AI人工智能三要素：数据、算力和算法
人工智能这两年的火爆大家有目共睹，取得的一些技术进步大家想必也有所耳闻。这里就来谈谈人工智能的三要素：数据、算力和算法。
首先，这三要素缺一不可，都是人工智能取得如此成就的必备条件。如果非要给这三者排个序的话，我认为应该是数据、算力和算法。
第一是数据。因为人工智能的根基是训练，就如同人类如果要获取一定的技能，那必须经过不断地训练才能获得，而且有熟能生巧之说。AI也是如此，只有经过大量的训练，神经网络才能总结出规律，应用到新的样本上。如果现实中出现了训练集中从未有过的场景，则网络会基本处于瞎猜状态，正确率可想而知。比如需要识别勺子，但训练集中勺子总和碗一起出现，网络很可能学到的是碗的特征，如果新的图片只有碗，没有勺子，依然很可能被分类为勺子。因此，对于AI而言，大量的数据太重要了，而且需要覆盖各种可能的场景，这样才能得到一个表现良好的模型，看起来更智能。
第二是算力。有了数据之后，需要进行训练，不断地训练。AI中有一个术语叫epoch，意思是把训练集翻过来、调过去训练多少轮。只把训练集从头到尾训练一遍网络是学不好的，就像和小孩说一个道理，一遍肯定学不会，过目不忘那就是神童了，不过我至今还没见到过。当然，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要算力的支撑。
第三是算法。其实大家现在算法谈得很多，也显得很高端，但其实某种程度上来说算法是获取成本最低的。现在有很多不错的paper，开源的网络代码，各种AutoML自动化手段，使得算法的门槛越来越低。另外提一点，算法这块其实是创业公司比较容易的切入点，数据很多人会觉得low，会认为就是打打标签而已，所以愿意做的不多；算力需要芯片支撑，是大公司争夺的主要阵地，留下的只有算法了。
不过，如果想做一个非常成功的AI应用，这三者都需要具备，所谓天时地利人和。
江苏省人民政府 市县动态 无锡市发布人工智能产业创新发展三年行动计划（2023
日前，无锡市发布了《无锡市人工智能产业创新发展三年行动计划（2023-2025）》（下称《行动计划》），是全市首个针对人工智能产业发布的政策性意见。《行动计划》对产业核心发展方向进行了界定，并提出到2025年，人工智能核心产业规模达到400亿元，带动相关产业规模4000亿元。
作为无锡“465现代产业集群”五大未来产业之首，人工智能产业在锡已形成一定基础。无锡是中国集成电路产业发源地和主要生产基地之一，也是全国唯一的国家传感网创新示范区，为人工智能产业发展创造了良好条件。2022年无锡市人工智能核心产业规模231亿元，增长21%，人工智能核心企业87家，泛人工智能企业近1000家，基本涵盖基础支撑层、技术产品层、应用示范层等产业链各环节，计算机视觉、智能传感器、智能机器人、人工智能芯片等领域具有一定优势，在新吴、经开、滨湖等地区形成了具有一定规模的人工智能产业集聚区。
人工智能产业外延广阔，与多个产业都有交叉，《行动计划》从基础支撑层、技术产品层、应用示范层，对无锡市发展相关产业进行了较为明晰的界定。基础支撑层，以智能芯片为主攻方向，加快人工智能云端、终端训练和推理芯片的研制，发展与人工智能芯片配套的编译器、驱动软件、开发环境等产业化支撑工具；探索发展神经网络定制芯片、类脑计算芯片等新型智能计算芯片。技术产品层，以计算机视觉、语音识别、自然语言处理为主攻方向，突破跨媒体感知与分析推理、智能语义理解、机器学习、生物特征识别、类脑智能计算、超大规模训练模型等关键技术。应用示范层，以自动驾驶、智能制造、生成式人工智能为主攻方向，加快人工智能关键技术转化应用，推动“AI+”组合式创新，提升自动驾驶技术体系和总成能力，推进智能制造关键技术装备、核心支撑软件、工业互联网等系统集成应用，加快人工智能生成内容应用落地，为内容生产全面赋能。
