智慧新零售