谁带我们来到了人工智能的爆发前夜?
你也许对 “强化学习” 这个名词感到陌生,但你一定知道 人工智能 。事实上,“强化学习是一种人工智能方法,能使计算机在没有明确指导的情况下像人一样自主学习。”毫无疑问,在这个属于人工智能的时代,这款突破性技术将在包括生物医学在内的多个领域掀起巨浪。
强化学习,究竟怎么学?
说到人工智能,我们不得不提DeepMind这家公司。去年三月,它开发出的人工智能AlphaGo在五局对战中,以4:1的比分击败前世界围棋第一人李世乭,让人工智能这个词进入了普罗大众的视野;而在今年,AlphaGo又以60:0的悬殊比分,在短短几天内横扫全世界顶尖的围棋选手。这也让世界围棋排名第一的棋士柯洁生出“ 人类千年的实战演练进化,计算机却告诉我们,人类全都是错的…… ”之感叹。
训练出AlphaGo的,正是强化学习方法。
▲强化学习后的AlphaGo,击败了李世乭(图片来源:美联社)
有人说, 这一方法的灵感来源于动物的学习过程。 为了教会动物们新的技能,训练师往往会奖惩并用,帮助动物建立起反射,从而掌握技能。强化学习与这很像,只不过将学习的对象从动物换成了电脑程序。从外部获知信号后,人工智能会逐层分析这些信息,并将数据分配上一个权重,传递给下一层。而当研究人员设立起一个目标,人工智能在权重的设定上就会变得更聪明——它们会通过自己的不断学习,了解到为了达成目的,什么重要,什么不重要。
然后,有趣的事就发生了。
“太空侵略者”是人工智能最早学会的游戏之一。这款游戏有点像“小蜜蜂”,玩家要做的,就是操纵战机,击毁敌舰。DeepMind开发了一款人工智能,并且只告诉它两件事:一,根据屏幕做操作;二,把分数尽可能提高。 仅仅几个小时的练习后,这款人工智能就击败了人类的游戏专家。
▲击败玩了十多年的人类玩家,人工智能只用了几小时(图片来源:维基百科)
围棋比电子游戏复杂得多,但人工智能依旧啃下了这块骨头。在AlphaGo最初的岁月中,它更多是在学习评估围棋大师的棋谱,了解如何下出“神之一手”。然而,为AlphaGo带来突破的元素之一,一定有强化学习。在数百万盘自我对局后,AlphaGo的技术得到了升华,让它成为了传奇。
DeepMind的共同创始人之一Demis Hassabis博士认为, 想要让人工智能做更复杂的事情,强化学习必不可少。 “仅仅学会观察,对智能而言是不够的。绝知此事要躬行,”Hassabis博士说:“这是我们唯一能真正了解世界的方法。”
▲DeepMind共同创始人Hassabis博士对强化学习青眼有加(图片来源:麻省理工科技评论)
当人工智能遇上生物医学
人工智能的应用很广——自动驾驶、智能支持等领域,都离不开它。 而在生物医学领域,我们同样看到了它的广阔应用前景。
由于在图像处理方面得天独厚的优势, 人工智能在基于图像的诊断上已经取得了一系列突破。 去年,研发出AlphaGo的DeepMind宣布,与欧洲最古老,也是最庞大的眼科治疗、教学与研究中心Moorfields眼科医院达成合作, 诊断年龄相关性黄斑变性和糖尿病视网膜病变 等眼科疾病。在强化学习中,这款人工智能读取了100万份眼部扫描图像和疾病管理的信息,成为了眼科专家。
无独有偶,这个月,来自我国的两名白内障专家,中山眼科中心的林浩添博士、刘奕志教授与研究团队一道,开发出了一种能 诊断先天性白内障 的人工智能。仅利用886张眼部的图像,它就能准确诊断儿童先天性白内障,并对疾病的严重性进行区分。在这些方面,它与眼科专家的表现一样出色。而在诊断皮肤癌领域,人工智能一出马,甚至击败了人类医生。
事实上, 人工智能用于诊断的依据,并不止于图像。 以IBM的沃森肿瘤解决方案(Watson for Oncology)为例,它在美国最早的癌症治疗机构之一斯隆-凯特琳癌症中心进行了深入学习,将癌症专家们过去几十年一桩桩癌症病例的治疗记录与依据全都烂熟于心。此外,它还牢牢记住了超过300份医学杂志、200余种教科书、以及1500多万页的资料中的关键信息,知识量远超人类医生。最为关键的是,它学会了从患者的病例中提取“肺癌”、“EGFR”等关键词,因此能迅速掌握患者信息,并从海量数据中筛选出一系列行之有效,却又为患者量身打造的治疗方案。
▲IBM的沃森肿瘤解决方案有望为癌症诊疗带来变革(图片来源:IBM)
去年,沃森在日本小试牛刀:一名66岁的患者经诊断患有“急性骨髓性白血病”,并开始相应的治疗。然而治疗后,患者的病情不但没有缓解,反而还出现了恶化,甚至开始神志不清,医生对此无能为力。而在获得患者了的遗传信息后, 沃森仅仅用了10分钟就做出了诊断 ——这名患者得的不是“急性骨髓性白血病”,而是另一种罕见白血病。在对症下药后,患者的病情终于有了起色。
人工智能在生物医学领域的第三大应用,也许是减少不必要的人力劳动。上周,《自然》子刊《Nature Biomedical Engineering》推出了“机器学习”特刊,报道了一种能对样本进行“虚拟染色”的人工智能。它能将常规染色的时间从几个小时,缩短到3分钟。它的问世 极 大缩减了医生用于诊断的时间,让脑肿瘤医生“一边动手术,一边检查是否把脑瘤切干净”成为了可能。这对罹患脑瘤,身处手术中的患者来说至关重要。
▲ 你能分清哪个是病理实验室染色,哪个是人工智能“染色”吗?(图片来源:《自然》)
可以想象,在未来的几年,各行各业都会受到人工智能的冲击,甚至出现颠覆性的改变。将来,或许越来越多的职业会被机器人所取代。 但这绝不是人类的末日,而是一个更为美好的明天。 我们期望会自主学习的人工智能迸发出更多能量,为生物医药领域带来更多创新与突破。
参考资料:
[1] How Google Plans to Solve Artificial Intelligence
[2] 5 Big Predictions for Artificial Intelligence in 2017
[3] 机器学习专题:人工智能的黄金时代 – 药明康德