2019 年 1 月 19 日，EmTech China 2019 全球新興科技峰會于北京國貿(mào)大酒店正式舉辦，來自世界各地的約 70 位頂尖科學(xué)家和科技公司領(lǐng)袖，分享了他們對于科技趨勢的獨(dú)家見解。曾被《時(shí)代》雜志評為 100 名最偉大的科學(xué)家之一的“萬維網(wǎng)之父”，擁有超過 120 年歷史的美國超級企業(yè)領(lǐng)導(dǎo)人，全球最“性感”數(shù)據(jù)科學(xué)社區(qū)創(chuàng)始人等等也蒞臨現(xiàn)場。

在 1 月 19 日上午“AI 時(shí)代”板塊的圓桌討論中，在現(xiàn)場主持人，《麻省理工科技評論》人工智能領(lǐng)域資深編輯 Will Knight 的主持下，賓夕法尼亞大學(xué)教授 Dan Roth，通用電氣全球副總裁 Colin Parris，英偉達(dá)副總裁 Kimberly Powell 分別就人工智能未來的發(fā)展機(jī)遇和挑戰(zhàn)，發(fā)表了自己的看法。

（來源：DeepTech）

以下為會議現(xiàn)場嘉賓發(fā)言討論內(nèi)容（略有刪減）：

問：GE 數(shù)字孿生這個(gè)概念非常引人入勝，而且這個(gè)系統(tǒng)不只可以做飛機(jī)引擎的打造，還可以做汽車或者其他的領(lǐng)域？

Colin Parris：的確是這樣，因?yàn)楝F(xiàn)在我們大概已經(jīng)有超過 200 萬個(gè)數(shù)字孿生的項(xiàng)目了，這是 2017 年的數(shù)字。而且基本上覆蓋了各個(gè)行業(yè)，這個(gè)甚至可以應(yīng)用到人類的分析上。比如說我們可以做臀部的分析，去做人類的建模。當(dāng)然，這個(gè)模擬還可以用到其他的項(xiàng)目進(jìn)程分析上，我覺得是一個(gè)非常普遍的想法。可能未來我自己還能有一個(gè)數(shù)字雙胞胎可以替我上班了。

問：我們怎么能保證人們可以相信我們的系統(tǒng)呢？因?yàn)檫@個(gè)系統(tǒng)通常是非常復(fù)雜的，我們?nèi)绾握嬲肴バ刨囁?，讓它幫助我們做決策呢？

Colin Parris：信賴是非常難獲得的，尤其是在航空領(lǐng)域，可能人們認(rèn)為這就是一團(tuán)糟，我們沒有辦法信任機(jī)器。我們其實(shí)是通過解釋，通過數(shù)據(jù)的收集，以及事實(shí)的介紹，幫助我們提高信任的程度。當(dāng)然最終真正會有一個(gè)階段，人們開始相信機(jī)器的能力。

問：人工智能在醫(yī)療領(lǐng)域上的應(yīng)用都是非常有前景的，但是我覺得信任可能也是醫(yī)療領(lǐng)域中的一個(gè)潛在難題，我們怎么能讓人們接受人工智能呢？

Kimberly Powell：的確現(xiàn)在這個(gè)接受度的關(guān)注是非?；鸬模彩菚袑?shí)影響整個(gè)技術(shù)的普及。比如說現(xiàn)在我們會用人工智能來幫助我們?nèi)プR別一些影像學(xué)的數(shù)據(jù)。之前我也去個(gè)中國的一個(gè)醫(yī)院，是在上海，我也采訪了一個(gè)肺癌影像學(xué)家，當(dāng)時(shí)他也給我做了一些非常中肯的分析，包括如果收集到了足夠的數(shù)據(jù)，比如說我們可能分析了 500 個(gè) CT 掃描報(bào)告之后，其實(shí)真正每一次分析都會變的更加的準(zhǔn)確，而且我們有一套算法來支持它。在臨床實(shí)驗(yàn)中，我們也可以使用這種算法。這樣的話才可以真正的實(shí)現(xiàn)價(jià)值，比如說就計(jì)算機(jī)的能力來說，我們可以代替人來看影像報(bào)告，得出最終的結(jié)論。

