人工智能抗疫尚需重视“软基建”
在线教育，远程办公，无人配送，健康监测，数据研判……在新型冠状病毒感染的肺炎疫情防控中，以人工智能为代表的新兴科技，渗透进社会运行的方方面面。4月9日上午，在中国科协学会学术部、中国科学报、腾讯科协和腾讯集团发展研究办公室主办的人工智能科技与经济融合新引领线上研讨会中，中国工程院院士李国杰指出，人工智能在疫情防控中发挥了巨大作用，但总体来说，仍有较大提升空间。“表现好的领域，靠的是过去的数据积累；缺数据的领域做得就不太顺，比如病毒溯源。”李国杰说。
最近，“新基建”成了热词。5G网络、工业互联网、物联网等网络基础、数据中心等数字基础、人工智能等运算基础，成为必要而普遍的新型基础设施。李国杰指出，还要高度重视“软基建”，也就是大力共建共享人工智能基础数据平台、训练平台和软硬件工具链。
深度学习克服不了对数据的高度依赖。“人工智能和大数据实际上是一对双胞胎，人工智能复兴主要是靠数据智能或者计算智能。做得好的人工智能应用，都对数据有强烈需求。”李国杰表示，缺乏高质量数据会成为人工智能发展的瓶颈。因此，要构建基础数据平台。深度学习效果的好坏，也要依赖训练，因此得充分利用搭载国产芯片的高质量人工智能训练平台，推动人工智能训练的共享，形成公共服务体系。“现在发展数字经济，就要大力发展人工智能应用需要的各种工具库、算法库、软件库，打造一个完整的工具链，大大降低人工智能应用开发门槛。”
中国科学院计算技术研究所研究员山世光也看到了软件平台的问题。“我国在基础硬件平台上的投入大，但在基础软件平台上的投入则相对较少。和国外发达国家相比，我们落后至少4—8年。”山世光指出，深度学习的主流底层框架建设在北美，虽然最近我国也有不少动作，百度、华为这样的企业都在布局，但没有形成合力。“或许再过5到10年，我们就需要大量能够完成简单但应用面较广的人工智能算法的人工智能人才。”山世光表示，在低门槛的人工智能研发平台和工具打造方面，我国应该抢占先机。
具体到人工智能的应用上，李国杰强调，应用和基础研究是两个不同的课题，有截然不同的目标和任务。在发展人工智能产业时，要强调的是技术的融合，是用技术解决实际问题。他举了个例子——健康码。码的智能含量并不高，但在疫情期间，它成了每个人的健康证明。“这就解决了最刚性的需求。”李国杰说，如果再往健康码里注入些智能，比如行为轨迹，比如何时和确诊者有接触、接触了多久……做得好了，它就能大大减轻疫情防控工作人员的负担。“企业要把人工智能当成求解的方法，它不是‘老大’。人工智能应该是蛋糕上的奶酪，要把蛋糕看得更重一些。”李国杰强调。（记者张盖伦）
图集+1【纠错】责任编辑：薛涛人工智能如何去支援抗疫工作
日前，工业和信息化部办公厅发布了《关于运用新一代信息技术支撑服务疫情防控和复工复产工作的通知》（以下简称“通知”）。通知指出，鼓励运用互联网、大数据、云计算、人工智能等新技术对疫情开展科学精准防控，还鼓励制造企业与信息技术企业加强合作，加速推动企业复工和产能恢复。在此背景下，中国人工智能企业旷视科技响应政策号召，打造人工智能测温系统，推出供应链物联网解决方案等，以人工智能技术支持疫情防控和企业复工。
图：工信部发布通知，鼓励人工智能等技术支撑服务疫情防控和复工复产运用新一代技术信息技术支持疫情防控，能够加快病毒检测诊断、疫苗新药研发、防控救治等速度，提高抗疫效率。尤其是在返程复工潮到来的当下，体温筛查作为防疫工作的第一道关口，俨然成为疫情防控的关键环节。如何有效解决测量体温时的近距离接触，与人员高效通行问题？旷视科技作为中国人工智能领军企业，在智能测温方面发挥了重要作用。
在春节期间，旷视科技就调集了近百人研发团队全力奋战，紧急开发了人工智能测温系统，助力做好返程高峰的体温排查工作。旷视科技人工智能测温解决方案系统通过利用已经成熟的光学测温技术与人工智能技术相集合，实现了“精准测温、人温绑定、自动预警、全域掌握”。
