真真假假？专访七位AI专家，辨析医疗人工智能真伪

横看成岭侧成峰，远近高低各不同，这句诗如同描绘人工智能领域的多样性和复杂性。人工智能浪潮席卷全球，医疗领域更是涌现出各式各样的“人工智能”。从可穿戴设备到自动化诊断系统，各种技术都被冠以人工智能之名。究竟何为新时代的人工智能？与过去的人工智能有何不同？如何理解和应用新时代的人工智能在医疗领域的研究和应用阶段？这些疑问成为当下热议的话题。

带着这些问题，记者采访了多位专家，包括斯坦福大学AI教授、百度深度学习研究院专家等。在探索人工智能的旅途中，我们发现了两个有趣的比喻：“鹦鹉智能”和“乌鸦智能”。加州大学洛杉矶分校的朱松纯教授将人工智能比作这两种鸟类，生动描绘了当前数据驱动型智能与自主智能之间的差异。

鹦鹉虽能模仿语言，却并不能理解语境和语义。与之相似的是当前的聊天机器人，它们虽然能够进行对话，但往往缺乏真正的理解和推理能力。乌鸦则截然不同，他们拥有更高的智慧，能够利用工具、理解物理和社会常识。它们自主观察、感知、认知、学习、推理和执行，完全符合真实的智能定义。在医疗领域的人工智能应用中，尽管鹦鹉智能在垂直领域有一定的前景，但人们更期待的是像乌鸦一样的智能。

随着人工智能浪潮的兴起，吴韧指出，这一次的浪潮并非短暂间歇，而是具备持续发展的动力。眼前取得的瞩目成果，也在不断印证这一观点。

对于如何鉴别新时代的人工智能公司，我们可以从以下三个方面进行深入探讨。

关注公司的数据来源。数据是人工智能的基石，公司数据是网上下载还是通过医院获取高质量标注数据，这是衡量一个公司是否具有深度学习能力的重要标准。

探究公司的算法模型出处。是借助网上现有的模型，还是自主训练模型？如果是自主训练，使用的训练软件是什么？计算能力又如何？这些问题能够揭示一个公司在人工智能领域的真实水平。我们还需要关注公司训练的模型与开源模型之间的差异，以及公司使用的计算资源，比如计算机里安装的GPU数量。

除了这些技术层面的鉴别，图玛深维的创始人及CEO钟昕为我们提供了更为通俗易懂的方法。观察公司是否有拥有长期从事医疗背景人工智能技术研究的核心技术团队。这些团队成员最好是具备深厚医疗和人工智能背景的复合型人才，如图玛深维的首席科学家陈韵强博士，他的学术背景为公司在医疗人工智能领域取得领先提供了强大的技术支持。

关注公司是否积极参与国内外与医疗人工智能相关的学术会议和展会，展示自身的技术和产品。在展会中，企业不仅可以展示自己的实力和产品，还可以与同行进行深入交流，了解行业动态。

了解公司是否有落地医院的产品，以及医生对这些产品的认可度。真正的核心技术不仅要得到医生的认可，还要能够转化为实际的产品，满足医生的需求。图玛深维已经在实际应用中取得了显著成果，其胸部CT扫描病例的分析超过5万病例，获得了医生的广泛认可。

有专家指出，人工智能必须理解物理世界及其因果链条，适应这个世界。人工智能的发展不仅要依赖大数据的支持，还要具备在复杂环境下自我学习和适应的能力。在医疗领域，人工智能的应用不仅仅是复制专家的知识，而是发现人类尚未认识到的疾病关联和最佳治疗途径。真正的医疗人工智能系统应该具备自我找寻疾病特征和规律的能力，自己创造规则。那些简单地将规则“写死”的系统并不算是真正的人工智能系统。我们更希望AI能帮助我们找到新的、更好的医疗解决方案。"大数据小任务"的深度学习方法被认为是新时代人工智能的标志之一。因此我们在选择和评价AI产品时也需要关注其在大数据环境下的表现能力。希望这次的人工智能浪潮能够带来真正的突破和创新！针对特定任务，如人脸识别和物体识别，设计价值函数Loss，为模型构建打下坚实的基础，这是我们追求卓越的第一步。尽管这种方式在某些问题上展现出其高效性，然而它也有一定的局限性，模型存在无法泛化和解释的问题。

达泰资本的创始人叶卫刚指出，新时代的人工智能发展需要深度学习的能力。观察中美医疗人工智能创业公司，我们发现他们大多数具有计算机背景，往往直接利用基础数据构建数学模型。将医疗流程与这些模型紧密结合则需要强烈的行业融入能力。真正的挑战在于，如何将人工智能技术与行业实际需求无缝对接。

作为资本方，达泰资本的目光既关注那些在底层研发技术方面有所突破的公司，也不忽视应用类人工智能企业。因为对于人工智能来说，真正的价值在于能为实际行业带来的改变和提升。应用类人工智能企业在本地化做好的前提下，可以很好的解决行业痛点。

例如，达泰资本投资的汇医慧影，这家公司在深度学习算法的基础上，针对医学影像的特殊问题进行了深度定制和优化。他们的努力使得人工智能在医学影像领域展现出强大的识别能力，并建立了医学影像应用的行业壁垒。他们证明了只要针对特定问题设计解决方案并优化模型，人工智能可以在特定领域发挥巨大的价值。

结果胜于一切。在人工智能领域的一名资深医生提出了实用的观点：无论采用何种底层技术，只要能够提高效率、减少重复性劳动、提高诊断准确率，都可以称之为优秀的人工智能系统。技术的来源和名称并不重要，重要的是结果和实际价值。