G可解释生物医学( 二 )

我的一位学生创立了一家公司，可以用一滴血或者唾液，预测人一辈子将会发生的疾病。
此外，在智能化时代，精准医药也变得十分重要，今天的主题是药，我着重讲一下AI在制药方面的应用，比如针对每个人的个体特征而控制药量。

文章插图

回溯一下AI在医疗方面的应用。2017年，斯坦福大学教授做了一个研究，给皮肤照相来预测皮肤癌症，这也是今后我们要做疾病预测的一个方向。

文章插图

2020年，哈佛大学成功用机器学习实现药物筛选，带动深圳几个药物筛选的AI公司发展起来。
我们的魏彦杰团队与药物所万晓春团队，与深圳市三院刘映霞团队合作，针对RdRp靶点，用人工智能技术筛选新冠病毒药物，发布了论文并应用到社区疫情预防中。

文章插图

文章插图

同样在疫情期间，尹凌研究员团队研发传染病时空预测与精准防控系统，基于大数据做疫情防控研究，形成了十余份内参文档和政策建议，为政府决策提供依据。
他们团队的方法是基于大规模手机信令数据、居民出行调查记录等多源时空大数据，对传染病时空传播过程进行城市级别的高分辨率模拟与预测，得出病毒的变种归规律、传播规律、感染规律等等。
? 新型冠状病毒2019-nCoV动物宿主朔源、及分子遗传变异规律研究
? 本地家庭、社区人群中传播效能、传播规律和驱动因素研究
? 人群大样本感染水平研究，确定病例隔离周期、评估隐性感染情况

文章插图

文章插图

所以，我们总是能够看到很多人工智能技术发挥医学价值的例子。但说到人工智能，Artificial intelligence，它到底是什么？
“假智能”？“伪智能”？还是“人造的智能”？
不管大家如何定义，我要说的一点是，我们不要神化AI。
第一代人工智能出现在三、四十年前。
在我求学时，我学习的“专家系统”是一个最典型的AI例子。它和中医诊断系统中的“因果说”很相似。比如说舌苔发黄，眼睛发红，很可能是得了感冒。专家系统也是一样的逻辑，就是用知识驱动知识。

文章插图

那么，专家的知识从何而来？从老师那学，从书本上学，从经验里学。
那时候的AI技术为什么不成功？原因很简单，它只是一个很小的“玩具”。专家们只能搞点小玩意儿，发点小文章。在60年代到90年代，如果你说你是搞人工智能，是找不到的工作的。
那么，为什么现在的人工智能会被大家熟知？关键节点是出现了第二代AI系统。
如果说第一代AI系统是“照葫芦画瓢”，那么第二代AI系统是“无师自通”。

文章插图

第二代系统由数据驱动，无需阐明数据之间的逻辑性，只需要放进大量的数据，利用深度学习就能找到数据背后的统计规律。
说得好听一点是深度学习，说得不好听就是算法，算法里面就是统计规律。
但是这时候的AI系统没有逻辑、也没有可解释性。
举个例子，AlphaGo第一次在围棋上打败人类，掀起了人工智能研究的热潮，但其实AlphaGo只是把五千年来所有的棋谱输入系统，然后在博弈的时候搜索最可能获胜的招数，以数据、算力和算法获胜。

G可解释 生物医学( 二 )

G可解释生物医学( 二 )