人工智能正在加速寻找癌症治疗的方法

图片来源于国外网站：Entrepreneur

       大约一百万年以来，人类一直处于创新曲线，从控制火焰发展到发明机械活字印刷机，创造人工智能（AI）系统，这一系统可以击败人类最成功的游戏玩家。今天，人工智能系统正在将人类创新曲线进一步向天空推进，加速进展步伐并实现重大突破 - 如结束恐怖主义或治愈癌症。

       事实上，一些研究人员认为，AI辅助的癌症治疗不到十年。然而，即使有人工智能的催化剂，通向小型无癌世界的旅程也将反复进行，就像过去的创新导致了当今的尖端技术一样。AI已经在癌症诊断方面取得突破，但该技术将经历多次迭代，在面临最终挑战之前解决大量较小的问题。这一过程将为人工智能技术提供商带来巨大的机遇，为巨大的挑战做出贡献。但是要参与这项工作，技术提供商需要了解导致我们现在处于何种位置的创新顺序，以及我们最终将在何处取得未来的创新顺序。让我们看看选择性人工智能创新的时间表，可能以征服癌症结束：

图片来源于国外网站：Entrepreneur

       1952年 - Marvin Minsky发布了第一个连接神经网络学习机随机神经模拟增强计算器（SNARC） - 可能是第一台自学机器。

       1975年 - 开发了反向传播算法，该算法解决了计算机的挑战，允许训练多层神经网络，并导致在20世纪80年代广泛使用神经网络。

       Circa2000 - 第一次使用“深度学习”这个词来描述一种机器学习，即创建一个能够以无监督的方式从非结构化数据中学习的网络。

       2011-2012 - 卷积神经网络AlexNet在视觉识别方面实现了前所未有的准确性水平，为深入学习进入主流铺平了道路。

       2017年1月 - 斯坦福大学的研究人员开发了深度学习技术，可以以与人类皮肤科医生相同的准确度直观地识别癌性皮肤痣和病变。

       2017年2月 - 微软建立了Healthcare NExT，该项目旨在将AI和机器学习技术应用于健康问题，包括癌症治疗。

      2017年3月 - 谷歌的GoogleNet深度学习技术比人类临床医生更准确地检测癌症肿瘤。

       2017年10月 - 英特尔发布其首款Nervana神经网络处理器（NNP）芯片，可加速深入学习任务，包括诊断癌症。

       2021年的凯尔卡至大约2026年 - 微软预计将发布一种人工智能供电的计算机，该计算机可在人体内运行以检测和重新编程癌细胞，使其无害。

       正如时间表所显示的，深度学习和基于人工智能的癌症研究的创新步伐正在加快。然而，在这个阶段的进展仍然涉及相对较小的步骤，导致未来的最终目标。这种情况反映了人工智能创新的现状，其中涉及使用单一任务特定的认知引擎来执行对人类具有挑战性的平凡和重复的任务，例如检查大量组织样本的图像以检测癌症病变的迹象。这些技术统称为人造窄智能（ANI）。当今最成功的人工智能技术利用这些引擎实现广泛的特定目的，从支持亚马逊DeepLens摄像机的对象识别技术到控制Apple iPhone X上Face ID身份验证的人脸识别算法。这些解决方案被称为“一次性”（1x）AI转换。它们代表了满足眼前需求的实用工具，同时促进了战略目标。这种1x转换对人工智能的发展起着至关重要的作用。根据埃森哲的一份报告，预计将成功整合1x人工智能创新的企业将在未来五年内将员工人数扩大10％，收入增长38％。这些类型的创新将导致下一代人工智能：两倍（2x）转换。通过使用ANI来观察更大的图像，这种2倍变换更进一步。例如，他们可以结合来自各种来源的大量数据，对其进行处理并对其进行分析以使其对特定任务有用。下一个层次是10倍转换，AI技术的强大性足以解决重大挑战。未来将开发两种技术：人工智能（AGI）和人工超智能（ASI），将实现10x转换。AGI被定义为一台机器，可以执行任何智力任务以及人类的任务。人工超级智能超越了AGI，提供了超越人类智能的机器。

图片来源于国外网站：Entrepreneur  

       癌症治愈的道路将从今天的ANI支持的1x转换，通过2x解决方案，发展到未来的AGI和ASI驱动技术。为了参与这一过程，医疗人工智能技术的提供者和用户将不得不参与人工智能创新的迭代过程，并朝着最终目标迈出一小步。

 更多人工智能请关注微*信公众号：智德物联科技或者微博@智德物联科技。

 本文部分内容根据Chad Steelberg在Entrepreneur网站的文章编译而成。