具体来看，旷视科技人工智能测温系统采用“人体识别+人像识别+红外/可见光双传感”的技术方案，支持大于3米的非接触远距离测温，辅助火车站、汽车站、地铁站、机场等高密度人员流动场景下的工作人员快速筛查疑似高温人员。往来者无需停留，无需摘下防护工具，也能实现快速筛查，且温度检测误差在±0.3℃以内。
图：北京卫视报道旷视科技人工智能测温系统目前，旷视科技人工智能测温系统已经在北京市海淀区政务大厅、部分地铁站等试点正式投入使用。旷视科技人工智能测温系统累计上线10天，保障近20000人次顺利出行。该系统的落地与应用效果也赢得了人民网、人民日报、学习强国、北京电视台等多家权威媒体和平台集中报道和点赞。
责任编辑：ct
人工智能助力抗疫，魔力背后的秘密是什么
原标题：人工智能助力抗疫，魔力背后的秘密是什么？
随着人工智能技术的发展，在一些场景的应用也越来越成熟，人工智能正在逐步渗透进人们生活的各个角落，甚至在这次的抗击新冠疫情中也扮演了重要角色。新技术的应用对比2003年的非典，此次新冠疫情在症状上潜伏期更长，传染性更强，而且还碰上了流感爆发以及春运流动的节点，因此病情人数不断上升，在防治上面临了更大的困难。正因如此，在大规模传染之后，现有的医疗资源难以满足不断增长的病患用户。为了实现更好的管控防治效果，提高效率，不少企业纷纷应用诸多技术手段来抗击疫情。比如有些地方推出了智能机器人，通过语音识别、自然语义理解等技术，针对疫情问题、就医注意、防护措施进行回答。对于正常用户、轻症用户来说，人工智能可以起到一定的答疑作用，避免医疗资源紧缺以及交叉感染的风险。其实，人工智能还被应用于疫苗研发，比如使用深度学习技术，可以协助科研人员进行数据分析、快速筛选文献以及相应的测试工作。此外，人工智能还可以应用于建立模型以观察疫情传播。早前，国内基于AI和大数据的流感实时预测模型便登上了《柳叶刀》的子刊，为传染病预测提供了更加精准的逻辑框架。神奇的算法人工智能技术为何能发挥出如此大的作用，魔力的来源究竟是什么？人工智能在这些年的快速发展主要得益于算力提升、数据积累和算法创新。其中，算法是人工智能的灵魂，是魔力的主要来源，今天我们就一起来看一看这些算法的本来模样。算法（Algorithm）这个概念比较抽象，是指一个准确而完整的关于解题方案的描述，用系统的方法描述解决问题的策略。简单地说，算法就是解决问题的处理步骤，一个生活中的例子就是我们烹饪的时候往往需要食谱的帮助，食谱描述了美味料理的制作方法，对制作料理这个问题给出了方案，并将操作步骤规范地描述出来。算法一词来源已久，截止目前，网上不完全统计有2000多个算法，如果考虑到每个算法的各类变种，数量极其巨大。但是这些算法按照模型训练方法的差异，总体上可以分为四个类别：有监督学习（SupervisedLearning）、无监督学习（UnsupervisedLearning）、半监督学习（Semi-supervisedLearning）和强化学习（ReinforcementLearning）。这些算法是如何让机器具备了“智能”，它们作用的原理是什么？今天，我们尝试用几个样例来揭开背后的秘密。1、有监督学习有监督学习被称为“有老师的学习”，所谓的老师就是标签。通过标注好的样本（即训练样本以及其对应的目标）训练得到一个最优模型，再利用这个模型对输入的数据进行判断给出结果，从而具备对未知数据进行预测的能力。在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。这也比较符合我们的认知习惯，比如我们通过图片或实物学习什么是猫、什么是狗等。经典的有监督学习算法有：反向传播神经网络、波尔兹曼机、卷积神经网络、多层感知器、循环神经网络、朴素贝叶斯、高斯贝叶斯、多项朴素贝叶斯、分类和回归树、ID3算法、C4.5算法、C5.0算法、随机森林、线性回归、逻辑回归、支持向量机等。