从人工到智能，百度地图进阶背后的专利揭秘
在古代，地图是稀缺品。《三国演义》记载了“张松献图”的故事，“但看此图，便知蜀中道路矣”。张松献出的地图，成为刘备入主西川、开辟帝王基业的关键一环。古代的地图具有重要的战略价值。
现在，地图不再是少数人的专利，人工智能也重新定义了地图。以百度地图为例，作为新一代人工智能地图，搜索故宫等感兴趣的景点名称，即可查看景区详情、点击语音讲解还可体验AI导游服务，开启游览皇宫、回溯历史的个人之旅。智能时代的地图已经融入到人们的生产生活当中。
从古代稀缺的绘制地图，到现代随处可见的纸质地图，再到互联网地图乃至人工智能地图，地图的功能不断延伸变化，应用场景不断拓展。百度地图是互联网地图的引领者，不断融合人工智能技术的创新成果，成为人工智能地图的定义者。百度地图背后的专利更是见证了人工智能技术对地图的变革。
专利引领新一代人工智能地图创新
人工智能在与地图场景融合过程中，创新的火花不断碰撞，创新成果不断迸发出来。2021年10月，国家工业信息安全发展研究中心、工信部电子知识产权中心联合发布《中国人工智能高价值专利及创新驱动力分析报告》，报告定量揭示了中国人工智能技术专利当前的最新发展态势。报告显示，中国AI专利申请和授权量快速增长，百度AI整体专利在量和质方面均属中国领先。
伴随更加广泛的应用场景，更加多元的融合途径，作为AI赋能重要应用的智慧地图领域呈现高速增长态势。报告还显示，在智慧地图领域，百度、腾讯、阿里巴巴专利申请量位居前三名。其中，百度以1231件专利申请和371件专利授权位居中国首位，人工智能地图创新更是具有明显的领先优势。前十位权利主体中仅一家属于高等院校，说明智慧地图技术的应用特征更为明显，与市场衔接更为紧密，具有更高的迭代需求和更强的商业融合度。
中国智慧地图技术前十创新主体专利申请量和授权量排名
同时，报告依据“创造力”、“保护力”、“运用力”、“竞争力”、“影响力”五大指标维度对智慧地图技术的主要创新主体进行高价值专利评估。其中，百度、华为、阿里巴巴位列前三。
（图片来源：《中国人工智能高价值专利及创新驱动力分析报告》）
据悉，百度地图组建了国内规模领先、AI技术顶尖的地图数据制作团队，拥有300辆专业采集车及采集设备，同时还将AI技术渗透进制作流程中的各个环节，实现了96%数据加工环节AI化，相较传统地图生产工艺，迎来了30倍以上的效率提升。众多的智慧地图专利技术支撑起了高效高精的数据加工AI化过程。如道路中心线的提取专利技术，可以准确地提取出道路中心线；识别车道变化专利可以识别道路的车道是否发生了变化，使导航车道信息与实际车道信息保持一致，因此可以提高导航的准确性。
值得一提的是，百度地图基于深厚的地图基础技术积累，在车道级导航领域亦不断深耕，布局多项专利。如在2017年，百度就布局了高清道路俯视地图的构建相关专利，利用道路图片和定位系统大规模生成高清道路俯视地图，提高制图精度，为基于俯视图的车道级制图作业技术奠定了基础。
专利体现AI地图技术温度，助力用户体验升级
作为“基建狂魔”，我国在交通建设领域可谓当世一流，不过这也对地图厂商提出了更高挑战，尤其是在面对复杂路口、道路路况变化等方面。若缺乏及时准确的地图指引，用户很可能就会面临“偏航”“下错口”“上错桥”等困扰。
百度地图“沉浸式导航”功能效果示意
山城重庆的黄桷湾立交桥，被称为“史上最复杂立交”，高达五层、共20条匝道，老司机也经常被绕晕。而这一问题已随着人工智能技术的应用得到有效解决，百度地图业内首创的“沉浸式导航”功能，基于实景3D模型、实时定位跟随和路口动态指引，可将现实世界中复杂的道路信息，立体化还原至导航界面中，帮助广大司机轻松解决因路遮盖、视觉偏差等导致的偏航问题。
为解决用户在复杂高架桥准确导航的痛点，众多的创新技术应运而生并获得了专利授权。例如，百度地图的高架桥道路识别方法专利,能够通过获取移动端探测到的卫星分布信息，并据此识别车辆当前行驶道路位于高架桥上道路或下道路。而百度地图另一高架桥偏航专利，可根据高架区域内每条路段的特征信息以及路段确定模型，确定用户在高架区域中所处路段，提高了在高架区域偏航后定位的准确度。这些专利技术都为车辆在高架桥路段的行驶体验改善提供了有力支撑。