《行动计划》对人工智能应用场景也提出了具体的要求，进一步实现技术落地，推动技术的产业化。具体来说，相关企业要在生产制造、交通运输、城市治理等重点领域行业实施“AI+”行动，实现场景突破，目标是累计认定50个省级以上人工智能融合创新产品应用解决方案，打造100个可复制、可推广的典型示范应用场景。
医疗人工智能的历史发展与构成要素
摘要
近来人工智能(ArtificialIntelligence，AI)在医疗领域的应用成为健康产业的一个技术发展和商业热点，其背后蕴含着巨大的想象空间和产业价值。AI作为一个全新的技术如何在医疗这个具高度复杂性的领域落地，仍面临许多挑战。本篇将在总结医疗人工智能现状的基础上，介绍国内外在医疗人工智能领域的应用探索和商业实践创新，供关心这一领域的专家和从业人员参考。
一、医疗人工智能的发展历程与构成要素
人工智能(ArtificialIntelligence，AI)是计算机科学的一个分支，是通过对人的意识和思维过程进行模拟并系统应用的一门新兴科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。1956年夏季在美国达特茅斯(Dartmouth)大学举行的首次人工智能研讨会，McCarthy第一次提出“人工智能”的概念，标志着人工智能学科的诞生。
医疗人工智能即人工智能在医疗领域的应用，涉及医疗行业各个环节，其终极目标是人工智能代替人来为患者诊断、治疗，目前主要发展方向包括辅助诊断、医学影像识别、药品研发、健康管理、基因测序等。
1.1医疗人工智能的发展历程
早期的医疗人工智能探索
最早在医疗领域进行人工智能探索的尝试出现在上世纪70年代。1972年，由利兹大学研发的AAPHelp是资料记载当中医疗领域最早出现的人工智能系统。这个系统主要是用于腹部剧痛的辅助诊断以及手术的相关需求。
在随后的整个七十年代，又产生了不少新的成果。INTERNISTI于1974年由匹兹堡大学研发问世，主要用于内科复杂疾病的辅助诊断。MYCIN于1976年由斯坦福大学研发，能对感染性疾病患者进行诊断，开出抗生素处方。在其内部共有500条规则，只要按顺序依次回答其提问，系统就能自动判断出患者所感染细菌的类别，为其开出相应处方。此外，还有罗格斯大学开发的CASNET/Glaucoma，MIT开发的PIP、ABEL，斯坦福大学开发的ONCOCIN等。到上世纪80年代，已经有一些商业化应用系统的出现，比如QMR（QuickMedicalReference），还有哈佛医学院开发的DXplain，主要是依据临床表现提供诊断方案。
总的来说，医疗人工智能方面过早期的大多数探索都并不成功。不过，这样的现状只能说明医疗的高度复杂性，并没有阻止人类在医疗领域探索人工智能的尝试。
近期国外在医疗人工智能领域的发展
目前，医疗人工智能领域最知名的就是IBMWatson，并且Watson已经取得了不俗的成绩。例如在肿瘤治疗方面，Watson能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，并为医生提供可供选择的循证治疗方案。目前癌症治疗领域排名前三的医院都在运行Watson，并且Watson已经正式进入中国。
除了IBM之外，谷歌、微软等科技巨头也在医疗人工智能领域取得了积极进展。2016年2月，谷歌DeepMind公布成立DeepMindHealth部门，将与英国国家健康体系（NHS）合作，帮助他们辅助决策，提高效率缩短时间。DeepMind还参与NHS一项利用深度学习开展头颈癌患者放疗疗法设计的研究。DeepMind还与Moorfields眼科医院的合作将人工智能技术应用于及早发现和治疗威胁视力的眼部疾病。