这些专业名称不重要，我们以大名鼎鼎的AlphaGo为例来了解一下有监督学习的原理。从2016年到2017年，这个围棋机器人在多种场合以绝对优势战胜了数十位顶尖的人类棋手。围棋界公认AlphaGo围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手。AlphaGo为了解决围棋的复杂问题，结合了有监督学习和强化学习的优势，通过标注数据训练形成一个策略网络，将棋盘上的当前棋子的布局状态作为输入信息，对所有可能的下一步落子位置生成一个概率分布。以-1（对手胜利）到1（AlphaGo胜利）为标准，预测所有落子位置的得分。也就是说，针对每个棋盘状态定义了一个学习目标，如此大量的循环往复，模型学会了应对不同的棋盘布局能够预测最佳落子位置，最终取得令人瞩目的成果。2、无监督学习无监督学习被称为“没有老师的学习”，相比有监督学习的不同之处在于，不使用事先标注的训练样本，没有训练的过程，而是直接拿无标注的数据进行建模分析，通过机器学习自行学习探索，从数据集中发现和总结模式或者结构。典型的无监督学习算法包括：生成对抗网络（GAN）、前馈神经网络、逻辑学习机、自组织映射、Apriori算法、Eclat算法、DBSCAN算法、期望最大化、模糊聚类、k-means算法等。这里以k-means算法为例来看看无监督学习背后的运行机制，这是一种用来计算数据聚类的算法。例如，对上图中的A、B、C、D、E五个点聚类，主要方法是不断地设定并调整种子点的位置，计算离种子点最近的均值，最终根据距离聚成群。灰色的是开始时设定的种子点，首先，计算五个点与种子点之间直接的距离，然后，将种子点逐步移动到点群的中心。最终，A、B、C和D、E分别根据离种子点的距离聚类为点群。这个方法看上去很简单，但是应用的范围非常广泛，包括给网页文本进行主题分类；分析一个公司的客户分类，对不同的客户使用不同的商业策略；电子商务中分析商品相似度，归类商品，从而得出不同的销售策略等。曾有人做过一个有趣的分析，给亚洲15支足球队的2005年到2010年的战绩做了一个表，然后用k-Means把球队归类，得出了下面的结果，来，感觉一下是否靠谱？亚洲一流：日本、韩国、伊朗、沙特；亚洲二流：乌兹别克斯坦、巴林、朝鲜；亚洲三流：中国、伊拉克、卡塔尔、阿联酋、泰国、越南、阿曼、印尼。3、半监督学习半监督学习，处在有监督学习和无监督学习的中间带，其输入数据的一部分是有标签的，另一部分没有标签，而没标签数据的数量往往远大于有标签数据数量（这也是符合现实情况的）。常见的半监督学习类算法包含：生成模型、低密度分离、基于图形的方法、联合训练等。4、强化学习强化学习，主要是让机器从一个状态转变到另一个状态，当完成任务时获得高分奖励，但是没有完成任务时，得到的是低分惩罚，这也是强化学习的核心思想。常见的强化学习类算法包含：Q学习、状态-行动-奖励-状态-行动（SARSA）、DQN、策略梯度算法、基于模型强化学习、时序差分学习等。强化学习是近些年大家研究的一个重点，我们以Q学习为例说明（此处，引用了McCullock一个非常好的样例）。假设一个房子有五个房间，房间之间通过门连接，从0到4编号，屋外视为一个单独的房间，编号为5，如下方左图。我们把左面的图转换一下，房间作为节点，如果两个房间有门相连，则中间用一条边表示，得到上方右图。假设我们的目标是从屋内任意一个房间走到屋外，即编号5，2号房间是起点，每条边设定奖励值，指向5的为100，其他为0，可以发现，通过得分奖励，从2到3，再到1或4，最终路线会收敛到5。相对于以往的算法，强化学习更符合人类学习的习惯，在近年来被寄予了很高的期望，特别是随着DeepMind和AlphaGo的成功，强化学习日益受到关注。荣光和局限人工智能技术在这次疫情防控中的应用，离不开大量的算法工作。比如谷歌用AI技术帮助科学家研究病毒特征，亚马逊探索用疫苗等方式来治愈普通感冒等。