但在我所研究的医学影像领域，信息不完整，正因为我们已有超过15年的经验，所以知道它有多难。在基础研究，也就是约纳特教授做的研究领域，它们没有太多的信息，你可能去猜测这个自然是如何运作的，你去猜测为什么自然会这样，这是我的理解。我觉得这两者结合起来，总有一天可以加速我们发现的过程，而且也能够使得那些研究人员去避开可能失败的领域，有更高的成功记录。

人工智能可以帮助医生加薪？

　　王知非：我们都知道的通过看放射片子，可以看出一些疾病。但有些医生无法识别，所以我们会看到别人带着片子到其它医院询问其他的医生。您觉得将来会不会通过人工智能，可以帮助医生更准确的通过这些放射片来做出诊断？

　　陶晓东：对，我已经说了，我们了解算法的性质，最终我们还是需要人和算法结合起来，就是通过合作来一起工作。人的作用永远无法用算法替代的。但是一些重复的，比较沉闷的工作总有一天会被机器取代，机器可以帮助重复做日常的工作。或许机器不可能取代人，但是可以做一些没有附加值的工作。昨天我看到了一个美国的调查，是关于在医疗领域不同科室的薪水是多少。在美国医疗领域，最高的工资是骨科医生。

　　约纳特：全科医生工资比较低的，最近我们看到这个工资第一次有所下跌。

人工智能在基础研究中有什么用？

　　王知非：我想听一下您的意见，人工智能在基础研究领域能够起到什么作用？

　　约纳特：我想给大家说一下我对基础研究的理解。基础研究是一切科学研究的基础，不管是更高端的研究，还是工程或者生命本身。如果基础研究有了任何的成果，它肯定是有用的，这种成果可以帮助我们理解生命其他的过程但是它却是一切的基础。现在很多人觉得在实验室里面所做的研究，出来成果立刻就可以加以利用，但是并不一定是这样。我们积累了知识和信息的时候，我们可以提供给陶教授这样的人，来开发出基础使用的东西。我举一个例子，大家知道在电发明之前我们是用蜡烛照明的，蜡烛的光亮是有限的，而且它在照明的当中会变得越来越少，很多人就研究来做更好的蜡烛，获得更亮的照明。但是我们现在电灯所用的电，当时做的研究并不是要做电灯，而是一个基础的研究，就是电的研究，是电荷的一个研究。在多年之后，在物理学的电荷研究的基础上，我们知道了可以用电来照明。

人类能否承担人工智能犯错的后果？

　　王知非：其实是有一个道德的问题：在AI学习的过程当中，人类能不能承担人工智能犯错误的后果？

　　陶晓东：这是一个比较深层的道德上的问题。在提出个人见解之前，我想先回应一下约纳特教授说的基础研究的问题。基础研究能给我们一些指导，让我们能够通过一些自然的过程来解决一些问题，比如说来治疗疾病。约纳特教授的工作是向我们解释大自然运作的过程。我的工作是通过一些技术来推断病人的身体状况，就算有时候病人本身没有症状。说到采纳新的技术，其实每次新技术产生人们都会付出一定代价。在汽车刚发明的时候，在车祸当中丧生的人要多得多，这样的事故引起了很多的争议，但是我们看一下数据，我想约纳特教授也会同意的，因为科学家都非常重视数据。我们现在看到无人驾驶汽车，数据告诉我们无人驾驶的安全性比普通驾驶要高。

　　当然我现在手上没有确切的数据证明，AI人工智能的诊断一定比非常有经验的专家高。人工智能更多程度上是帮助医生进阶，辅助诊断，从而使医生的能力得到提升。比如对一个医生来说，有他擅长或不擅长的东西，所以就避免去做不擅长的诊断，但借助人工智能未来可能会突破这种个人诊断的瓶颈。

　　现在有很多法律法规，我们可以按照正确的方法来做，以符合伦理道德来做，这样的话会使得人工智能对诊断发挥作用。但我们要走的路还很长。

语音识别或能解决“看病难”？

　　王知非：是的，我们需要走很长的路。我也知道，陶博士语音识别是你工作的一部分，这是我所听到最好的消息了，因为我们医生做很多病历整理非常枯燥无聊。如果机器能听写并记录下来医生说话的内容，这将会减少医生的工作量。对于语音识别，能不能给我们描述一下您在工作中想要达到什么目标？

　　陶晓东：我们想要在智慧医疗领域实现3件事。

　　第一件事，希望人工智能协助医生避免重复无聊的工作。人工智能可以剔除医生工作的一部分，让他们更有效率。例如，现在语音识别已经是非常成熟的技术了，能够实现97%的正确率。今年的菠萝奖的颁奖典礼我们可以看到，讯飞已经可以实时把语音转化为文字，包括今年的两会李克强总理讲话也直接转化为文字。几年之前，医生尤其是门诊的医生要用手写下病例，这不是数码化的，而且也不能够放在EHR电子病历当中，现在利用听写的技术就可以解决这些问题。另外很多病人的病历是不完整的，如果你要调取这些数据，可能就有一个关键的信息缺失了。因此我们希望这个数据库完整、正确。我们就建立了机器学习的算法，这些数据基于非常大的样本、科学期刊、还有真实的医学诊断的案例。这样能够帮助机器建立一个知识库，建立自己的推理、准断的逻辑，这就是我们所做工作，我们希望用不同的方式帮助医生，让他们能够避免重复无聊的工作。

　　第二件事，是实现医疗大数据服务。人工作一天会疲劳，但是机器不会疲劳，它可以探测在一定范围里面的错误，可重复性比人类医生要高。但是我们的机器的认知能力还处在起步当中，现在还是处于人工智能发展的早期。医疗大数据的建立能够让人工智能帮助医生实现一些可重复的诊断，之前有人提问怎么去解决大医院排队难和看病难的问题，人工智能的参与可以帮助减缓医院就诊的压力。基于人工智能与医疗大数据挖掘，为医院和相关机构提供医疗大数据的集成、挖掘、利用，辅助开展新型临床、科研、医院管理等服务。

　　第三件事，实现医疗影像智能诊断。通过人工智能技术分析对比临床资料，能够识别图像的共性，对医疗影像进行快速读片和智能诊断。在这个领域我们花费了很精力，我们现在有更多的传感器在收集数据。优质、大量数据的积累；高性能计算环境；优化的深度学习方法，这三者对于构建模型非常重要。我们在医学影像领域已经有超过15年的经验，我也知道它有多难。我们要做的一件事就是把不可视的变成可视的，比如约纳特教授试图用不同的工具理解蛋白质合成的过程，对我来说我希望在医学影像里，和我的同事一起做到让内脏可视化这样一件事。

　　王知非：我来做一个总结。未来的不可预测性，促使我们不断探索大自然。我们用不同的方法，但目标是殊途同归，希望打造一个更好的世界。

转载请注明出处。