微软于2016年宣布将AI用于医疗健康的计划Hanover，帮助寻找最有效的药物和治疗方案，并且与俄勒冈卫生科学大学Knight癌症研究所合作，共同进行药物研发和个性化治疗。
苹果公司一方面计划自主开发人工智能芯片，另一方面则屡次收购人工智能公司。在2010年收购Siri之后，苹果公司近年来还在语音技术方面进行了几笔收购，其中包括VocalIQ和NovaurisTechnologies。
我国的医疗人工智能发展历史与现状
我国人工智能领域的开发研究始于20世纪80年代初，起步虽然较发达国家晚，但是发展速度迅猛。1978年北京中医医院关幼波教授与计算机科学领域的专家合作开发了“关幼波肝病诊疗程序”，第1次将医学专家系统应用到我国传统中医领域。此后我国有代表性的人工智能产品有“林如高骨伤计算机诊疗系统”、“中国中医治疗专家系统”、具有咨询和辅助诊断性质的“中医计算机辅助诊疗系统”等。进入21世纪以来，我国的医疗人工智能则在更多领域取得长足发展。
2016年10月，百度以“开启智能医疗新时代”为主题，正式对外发布百度人工智能在医疗领域内的最新成果——百度医疗大脑，对标谷歌和IBM的同类产品。作为百度大脑在医疗领域的具体应用，百度医疗大脑是通过海量医疗数据、专业文献的采集与分析，模拟医生问诊流程，依据用户的症状，给出诊疗最终建议。
腾讯则依托微信丰富的数据量和数据维度，探索发展医疗人工智能。如腾讯与中山肿瘤南山医院的合作，在广东汕头地区开展食道癌早期筛查系统的试点。腾讯通过人工智能图片处理，帮助开展食道癌前期筛查，在提升医疗机构医疗能力的同时，显著降低了人工投入。此外，腾讯的人工智能实验室还将和卓建、医联两家公司合作，开发面向未来的复诊系统。
阿里则在医疗智能诊断领域重点布局。2017年7月，阿里健康发布医疗AI“DoctorYou”，“DoctorYou”AI系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。此外阿里健康还与多地政府、医院、科研院校等外部机构合作，开发打造包括糖尿病、肺癌预测、心理智能、眼底筛查在内的20种常见、多发疾病的智能诊断引擎。
1.2医疗人工智能的三个阶段
从技术发展的历程看，人工智能分为计算智能、感知智能、认知智能三个阶段。第一阶段机器开始像人类一样会计算，传递信息。第二阶段机器开始看懂和听懂，做出判断，采取一些行动。第三阶段机器能够像人一样思考，主动采取行动。
图表1医疗人工智能发展的三个阶段
图表来源：奇璞研究
从数据有效性和商业模式的发展来看，医疗人工智能应用也可以分为三个阶段：第一阶段为数据整合阶段。目前已存在深度学习等先进算法，但由于医疗数据标准化低，共享机制弱，导致人工智能在医疗行业的应用领域和效果受限。在共享机制尚未成熟前，拥有医疗大数据的公司具备竞争优势与议价能力。第二阶段是“数据共享+感知智能”阶段。当医疗数据融合到一定程度后，将会在辅助诊疗、图像识别等各领域出现辅助性的商用产品。在这个阶段，数据和算法优势都成为重要壁垒，有效数据将促进算法的实施得到进一步优化。第三阶段是“认知智能+健康大数据”阶段。在此阶段，人工智能整体上从感知智能向认知智能发展，健康大数据的获取成本也将降低，人类将步入个性化医疗时代。该阶段将出现替代人类医生的人工智能应用。
图表2按照数据和算法角度，医疗人工智能的发展阶段
图表来源：奇璞研究
1.3医疗人工智能构成的三个要素
人工智能的核心是算法，基础条件是数据及计算能力，因此，可以认为医疗与人工智能结合的关键要素是“算法+有效数据+计算能力”。