当然，人们也不需要把人工智能奉为神明，如果仔细研究一下上文列举的例子就会发现，人工智能擅长处理的是在有限、透明规则、特定任务下的问题，因而在以计算为主要特征的领域取得了不错的效果，但是对于其他问题，比如自然语言理解、图像理解等仍然面临较多的挑战。文末彩蛋总有人问，自己不会编程，又对人工智能感兴趣，有没有办法上手呢？这里介绍一个可视化编程工具Scratch，由麻省理工学院的“终身幼儿园团队”设计开发的图形化编程工具，旨在让初学者不需要学习程序语言便能设计产品。开发者期望通过使用Scratch，启发和激励用户在愉快的环境下学习程序设计和算法知识，同时获得创造思考、逻辑编程和协同工作的体验。目前最新的版本是Scratch3.0，采用了HTML5来编写，编辑器的外形看起来更加柔美，拖拽积木还有音效，支持多次撤回和恢复，有兴趣的读者可以试试。人工智能技术加入抗“疫”战 助力学生停课不停学
人类与新型冠状病毒的战“疫”仍然在进行中，在这期间，也催生出各类“人工智能+”应用，人工智能技术在此期间迎来大爆发。
在武汉、上海、北京等地的医疗前线，人工智能检测技术帮助医生实现了病毒的高效检测，消毒机器人、送餐机器人、问诊机器人均加入到疫情防控的队伍中。在抗疫的后方，人工智能企业推出的红外测温仪、人脸识别门禁等设备在一定程度上帮助企业进行防疫，人工智能在线教育的推出也帮助学生实现“停课不停学”。
工信部近日部署运用新一代信息技术支撑服务疫情防控工作，特别提出支持运用人工智能、大数据、云计算等服务疫情监测分析、人员流动和社区管理等，对疫情开展科学精准防控。
但与此同时，业内人士认为，在此次疫情中，人工智能技术还大多是浅层次应用，人工智能企业要更多的切合场景进行深度黏合，同时，也要考虑极限条件下的应用可能。
AI医疗受热捧，疫情防控加速医疗机器人应用
在抗疫前线，人工智能实现了“大爆发”，在医疗影像辅助诊断、智能服务机器人等方面均实现了精准应用，在一定程度上实现了对病例的快筛查，阻断了病毒的传播等。
据了解，目前，人工智能技术广泛应用在我国各个医疗细分领域，包括医疗影像、辅助诊断、药物研发、健康管理、疾病风险预测、医院管理、虚拟助理、医学研究平台等，而人工智能技术在此次疫情中，在相关领域均得到不同程度的运用。
近日，达摩院联合阿里云针对新冠肺炎临床诊断研发的全新AI诊断技术，已投入实战应用，人工智能分析结果准确率达到96%，识别一个病例的时间不到20秒。一位新冠肺炎病人的CT影像大概在300张左右，医生对一个病例的CT影像肉眼分析耗时大约为5-15分钟。可见，人工智能技术将大大提高诊断效率。
而奋战在抗疫前线的人工智能公司远不止于此。在此之前，华为云推出AI辅助医学影像量化分析服务，北京推想科技推出AI辅诊系统、晶泰科技推出病毒研究与候选药物筛选，在辅助诊疗中起到关键作用。
业内人士表示，在疫情仍未出现拐点的今天，医疗资源高度紧缺，利用AI技术提升疫区诊疗、救治和防控能力，无疑是当下最有效的手段之一。
人工智能赋能的机器人亦登抗疫战场，助力疫情防治和预警。1月底，猎豹移动携猎户星空向武汉火神山医院捐赠了智能递送服务机器人豹小递。据介绍，豹小递能够根据医院需求分别执行递送化验单、药物等工作，可减轻医务人员的工作量，并避免医护人员在递送路上感染的可能。
中国移动近日携手达闼科技将首批5G云端医护助理机器人、5G云端消毒清洁机器人、5G云端智能运输机器人和5G巡逻温测机器人紧急发往武汉和上海医院，减轻医护人员工作负担。
此外，问诊机器人、消毒机器人、扫地机器人、送餐机器人、送货机器人、测温机器人等智能机器人设备也投入到战“疫”中。
此外，京东数科在疫情暴发初期便开发出智能外呼机器人、疫情问询机器人、良研问卷等智能工具，提供给公共机构，助力社区防疫攻坚战。
人工智能监测设备加速企业复工，助力学生停课不停学
近日，部分企业已复工。但加强病毒防疫工作是每个企业必不可少的一环，此时人工智能的登场在一定程度上解决了复工防疫难题。
