学习
实践
活动
专区
工具
TVP
写文章

人工智能需突破哪些阻碍,才能充分绽放潜能?

在刚刚过去的第十四届中国皮肤科医师年会 CDA 2018 上,

中国皮肤病人工智能应用大放异彩

。在大会上,医生代表队与两支分别来自中国和德国的「皮肤病人工智能机器队」进行了「人机大战」,最终,机器代表队获得了不俗的表现:德国的 FotoFinder 智能识别给出皮损的良恶性判断,正确率高达 90%;「智能皮肤-皮肤镜版」则是通过智能识别皮损照片,直接给出皮肤疾病名称,正确率达 80%。

以上这样的医疗与 AI 的结合是一种全球趋势,AI 正被越来越广泛地应用在包括生命科学在内的所有行业中,并且常常被认为是创新所必须的技术。然而,AI 技术也引起了一些担忧,尤其在造成失业和道德规范的问题上。最近的一项调查表明,虽然在现代企业中,AI 的使用率很高,有大约 69% 的企业在应用机器学习、深度学习等技术,但是只有 21% 的企业认为应用 AI 技术对其项目有积极的推动作用。

随着 AI 在各领域首批应用的成果逐渐显现,越来越多的企业开始客观看待对 AI 项目的投资,因为显然并非所有的 AI 应用项目都有积极的成果。以 IBM 的 Watson 为例,迄今为止,很难看到其在医疗保健,特别是癌症治疗领域的价值,由于系统数据来源的局限性,应用过程中甚至会提供不安全的治疗方案。

为了确保 AI 技术能带来良好的收益,企业需要克服一些阻碍。以下分析了阻碍 AI 技术在生命科学领域发挥全部潜力的四个主要挑战。

技术短板阻碍 AI 发展

AI 应用的最大的问题之一,是缺乏高质量技术人员。最近安永的一项调查表明,56% 的高级 AI 专家认为,AI 领域缺乏人才和高质量技术人员是影响 AI 发展的最大阻碍。此外,由于科技与技术产业之间常常存在报酬差异,并且制药业通常在数据革新方面不具有领先优势,生命科学公司很难吸引到 AI 技术人员。提高目前从业者的水平是改善 AI 发展的关键因素。此外,改变求职者对制药行业的印象,以吸引熟练的数据科学家在生命科学领域发挥作用也很重要。

垃圾数据影响输出结果

有限的高质量数据输入会影响 AI 输出的结果。最近研究表明,在接下来的 10 个月中,40% 受访者都希望与技术或数据提供者合作——这是一个积极的发现,因为高质量数据是 AI 项目成功的关键因素。在 AI 中,「垃圾输入导致垃圾输出」的思路在建立算法时是必须要避免的,即使是最有经验的技术公司也可能会出现问题。例如,在 2016 年,微软 AI 驱动的 Twitter 聊天机器人 Tay 在试图使用其 18-24 岁的语言模式时,完全变成了无赖,并在 Twitter 上发布种族主义言论。虽然这个「事故」短期内不会对任何人造成身体伤害,但它反映出,当 AI 做出有关人类健康决策时,正确、公正的输入是最重要的。

缺乏数据筛选标准

除了在获取患者数据方面的挑战之外,目前全行业没有数据筛选标准也是一大难点。AI 应用需要广泛的病人数据来源,可以包括移动设备、可穿戴设备等在内的广泛数据来源,不仅仅来自于患者,也需要来自健康人群。同时,需要大量的时间和资源将数据整合到企业系统,并使其可用。目前,相关技术人员已制定了促进数据共享的指导方针,如「公平」原则,包括可查找,可获得,可操作,可再利用四项基本要求,以实现数据价值最大化。近期的研究表明,四分之一的受访者表示支持「公平」原则,但目前尚未出台实施政策,因此该原则被全行业认可是目前的重点。

过度焦虑阻碍进步

AI 的发展进程也被其负面因素影响——例如 AI 的道德问题,以及员工对潜在失业的担忧等。最近的一项调查发现,67% 的员工担心机器会夺走他们的工作。其实这些焦虑是多余的,实际上 AI 将进行重复性、耗时的工作,让研究人员有更多的时间进行创新性研究。

另一方面,如何应对对偏见以及道德问题,也是 AI 需要解决的关键问题,尤其是在生命科学和医疗保健行业,它将直接对患者产生影响。在临床试验中,招募的患者并不能真正代表人口结构,因为年龄、种族、性别、遗传因素及正在服用的其他药物等因素会严重影响患者对药物的反应或干预结果。一篇发表在《自然》的报告表明,尽管 90 年代以来,向 FDA 提交临床试验数据的国家数量几乎翻了一倍,但是临床试验人群的多样性并没有出现同样的增长,在 1997 年,92% 的参与者是白人,截至 2014 年该比例为 86%。此外,约三分之二的临床试验参与者为成年男性,临床试验参与者的多样性必须得到改善,以确保建立完善的 AI 算法,从而实现为所有群体提供最好的建议。

合作是实现 AI 成功的必要条件

要克服 AI 发展中遇到的困难,首先需要与生命科学领域建立一种合作关系。为了克服这些困难,皮斯托亚联盟创建了生命科学领域 AI 项目的卓越中心(CoE)。其目的是帮助研究者了解关于 AI 在未来实验室中的角色,同时也便于合作者与企业共享他们的经验和知识。

加强合作将促进行业找到 AI 的发展方向。找到 AI 帮助研究人员最终改善病人健康的方法。AI 技术的发展和算法的改进将持续影响包括银行业、法律领域在内的众多行业,AI 将逐渐融入人们的日常生活。合作对于保证 AI 能够真正促进创新,提供准确、公正和符合大的规范的结果至关重要。

虽然 AI 在发展的道路上面临一些阻碍,但是那些成功的案例证明,阻碍是可以被突破的。相信在未来,AI 在医疗领域的应用将不断开拓,不断进步,充分绽放它的潜能,给人类带来更好的服务,帮助人类获得更高品质的生活。

参考资料:

1. Four Challenges Preventing AI Reaching its Full Potential

http://www.pharmexec.com/four-challenges-preventing-ai-reaching-its-full-potential

责辑|Rose

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181127G0P75X00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

关注

腾讯云开发者公众号
10元无门槛代金券
洞察腾讯核心技术
剖析业界实践案例
腾讯云开发者公众号二维码

扫码关注腾讯云开发者

领取腾讯云代金券