先进算法是实现医疗人工智能的核心，能够提升数据使用效率。随着先进算法的不断开发，人工智能从计算智能迈向感知智能，未来将会向认知智能迈进。先进算法能够提升从信息到“知识”的转化效率，提升智能化程度。
有效的医疗大数据是人工智能应用的基础。医疗数据的有效性包括三个方面：电子化程度、标准化程度以及共享机制。电子化程度强调数据和病历的供给量；标准化程度强调数据之间的可比性和通用型；共享机制强调数据获取渠道的便利性和合法性。只有满足上述三个方面的条件，医疗大数据才能得到有效搜集和应用，进而为人工智能打下基础。
计算能力是医疗人工智能的另一基础条件。未来随着量子计算以及速度更快的芯片的产生，将进一步推动人工智能应用的发展。
图表3医疗人工智能的三大要素
图表来源：奇璞研究
二、医疗人工智能的商业应用与模式创新
由于医疗人工智能的发展必须以有效的医疗大数据为基础，所以在医疗领域，凡是具备获取有效数据的领域，人工智能均有用武之地，比如在基因测序、辅助诊断、药品研发的方面，医疗人工智能均有不错的发展。
这里首先介绍医疗人工智能领域的代表公司——IBM的Watson，它主要的商业模式是通过在某一类疾病的数据和算法优势，扩展相关领域人工智能的商业模式。
2.1IBMWatson：深度聚焦肿瘤领域人工智能技术
IBMWatson是自2007年开始，由IBM公司的首席研究员DavidFerrucci所领导的DeepQA小组开发的人工智能系统，目前是医疗人工智能领域的龙头。Watson在医疗领域的商业战略分为三个方面：一是深度聚焦肿瘤领域，并向其他领域扩展；二是通过收购获取数据资源；三是通过合作扩展使用场景，输出生态能力。
Watson在2011年便开始了肿瘤领域的机器学习，充分训练后，形成WatsonforOncology产品。该产品可以辅助肿瘤医生快速了解相似病历，完成初步诊断，缩短诊断时间。接下来，Watson开始提供识别基于证据的辅助治疗方案。通过将患者文件中的属性数据与临床知识、外部数据相结合，Watson提供肿瘤解决治疗方案供医生参考。目前Watson对不同癌症种类的诊断准确率能达到70%-90%之间。
在合作模式上，一方面，Watson会给提供医疗数据的机构基于训练案例数的经济补偿。另一方面，Watson也会直接和医院签订销售合同，由医院支付系统采购费用。目前Watson已经广泛应用于多家癌症治疗机构。2016年8月，Watson进入中国，在国内有21家医院计划使用Watson肿瘤解决方案。
表格1Watson与医疗机构之间的合作
数据来源：公开资料整理，奇璞研究
除了肿瘤领域，Watson也在其他医疗领域推进相关产品，如临床试验匹配项目。
表格2Watson的功能扩展
数据来源：公开资料整理，奇璞研究
IBM通过资本收购，进一步积累“医疗大数据”。2015年4月IBM成立WatsonHealth部门，旨在向医疗行业提供数据分析服务，越来越大的收购金额也反映了IBM对于医疗数据的坚定投入的决心，逐步构筑其数据竞争壁垒。
表格3IBMHealth的收购
数据来源：公开资料整理，奇璞研究
Watson还通过业务合作，不断丰富应用场景。Watson一方面与各领域重要参与者合作，实现Watson人工智能分析能力的场景化输出，探索商用的方式。
例如，Watson与美国第二大零售药店CVS合作，预测用户患有疾病的风险，为用户制定健康问题解决方案。另一方面通过与各合作方的对接，搜集医疗健康领域的各类数据，完善自身的分析学习能力。例如，与苹果合作，将Watson应用软件整合至HealthKit和ResearchKit工具系统，允许应用开发者收集个人健康医疗数据，和在临床试验中使用这类数据；与美敦力合作，处理来自美敦力可穿戴医疗设备及其他情景化来源的数据，并提供个性化的糖尿病管理服务。
图表4Watson的商业模式图表来源：奇璞研究