基于各大城市公共场所的场景需求，旷视科技推出AI测温系统。据介绍，该系统的智能疑似高热报警带宽可达到每秒15人，且一套系统可以部署16个通道，基本保证一个地铁口管控。
此外，根据工信部消息，百度、商汤科技、海康威视、深思考、中电11所、云从科技等公司，利用人工智能深度学习、图像识别等技术赋能红外热像仪，基本实现了公共场所无人值守的智能体温检测。
LIBRATONE小鸟音响相关人士对蓝鲸TMT记者表示，LIBRATONE公司每日在办公大厦大厅处设立检疫区域，由安保及行政人员通过红外热成像测温仪与体温枪逐一对员工进行体温测量与记录，红外热成像测温仪监测范围较大，支持多人检测，多人同时移动依旧能精准测温，这不仅确保了检疫的精准度，同时很大程度上提高了检疫效率，并缩短进出人员聚集的时间，降低了复工人员感染风险。
携程则在其APP中上线了“新冠肺炎查询系统”，据介绍，该系统具有主动查询、实时更新、高效通知的特点，查询用户此前所订航班或车次的疫情检测数据，查询页面会精确到列车车厢。
与此同时，人脸识别技术也在此次疫情中为助力企业复工贡献了一份力量。医美平台新氧方面相关人士表示，其公司正在使用的刷脸门禁系统在一定程度上减少了员工与公共物品之间的不必要接触，对有效防疫起到关键作用。
除了助力企业复工，人工智能还在疫情期间应用到教育领域，助力学生“停课不停学”。
科大讯飞方面表示，其教育事业群建立专项工作组，向湖北省中小学免费提供“停课不停学”产品，目前形成的解决方案包括：智能教学助手、智慧空中课堂、同步课后作业。科大讯飞方面亦表示，其目前已先后在湖北省武汉、襄阳、荆州、孝感、黄冈等12个地级市免费提供人工智能教育产品和服务。目前正在对接北京、上海、天津等全国19个省、31个区域的停课不停学的需求，覆盖学生数达800多万人。
衡水市某中学教师李静(化名)对蓝鲸TMT记者表示，高中课程紧张，在线上课可跟上教学进度，上传的课件以及视频可以反复观看。但依然也存在课堂反馈效果不如面对面教学，教师得到的反馈少等问题，但总体上来讲疫情期间在线直播教学是最优选择。
人工智能或仍处于浅层次应用，5G、云计算、大数据等技术可提供动力
目前，人工智能已经慢慢渗透到人类生活的方方面面，涉足智慧城市、智能家居、无人驾驶、无人超市等领域。业内人士表示，人工智能在一定程度上解放了人类的工作。
近年来，人工智能市场规模也逐渐扩大。据前瞻产业研究院对国内外多家权威机构2020年中国人工智能规模预测情况的统计，乐观估计2020年我国人工智能市场规模有望突破1600亿;中性预测2020年我国AI市场规模在700-1000亿元左右。
而针对此次疫情期间人工智能大爆发后会不会出现回落的问题，来也科技董事长兼CEO汪冠春在接受蓝鲸TMT记者专访时表示，疫情结束以后，可能对于做企业服务的公司，尤其是涉及到实施交付的公司会有一定的冲击，但是从中长期来看，可以让更多的组织接受人工智能，乃至推动整个智能机器人行业的发展。
来也科技副总裁翁嘉颀补充道：“我觉得此次疫情对人工智能行业来说最重要的意义是，过去大部分的客户对人工智能会有过度的期待，经过这一次机器人的大规模投入使用，客户会慢慢理解机器人的角色可以做什么，不能做什么，这对机器人研发公司的业务梳理更有利。未来，5G、云计算、大数据等技术均会对人工智能的发展提供动力。”
此外，产业时评人张书乐表示，通过此次疫情，可以有效的检验目前人工智能的有效性和发现问题，然后在大数据，云计算和人工智能的协同，以及真正的场景应用上找到突破。“在此次疫情中，人工智能技术还大多是浅层次应用，例如在智慧医疗场景中，此次巨头们都在进击，但目前看来主要是用于较为简单的初筛。未来人工智能企业要更多的切合场景进行深度黏合，同时，也要考虑极限条件下的应用可能。”
与此同时，在疫情期间，各类机器人选手走上人工岗位，这也给业内外人士带来了未来机器人会不会替代人类的思考。
