時勢造AI 談談人類為啥沒被大數據海洋淹沒!

發表時間:2019-05-30  投稿人:余瑛   部門:行政        編輯:    點擊量:938  

【網易智能訊5月30日消息】數據本應是人類的幫手,但如今人類卻被數據淹沒,不知所措。廉價的數據儲存器以及自動數據收集引發了大數據革命,與過去相比,組織機構的數據一直在膨脹增長。從計算機日志文件到天氣狀況,從購買數據到電視播放量,龐大的數據一直在展示世界的方方面面。

但同時,仍有大量難辨真假的數據等待處理,有時它們并不投入使用,有時也會用作檢測目前的趨勢。而處理如此多的數據絕非易事。

比方說在醫療方面,新診斷技術的出現便意味著需要對患者收集比以往更多的信息。

醫生不能也不會忽視病人的新信息。當診斷技術證實可投入正式使用后,便可用于挽救千千萬萬的生命。曾經CT和MRI這些診療工具并不常見,只在最復雜的案例中出現,但現在它們已不再罕見。隨著這兩種工具診斷越發準確,每次使用拍攝的圖像數量也會增加。最近有研究表明,1999年平均每位患者拍攝82張CT圖像,而2010年,圖像數量增加了730%,達679張。

對于希望獲得精準診斷的患者而言,這的確是個好消息,但同時也為放射科醫生帶來巨大壓力。在醫療設備數字化的背景下,放射科的醫生們篩選的數據也大大增加。研究還表明醫生們為了保持工作量,需在在3至4秒內檢查完一張圖。

聘請更多的放射科醫生是解決繁多工作量的一個方法,但培養專業人員耗時并不短。而且,假設當今圖像的數目是30年前的50倍,難道放射科醫生人數也相應提升至50倍嗎?這個解決方法顯然不可取。

因此,時勢造AI。

AI能為這些醫生們做什么呢?傳統的AI計算機輔助診斷方法檢測到問題后,需要醫生手動發送診斷圖像,十分麻煩。而在新的方案中,AI“持續在線”,并且能自動檢測篩選圖像。

AI不僅僅輸出診斷信息。有些AI方案還可以對病例排序,確認哪個患者(如栓塞癥患者)情況更嚴重,需要先看醫生。比方說,癌癥患者可以在幾周內接受手術,但顱內出血的病人情況更為危急,瀕死的幾個小時是不可錯過的救治時間。

AI并不是利用算法來取代放射科醫生的工作,也不會取代任何獲益于大數據的崗位。相反的是,AI是放射科醫生們的主力工具,幫助他們持續關注病人狀態。該科室的醫生如果一天工作10至12個小時,那么一人可能就需要檢查1萬多張圖像,而AI卻可以幫助提升其準確率,減少工作負擔。埃森哲(Accenture)公司在研究中發現,AI技術正重塑醫療服務,改善人類活動。

但如今仍未確定AI在醫療領域的價值,也不知曉AI是否已充分發揮其作用。AI不是完美的代名詞,依然存在著一定的缺陷。但它也從“遙不可觸”變成了一種實打實的技術。美國的食物與藥品管理局在醫藥市場批準了部分AI支持方案,它們同時也獲得了歐盟的許可。

數據仍在增長,CT和MRI儀器將變得更加準確快捷,每個病患的圖像會更加全面。AI將幫助眾多醫生趕上數據的大流,他們也因此有了更多時間關注病人。

AI不會搶了業務數據分析師的飯碗,而是幫助他們處理數據時更加得心應手,比方說處理亞馬遜等大公司數億交易數據可不容易。AI也不會沖擊IT行業的就業情況,但如果沒有AI,業內人士也難以處理大量的日志數據。

汽車制造業也出現了類似的趨勢。1928年,近50萬人受雇于美國汽車業; 但現在數量已上升近一百萬人。機器自動化并未給汽車制造業帶來苦果,而是促進了更先進汽車的誕生。


然而諷刺的是,為了使AI更加精準強大,必須使用大量數據訓練深度學習模型。也就是說,大數據是AI進步的一大前提;同樣,為了充分利用大數據革命,首先需要AI的革命。

AI從大數據中拯救了人類,使我們免于淹沒在數據之中,并給出明確的方向。在AI的幫助下,業務運營更妥當,軟件應用運行更快,醫生也得以使用更多的數據更好完成本職工作。 

青海快3未出号