當(dāng)然了臨床實(shí)驗(yàn)還是需要符合相應(yīng)的監(jiān)管要求，可能整體的發(fā)展要通過幾十年的努力，現(xiàn)在由于整個(gè)美國藥監(jiān)局的監(jiān)管條例也在支持著人工智能的發(fā)展，我相信未來的發(fā)展會更好，整個(gè)信任程度會更高。這樣的話，如果限制的因素少了，我相信發(fā)展的速度會更快。而且我們也可以更快的完成整個(gè)臨床實(shí)驗(yàn)的過程，這樣也可以讓監(jiān)管方滿意。

圖 | 英偉達(dá)副總裁 Kimberly Powell（來源：DeepTech）

問：的確人工智能并不會取代某些行業(yè)，而是為我們的行業(yè)助力。很多人會說我們的放射學(xué)家可能會被淘汰，但我覺得并不是這樣，能不能給我們說一說現(xiàn)在的現(xiàn)狀是什么？

Kimberly Powell：其實(shí)現(xiàn)在我覺得放射學(xué)家的狀態(tài)，是他們的工作負(fù)擔(dān)太重了，而且專業(yè)人員的短缺是非常嚴(yán)重的，在日本、美國是這樣的，在中國尤其如此，全球很多國家都缺少相應(yīng)的醫(yī)療職業(yè)人員。

而且現(xiàn)在放射學(xué)家的思維觀念也轉(zhuǎn)變了，人工智能最開始的算法其實(shí)來自于技術(shù)公司，他們會收集很多的數(shù)據(jù)來訓(xùn)練算法，大家認(rèn)為電腦訓(xùn)練出來的數(shù)據(jù)會比放射學(xué)家做的更好。但其實(shí)放射學(xué)家的從業(yè)經(jīng)歷也非常值得借鑒。所以我們需要整合人和機(jī)器的能力，更好的推動醫(yī)療領(lǐng)域的發(fā)展。

更重要的是，對于醫(yī)療服務(wù)提供者來說，大家最終的愿景是要拯救病患，我們需要做的就是集結(jié)所有的資源和力量來實(shí)現(xiàn)這個(gè)目標(biāo)。

問：Dan 我知道你是語言和人工智能方面的專家，剛剛給我們介紹了很多現(xiàn)有的挑戰(zhàn)，還有自然語言處理，怎么顛覆其他醫(yī)療行業(yè)的發(fā)展。在行業(yè)應(yīng)用的層面來說，你也說過變革是非?？斓模椰F(xiàn)在人工智能還面臨著一些局限，你的想法是什么？

Dan Roth：我覺得我們的發(fā)展速度還不夠快，應(yīng)該更快一些。對于醫(yī)療領(lǐng)域來說，人工智能的應(yīng)用不一樣。而且我們會收集不同類型的數(shù)據(jù)。如果我們?nèi)タ床±脑挘F(xiàn)在可能還只是一個(gè)簡單的文件，因?yàn)槲覀儾恢肋@個(gè)文件究竟對于我們的意義是什么。內(nèi)科醫(yī)生也不能來廣泛的分享記錄，因?yàn)楫吘惯€有隱私的問題。

如果我們?nèi)タ瘁t(yī)療文獻(xiàn)，其實(shí)可能在每一年都會有 100 多萬篇的生物醫(yī)藥方面的論文發(fā)表，但對于公眾來說，我們并不知道這個(gè)領(lǐng)域取得了哪些進(jìn)展。而且我們所顛覆的可能并不是整個(gè)行業(yè)，而是某一個(gè)特定的領(lǐng)域。對于內(nèi)科醫(yī)生來說，需要理解的是藥物在 35 歲以上的病人身上到底有什么效果。

如果我們再看一下數(shù)百數(shù)千的臨床實(shí)驗(yàn)，我們也不一定知道，具體這個(gè)能夠給我們帶來什么樣的信息，所以說我們對于信息的處理或者對于信息的理解是不太清楚的。雖然說我們在這塊也做了各種各樣的工作。

圖 | 賓夕法尼亞大學(xué)教授 Dan Roth（來源：DeepTech）

問：說到醫(yī)療領(lǐng)域，我知道機(jī)器人可能會被更多的使用。在新藥研發(fā)這塊會有什么新趨勢嗎？因?yàn)樵谶@方面確實(shí)有很多新進(jìn)展，我想問一下，為什么 AI 會在醫(yī)療領(lǐng)域做出這么大的貢獻(xiàn)和改變？