根据IDC预测显示，到2022年中期，50%在用中的工业机器人将被赋予基于人工智能的操作、协调和分析能力，进而满足用户企业对生产率提高30%、流程自动化程度提高50%的期望。李开复曾表示，未来15年，50%的人类工作将会被人工智能取代。
对此，汪冠春表示，机器人更多的是扮演着起到辅助作用的角色，而且在企业内部，更多的是需要以人机协同的方式去实现自动化。“当然，企业需要做出一定的调整，比如说，因为机器人技术带来效率提升之后，老岗位上的员工应该被移到新的岗位上，新的科技会升级岗位，在淘汰一些岗位的同时，也会增加一些新的岗位。所以，对于未来机器人会不会导致人失业的问题，我觉得不必太过于担心，这是人类历史上每一次技术变革都会带来的问题，最终都会被迎刃而解。”
AI抗疫： 人工智能国家试验区显身手
从病毒分析、疫苗开发、药物研发，到诊断辅助、智能测温、AI消毒……在新冠肺炎疫情防控阻击战中，AI技术前所未有地被应用其中。值得一提的是，有不少“黑科技”出自国家新一代人工智能创新发展试验区。
就在3月9日，科技部发函支持重庆、成都、西安、济南四地建设国家新一代人工智能创新发展试验区。加上此前批复的北京、上海、天津、深圳、杭州、合肥和德清，国家新一代人工智能创新发展试验区（以下简称试验区）上升为11个。
“2019年，科技部启动试验区建设工作，各地政府专门出台支持试验区发展的政策措施，在促进人工智能与实体经济深度融合等方面迈出新步伐。”10日，国家新一代人工智能治理专业委员会专家、上海大学教授李仁涵接受科技日报记者采访时说，近期，各试验区在推进疫情智能化防控方面发挥了重要示范作用。
李仁涵表示，北京、上海、深圳、杭州、合肥等城市充分发挥新一代人工智能开放创新平台企业的作用，动员产学研各方力量主动服务疫情防控一线。天津市在发布的防疫应急科技项目指南中重点支持基于人工智能的医学影像辅助诊断技术研究等方向。
人工智能辅助快速测体温
测体温、戴口罩，已成为不少人外出的自觉行为。但在人流密集区，逐个测体温难免排长队，会带来交叉感染的隐患。
这不，无微不至的人工智能出手了：北京市政府利用百度研发的“口罩人脸检测及分类技术”，在清河火车站、北京南站等人流密集地区，实现了体温异常、未按规定佩戴口罩等违规人员的精准识别。海淀区政府利用旷视科技研发的AI测温系统和Brain++人工智能平台在海淀政务大厅和海淀区部分地铁站展开无接触测温应用，实现疑似患者精准快速筛查。
依图科技的无接触测温技术，通过热成像测温，可对人员进行非接触的实时测温和预警，精确度在温度±0.3℃内，符合新型冠状病毒病理要求。同时，依图人脸检测技术可在被检测者戴口罩的情况下进行人脸检测，该技术已用于上海市居民社区、商贸中心等封闭式管理重点区域。
助力药物研发和检测诊断
人工智能加持抗病毒药物和检测试剂研发，不仅在筛选药物方面大显身手，还能“妙算”新冠病毒的进化方向。
华为云联合华中科技大学同济医学院基础医学院等，于2月3日宣布筛选出5种可能对新型冠状病毒有效的抗病毒药物，供研究机构和制药企业在药物研发中参考。
上海深兰科技根据新冠病毒全序列基因组，研究病毒的变异位点，为针对病毒的靶位药物研发提供全面的数据支持。当前已完成细胞自动机模型的建立，进行了256种规则的变换统计，分析出新型冠状病毒S蛋白及N蛋白序列与原SARS相应蛋白序列人传人的变异位点，借助AI算力预测新型冠状病毒今后的进化特点和方向，为防范病毒下一步变异提供依据，为精准靶位药物筛选提供数据支持。
AI无接触更安心
有温度的AI产品比比皆是。前段时间网友们秀出电梯花式按钮方法，纸巾、笔帽齐上阵。现在不用麻烦了，借助语音识别算法和自动控制技术，“小度无接触式电梯服务”实现了语音呼叫电梯按键，从而减少电梯接触式病毒传播的风险。
