人工智能就像長生不老和星際漫游一樣，是人類最美好的夢想之一。計算機科學之父、人工智能之父艾倫·麥席森·圖靈在著名論文《機器會思考嗎?》里提出圖靈測試的設想，對計算機能否具有人的意識這一命題提出思考。

　　勤快又認真、會思考還連軸轉的員工，請給我來一打

　　近年來，怎樣讓計算機系統(tǒng)具有人的學習能力，即“機器學習”(Machine Learning)愈發(fā)成為人工智能方向的科研人員研究的重點?？萍季揞^們也將更多的資源投入到該領域，從而顛覆了原有的決策和運營模式。站在變革的路口，如何在這場龐大的數(shù)字戰(zhàn)爭中取勝?平安科技選擇“順勢而為”。

　　機器學習是指機器在現(xiàn)有的知識中找到空缺，繼而效仿人腦并模擬進化，系統(tǒng)化地減少不確定性，識別新舊知識的相同點，并完成學習。機器學習包括多種模式，比如可以用基礎算法將數(shù)據(jù)聚類分析，發(fā)現(xiàn)分組數(shù)據(jù)內存在的隱藏模式，從而實現(xiàn)計算機自動學習。

　　舉個例子，假設要構建一個識別貓的程序，傳統(tǒng)上我們需要輸入一串指令，例如貓長著毛茸茸的毛、有胡子等，然后計算機根據(jù)這些指令識別。但如果我們展示一張老虎的照片，程序該作何反應呢?更何況通過傳統(tǒng)方式要制定全部的規(guī)則，必然會涉及到一些困難的概念，比如對毛茸茸的定義。因此，更好的方式是讓機器自學。我們可以為計算機提供大量的貓的照片，系統(tǒng)將以自己特有的方式抓取特征，隨著數(shù)據(jù)的增多，系統(tǒng)會不斷學習更新，最終能夠做出準確判斷。

　　比如平安云RPA安小蜂，它是一個軟件工具平臺，能根據(jù)既定規(guī)則模擬人操作，與計算機交互處理作業(yè)，從而代替人工實現(xiàn)流程的自動化，是提升企業(yè)效率的低成本、高效解決方案。而平安科技以AI賦能安小蜂，搭載了機器學習能力，使其在運行過程中可以積累關鍵的流程數(shù)據(jù)，通過分析各節(jié)點運行數(shù)據(jù)，挖掘其背后反映的流程問題，進行流程診斷和優(yōu)化，為客戶提供端到端的一站式流程智能自動化解決方案，由RPA朝著IPA邁進。有了機器學習能力， RPA能在流程運行中不斷進行自我調優(yōu)，實現(xiàn)持續(xù)的、動態(tài)的智能化。安小蜂負責人曾表示，以前是我們告訴安小蜂流程怎么走，逐漸會變成安小蜂告訴我們流程怎么走會更好。

　　本來就是個王者，然而王者還會自己升級

　　當安小蜂推動企業(yè)效率提升和利潤增長、賦能整條產業(yè)鏈之時，隨著大數(shù)據(jù)的完善與強勁的硬體運算能力，讓機器學習有了突破性進展，而其中發(fā)展最為快速的一項關鍵技術，就是“深度學習”(Deep Learning)。深度學習是“更深層次”的機器學習。它的靈感來源于人類大腦的工作方式，還是以識別貓的程序為例，深度學習不會以人類提供的信息來區(qū)分貓和老虎，而是會掃描圖像中的所有像素，以發(fā)現(xiàn)可用于區(qū)分二者的邊緣，之后，它會將邊緣和形狀置于可能重要的排序中以確定這兩種動物。因此它需要更多的數(shù)據(jù)量以及能夠處理數(shù)字和巨量大數(shù)據(jù)的獨立顯卡的高端計算機才能工作。

　　平安在過去31年間，通過醫(yī)療相關業(yè)務，積累了大量的數(shù)據(jù)庫和知識庫，為實現(xiàn)醫(yī)療領域的深度學習奠定了堅實的基礎，由此構建了醫(yī)學大腦，將數(shù)據(jù)文獻知識轉變?yōu)獒t(yī)療知識圖譜，從而實現(xiàn)智能化的診療。隨著有效的治療案例和數(shù)據(jù)的不停儲備，具有深度學習能力的醫(yī)療圖譜可以不斷累積經(jīng)驗，持續(xù)學習。從治療初步的癥狀詢問、到檢測項目，從診中的判斷確診，到診療用藥方案、診后的治療效果隨訪，賦能診療全流程，類似“老醫(yī)師”式的成長模式，時間越久“越吃香”。 如今已成為廣大醫(yī)生工作神器的AskBob也是運用該技術達成賦能基層醫(yī)生的目標。

　　每一次精度的提升，都意味著有無數(shù)人免于疾病之困

　　一直以來，平安還在智能疾病預測方向耕耘不輟，AI深度學習在實時流感預測過程中有何價值呢?目前傳染病的預測主要依賴傳統(tǒng)的時間序列ARIMA(Autoregressive Integrated Moving Average model)模型，數(shù)據(jù)源單一且預測精度有限。隨著深度學習和人工智能的逐漸興起，對時間序列的分析也有了很大的進步和提升。平安融合了多個數(shù)據(jù)源(包括歷史發(fā)病率，死亡率，百度搜索指數(shù)和季節(jié)信息)和多個方法(包括非時間序列模型Ridge Regression, XGBoost和時間序列模型ARIMA,LSTM)對中國的傳染病進行預測。科學表明，深度學習中的LSTM模型有更加優(yōu)越的性能。

　　前不久，平安與重慶市疾病預防控制中心、第三軍醫(yī)大學、清華大學聯(lián)合發(fā)表的智能疾病預測論文首次在國際四大醫(yī)學雜志之一《柳葉刀(Lancet)》子刊EBIOMEDICINE發(fā)表。該文融合多種前沿人工智能算法，創(chuàng)新性地建立了一個自適應人工智能模型(Self-adaptive AI Model，SAAIM)，動態(tài)調整參數(shù)，可準確捕捉流感不規(guī)律的季節(jié)性趨勢，并對流感流行的特征進行分析，揭示出了流感流行的相關因子。可以幫助政府機構對公共衛(wèi)生資源進行科學的、前瞻性的配置，并使得醫(yī)療衛(wèi)生機構能夠在流感季中提前準備，提高疾病防控效率、降低政府醫(yī)療財政負擔和個人疾病經(jīng)濟負擔。

　　當今時代，無限拓展的存儲能力和驟然爆發(fā)的數(shù)據(jù)洪流的組合拳正在使“機器會思考”這一命題從幻想變?yōu)榭赡?，每一次技術的革新都會對時代產生不可估量的推進作用?，F(xiàn)如今，人工智能是否可以借助機器學習亦或是更深層次的深度學習實現(xiàn)下一步的技術飛躍，我們拭目以待!

特別提醒：本網(wǎng)內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點。其原創(chuàng)性以及文中陳述文字和內容未經(jīng)本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網(wǎng)有任何內容侵犯您的權益，請及時聯(lián)系我們，本站將會在24小時內處理完畢。