Kimberly Powell：在過去的幾十年，我們在研發(fā)藥品的時(shí)候都是靠實(shí)驗(yàn)，不僅數(shù)據(jù)非常復(fù)雜，而且成本非常高，一個(gè)新藥上市要花數(shù)十億美元?，F(xiàn)在我們有基因組學(xué)的數(shù)據(jù)，我們也有很多的病例數(shù)據(jù)，可以在研發(fā)新藥的時(shí)候使用。

雖然說病例數(shù)據(jù)大家已經(jīng)用了幾十年了，但為什么不用這樣的數(shù)據(jù)幫助我們更好的進(jìn)行新藥開發(fā)呢？如果過去我們需要花六年的時(shí)間來研發(fā)一個(gè)新藥，現(xiàn)在能夠節(jié)省一年的時(shí)間，就已經(jīng)是一個(gè)很大的進(jìn)步了。而且人工智能幫助開發(fā)的新藥更加精準(zhǔn)，這可能是更大的一個(gè)勝利。

在這個(gè)問題上面，我們研究的越深，我們的數(shù)據(jù)就更加標(biāo)準(zhǔn)化，我們的系統(tǒng)就更加的全面，不單單是幫助我們識別或者進(jìn)行病情分類，而且?guī)椭覀兏玫倪M(jìn)行病情的組織，這就是更好的精準(zhǔn)醫(yī)學(xué)和預(yù)防性醫(yī)學(xué)的開始。所以說，這就是為什么我們之前的數(shù)據(jù)非常復(fù)雜、非常亂，也沒有辦法很好的進(jìn)行數(shù)據(jù)的利用。但是未來這個(gè)問題得到解決，就會有很大的進(jìn)步。

問：我們都知道有很多材料科學(xué)的公司也在做一些 AI 的東西，我想問一下，之前你所說的項(xiàng)目特別有意思，AI 和實(shí)際的物品進(jìn)行對比是不是精確的？現(xiàn)在在所謂的互聯(lián)網(wǎng)上面進(jìn)行掃描的時(shí)候是不是依然有這個(gè)問題？

Dan Roth：我們在過去的幾年當(dāng)中已經(jīng)意識到了噪音是非常重要的問題。因?yàn)樾畔⑻嗔?，我們也都不知道信息源是什么，而且所有的信息是不是一致的，或者這些信息源來自于你可以信任的人或者有其他的一些目標(biāo)，或者是不是這些信息有其他的目的之類的。

所以說，我們必須要改變我們處理信息的方式，我們要更好的自然語言處理，比如說在這段話當(dāng)中它的目標(biāo)、目的是什么。有些人會告訴我們做一些事情，這些事情到底又有怎樣的目的。其實(shí)這動取決于目的是什么。

我自己其實(shí)比較樂觀，我正好知道有一家公司，它是專門處理自然語言數(shù)據(jù)的，比如說他們會對 1000 萬份 E-mail 進(jìn)行分析，在這里面進(jìn)行語言分析，大家是不是泄漏了信息，是不是合規(guī)合法。所以說這里面我們僅僅通過這樣的一個(gè)單位之間的關(guān)系判別，依然可以做很多的東西，我們可以發(fā)現(xiàn)內(nèi)部員工在使用信息的時(shí)候是不是出現(xiàn)了一些異常之類的。

說到自然語言處理還有很長的路要走，但是現(xiàn)在一分鐘之內(nèi)就可以分析完一千萬電郵，還是能夠幫助我們很大的提高效率的。

問：其實(shí)在社交網(wǎng)絡(luò)當(dāng)中也可以使用這個(gè)技術(shù)，能夠幫我們更好的了解社交網(wǎng)絡(luò)上面的參與者。這是不是可以變成游戲一樣的東西呢？是不是我們可以直接改變維基百科上面的定義呢？

Dan Roth：你能夠解決一些事情的時(shí)候，別人會重新定義解決方案，但是還可以想象一下，因?yàn)橛羞@么多的信息，總是有些信息需要處理，有一些信息來自于媒體或者來自于社交媒體，通過這些信息我們來判別一個(gè)大致的趨勢。