智能机器人不仅为医院感染病房送餐，还能保障医院安全诊疗。上海交大研发的AI机器人“小白”协助武汉医护人员开展工作，可用于疑似病例会诊与远程查房。钛米科技开发的智能消毒机器人，能识别环境内的物品进行自主避障；配备消毒管理软件，自动根据空间面积计算消毒时间，并自主围绕目标进行360度无死角消毒。
(责编：赵超、毕磊)分享让更多人看到
人工智能一线“抗疫” AI影像成为疫情防控的关键力量
[一般来说一组新冠肺炎病人的CT会产生300多张影像，即便是资深专家，读图+诊断的时间至少需要10~15分钟。]
当前新冠肺炎疫情防控进入关键阶段，在与疫情抢时间的进程中，上海“硬核”科技力量也在争分夺秒，提供坚强保障。
伴随第六版新冠肺炎诊疗方案的发布，CT影像成为重要决策依据，由此带来的CT阅片压力也在急剧上升。作为AI医疗最快落地的子领域，AI影像成为疫情防控的关键力量，上海AI企业纷纷推出CT+AI产品，助力一线医护人员抗疫。
抗疫“前哨兵”
伴随疫情的迅速蔓延，各重点防治单位胸部CT量暴涨，部分重点医院日均CT量一度超过1000例，超过平时数倍，如何提升阅片效率成为一大痛点。
据华中科技大学同济医学院附属协和医院凌医生透露，其所在的医院有800张新冠床位，如果一周做3次CT就是2400人次，算上临床常做的其他检查，放射科平均每天接诊400人次，分三班倒每个班上也有上百个病人，工作量大的同时还要保证对这种全新疾病诊断的准确，这使得很多一线医生处于高压和疲劳状态。
“很多轻症病人的肺部影像不典型，一些有肺部基础病变的病人，不同病症互相掩盖，加大了诊断难度。一般来说一组新冠肺炎病人的CT会产生300多张影像，即便是资深专家，读图+诊断的时间至少需要10~15分钟，其中大部分是重复的机械劳动，伤神也耗时。”凌医生说。
除了缓解一线医生的阅片压力，CT影像还扮演着抗疫“前哨兵”的角色。
商汤科技SenseCare肺部AI智能分析产品研发负责人段琦告诉第一财经，新冠肺炎传染力强，大量的疑似患者需要用核酸检测才能确诊，但在实际情况中，试剂盒不足、检测能力不足仍是一大问题，而且试剂盒检测在病情发展初期呈现较高假阴性，临床经常需要反复多次检测才能给出真实结果。
“一线医生在临床中发现，新冠肺炎早期病变，CT影片中表现为边缘模糊的磨玻璃影，且这种早期CT表现往往早于临床症状的出现。但这种早期的磨玻璃影在CT阅片时存在被忽视的可能，且不易被量化。”段琦表示。
让AI影像参与到新冠肺炎病灶定量分析及疗效评价中来，进一步提升评级的效率和准确率，成为一线医生明确且具体的需求。对此上海人工智能公司纷纷成立了专项小组，并迅速完成系统上线和部署。
1月28日，依图医疗上线初版新冠肺炎智能评价系统，并在24小时之内，将该系统部署到了湖北四家疫情防控任务最为紧急的医院，借助这一系统新冠肺炎定量评价的时间从数小时压缩至2~3秒钟，大幅提升了诊疗效率。据依图医疗副总裁石磊透露，目前该系统已在全国十几个省市的几十家医疗机构上线应用。
在合作医院和医疗机构的配合下，商汤科技也在短时间内收集并标注了几千例肺炎数据，快速研发完成高精度的新冠肺炎病灶分割模型。并基于SenseCare智慧诊疗平台的技术架构设计，短时间内便开发完成结合针对新冠肺炎智能分析功能的应用模块升级，驰援到多地医院，并同步开放云端版本以远程的方式驰援湖北一线。
争分夺秒抢研发
能够在如此短的时间内进行产品研发和落地并非易事，人员问题就是首要挑战。
“在交通不便、人员休假的情况下，保质、保量地完成系统上线和部署面临一定的挑战。”石磊告诉第一财经。依图科技在除夕夜启动了项目，当时多名研发人员分散在国内多地，部分人员身处疫区，甚至海外。立项之后，产品、研发等相关部门一百余名同事投入到了工作中，每个部门都制定了日冲刺目标，沟通反馈常常持续到后半夜。
另一大挑战来自样本量问题。医学影像本质上是一个图像识别问题，AI阅片需要大量标注数据支撑来进行机器训练。但新冠肺炎疫情早期，由于确诊案例样本量少，医疗机构缺少高质量临床诊断数据，即便后续拥有大量的新冠肺炎疑似CT数据，依然面临缺乏有效标注的难题。