百度地图“沉浸式导航”功能的诞生及应用,是人工智能技术提升用户体验的又一个实例。不仅如此，AI地图还在持续释放着技术温度，如地图个性化语音定制功能让回家的路更温暖，全景时光机功能不断传递人文关怀等。
2019年9月,百度地图上线全球首个地图语音定制产品,用户录制20句话,就可定制个人语音包，并在地图全场景使用。而如今,百度地图语音定制功能再次迭代升级,用户只需要花费不到两分钟的时间,录制9句话,即可生成个人专属的定制语音包,大大提高录制效率。目前，百度地图智能语音助手用户量已突破5亿，个性化定制语音包每日播报次数高达2亿次。从百度的专利可以一窥该技术的内核，生成语音包的专利描述了通过语音合成模型进行语音AI化定制的过程，让普通用户也能体验个性化语音包的定制服务。
百度地图全景时光机功能用新鲜的视角，记录着城市的风貌变迁，将不同时期的图片承载于全景图库中。据悉，目前百度地图拥有超过20亿张全景图片，覆盖国内95%以上的城区道路街景。其运行机理也可从专利角度窥知一二。例如，全景拓扑结构的生成专利，在采集设备采集的全景照片基础上，系统会根据预设的球形模型，自动生成对应的三维全景照片，并根据位置信息，生成全景拓扑结构，无需人工标注。全景场景切换专利，在当前全景模型的基础上，预生成目标场景的第二场景，使得在场景切换中，避免卡顿与不流畅的情况。
如今，地图已经成为产业智能化升级重要的基础设施。在打造极致出行体验的同时，百度地图作为国内领先的智能化位置服务平台，也不断依托自身平台及技术优势，在智能交通、智能物流、智能空间、车用地图、智慧文旅、城市规划等多个领域节节开花，驱动千行百业智能升级。
百度地图近期全面升级的智能空间解决方案，创新打造了“跨空间连续导航”服务，高效解决用户出入购物中心、车站机场、医院等城市公共空间“停车难”“找车难”“找路难”等痛点。而与之对应的室内外一体化导航专利，则是针对性解决了进入室内停车场，往往需要切换到室内停车场的专门应用去执行涉及导航相关的信息处理以实现室内导航的问题，提高了导航的处理效率及用户使用的便利性。
从精确导航到提供人文情怀，从专利技术积累到赋能行业，人工智能专利技术见证了地图的创新与服务能力的不断拓展。百度将领先的人工智能技术与地图融合创新，成为人工智能地图的定义者，新一代人工智能地图也展现出其强大的产业竞争力和差异化优势，为产业智能化升级释放澎湃动能。
https://news.zol.com.cn/785/7852030.htmlnews.zol.com.cntrue中关村在线https://news.zol.com.cn/785/7852030.htmlreport5445在古代，地图是稀缺品。《三国演义》记载了“张松献图”的故事，“但看此图，便知蜀中道路矣”。张松献出的地图，成为刘备入主西川、开辟帝王基业的关键一环。古代的地图具有重要的战略价值。现在，地图不再是少数人的专利，人工智能也重新定义了地图。以百度地图为例，...【石油观察家】人工智能技术发展对石油工程领域的影响及建议
油田服务承包商、设备制造商是劳动密集型企业，产业向智能化转型后，未来的石油工程产业将向技术密集方向发展，利用低成本劳动力竞争的商业模式将遭遇严峻挑战。发展装备智能制造已成为世界各国竞争的焦点，劳动力成本对投资的吸引力下降后，石油装备制造的投资会一定程度流向资本密集的国家和地区。
1.2人工智能加深石油工程全产业链一体化融合
随着数据成为新的生产要素，人工智能技术正在通过数据连接打通产业链各个环节，加快推动石油工程产业向一体化方向发展。
1.2.1促进多部门协同，实现生产运营一体化