针对这一问题商汤科技紧急组织非核心疫区多名经验丰富的医生一天半内手动完成了上百例新冠肺炎数据的标注，基于这批数据产生的初步模型、利用自研的半自动标注工具又迅速完成了数千例肺炎数据的半自动标注，并分批次由专家医生进行复核修改。依图科技则发挥了自身在小样本数据、迁移学习等技术方面的储备，迅速完成了病例搜集、标注、算法研发、产品设计等工作。
“在将服务器运送到医院现场进行部署的过程中，工程同事也经受了艰巨的考验。”段琦告诉第一财经。疫情期间，交通受阻，各地高速道路的封闭情况变化较大，这给服务器的物流运输造成了极大的困难。商汤科技在将产品部署到青岛西海岸人民医院的过程中，还遭遇了大雪天气，服务器到达时间比原计划晚了3天，配送更是遥遥无期。
为了能够尽快让前线使用产品，来自上海的技术工程师小分队紧急商量后，傍晚直接赶到青岛顺丰物流集散地，一辆辆货车进行确认，从几万件的包裹里找到服务器已是接近凌晨，随后小分队直接拉上服务器前往医院进行现场部署，次日凌晨三点部署完毕，早上八点又返回医院为医生培训产品使用流程。
进入2月下旬，各地复工复产逐渐迎来人流的返程高峰，由此针对疫情排查、健康人员、疑似患者的筛查以及体检的需求激增。除此以外，周边国家尤其日韩疫情趋势也不容乐观。由于上海、青岛等的特殊地理位置，往来人员和航班较多，这对防控工作也提出了更大的挑战。早期筛查之外，如何在“疗”和“愈”环节发挥AI作用，成为新的攻坚目标。
未来产业化之路
“当前，AI影像的落地应用进展十分迅速，能够辅助一线医生进行肺炎的早筛及定量分析，但核酸作为确诊的金标准仍有不可替代的作用。”段琦强调。
仅靠CT影像进行新冠肺炎诊断仍存在不完善之处，例如仍有一些早期患者，尽管核酸检测呈现阳性，但CT中没有明显征象表现。因此影像AI必须要结合病史、实验室检测、病原学等做全面综合的分析。
事实上，医疗影像是AI在医疗方面应用最快的领域，早在2017年大量公司扎堆涌入，并获得约40亿元高额融资。但行业一直面临高质量数据获取难、数据标注成本高、商业模式不清晰等难题，不少产品在医院落灰，面临C轮死的困境。
一场突如其来的疫情，将AI技术在医疗领域的积累，放到了最严苛的试验场，大大加速了AI场景落地，也给后续的产业化之路提供了新的思路和方向。
段琦认为，经历此次疫情，AI在患者筛查、潜在化学小分子药物和生物大分子药物筛选、流行病学分析等方面也展现出了极大的潜力。最早，很多流行病学的研究已经使用了AI，以预测病毒的扩散速度、感染和死亡人数。尽管预测结果受到当时可获取流行病学的影响，但却为将来的进一步研究提供了很好的参考模型和借鉴。
其中，小分子药物筛选是一个重要方向。借用疾病、蛋白、病毒、基因之间的相互关系，利用AI建立模型，从已上市药物中筛出潜在可使用的药物，包括针对抗埃博拉、抗艾滋病的药物。当前，很多筛选出的药物，已经在临床中使用并取得初步效果。
“目前我们的智慧健康团队除了利用AI做上述化学小分子药物的筛选外，还全心投入到生物大分子药物的研发中。团队利用AI进行痊愈患者的特异性抗体筛选，来帮助医生诊断和治疗。”段琦表示。
除此之外，他认为这次疫情的控制很大程度上源于各地为抗击疫情采取的强有力措施，以政府-医院-社区筑成了严防严控的抗“疫”前线。因此，除了为一线医生提供有AI可依的智能辅助，为各城市各区域提供疾病管理和监测也是今后的重点发展方向。例如，联合区域卫健委积极赋能医疗联合体，助其实现分级诊疗。
“疫情给予中国医疗体系不同环节一次携手作战的机会，所产生的不只是临床经验，还有海量的大数据，配合AI等创新科技的应用，可以不断自我优化。”启明创投主管合伙人梁颖宇表示。
在她看来，中国有望以第一手数据开拓一个不只限于医药研制、病毒译码，还包括民间与各机构的后勤协作模式，进而结合成为一个全新的“卫生防疫产业”，实现中国医疗体系现代化、与科技结合医疗水平的梦想。