以往油气公司收集大量钻机和井的数据却很难用于解释分析，而且工程师在进行油井动态等基础分析工作时，通常需要先花费几个星期来收集地下储层、设备运行、设备维护及经济性等方面的相关数据。为此，康菲石油公司构建了大数据分析平台（IDW），这是一个涉及多部门的集中式数据存储中心，可存储和分析包括地质、油藏、钻井、开发和生产运行等各环节数据，通过大数据分析、人工智能算法等，指导精确布井、高效钻井和压裂设计优化，实现地质勘探、油藏研究、钻井和完井工程、经济评价的协同，大幅提高钻井作业效率和单井产量，降低吨油成本。该平台在美国鹰滩页岩油气区应用后，钻机周期缩短了50%，单井产量提高了20%。
除了优化钻完井作业之外，人工智能、数据分析还可用于成本管理、生产监控与优化、井位部署、竞争对手分析和资本项目执行等。康菲石油公司运用IDW形成新的工作方式，促使每个业务部门采用一体化运营方法来组建业务和信息技术多专业团队，在数据存储、处理和可视化，以及将业务知识与信息知识相结合等方面起到了重要作用。
1.2.2增强多学科互通，实现技术一体化
在油气工程数字化转型过程中，斯伦贝谢在微软Azure云计算平台和AzureStack混合云平台上开发了DELFI勘探开发信息平台（图2）。该平台改变了油气勘探开发的工作模式，主要表现在：（1）利用大数据分析、机器学习、可视化呈现、高性能计算等数字化技术，帮助勘探开发所有参与者共同提高作业效率，最大限度优化生产，降低综合成本；（2）更大范围、更大程度增强地球物理、地质学、油藏工程、钻完井和生产领域的跨界互通，打破学科界限，真正实现技术一体化；（3）推动甲乙方作业协作，使勘探开发所有参与者在一个共同环境中制定计划，跟踪作业进展，及时获取所需的全部信息和专业技术指导，最大限度解决制约项目执行水平、影响工作效率的专业壁垒和沟通不畅；（4）实现系统开放共享，DELFI平台核心组成部分通过开源处理，为甲方和合作伙伴提供一个开放并可扩展的数字化生态系统，使其能在系统上开发或连接自己的专业软件，实现无障碍接入。
2人工智能推动石油工程技术向智能化转型，成为技术变革和创新的新动力
2.1人工智能助力石油工程技术增储上产
利用人工智能技术将静态模型与地球物理解释、油气生产数据紧密结合，形成高精度预测模型，能提高地下油气资源和储层的认识、优化油田生产，提高单井产量。2017年11月，IEA发布《数字化与能源》报告指出，数字化技术可使全球技术可采储量在现有1.4×1012t油当量基础上，增加750×108t（增幅5%），相当于当前全球年油气消费量的10倍（图3）。
2.1.1提高储层认识优化生产，增加油气发现和可采储量
将机器学习、大数据分析等技术成功用于地震数据解释、地层属性分析，特别是直接用于薄层油气藏解释、直接烃类指示等方面，可以减少地震解释的不确定性，提高油气发现率。壳牌公司利用人工智能配合高性能计算技术，应用海量地震数据生成详细的可视化图像，更快、更准确地定位油气资源，在美国墨西哥湾Deimos油田复杂构造盐下发现了超过1.5×108bbl的石油储量，打破了该地区枯竭少油的观念。
2.1.2优化压裂参数，提高油气单井产能
非常规储层完井和产能优化需要进行大量地质建模、裂缝模拟和产能模拟。受数据、技术水平和计算时间等因素的限制，目前北美只有不到5%的压裂井会基于高端模拟结果进行设计。斯伦贝谢提出利用云计算进行裂缝和储层并行模拟，结合数据分析和人工智能算法，建立代理模型，优化井距、压裂段数、簇数、流体类型、支撑剂类型、支撑剂粒度、泵注速度等参数。代理模型是一个综合预测工具，可以在几分钟内帮助工程师完成完井设计敏感性分析。如果新区块的地质和油层物理参数与老区块的特征类似，代理模型不需修正即可使用；如果新区块地质参数与老区块完全不同，则需要重新建立代理模型。代理模型建立流程如图4所示。在鹰滩页岩气井试验表明，代理模型与实际生产数据吻合度达到90%，大幅提高了油气单井产量。
2.2人工智能助力石油工程技术降本增效
2.2.1优化钻井参数，提高机械钻速
为了提高实钻井眼轨迹与预设值的吻合度，减少后期纠正井眼轨迹的工作量，同时降低钻井成本。OceanitLaboratoriesInc和壳牌公司合作研发了智能定向钻井系统，该系统通过采集包括钻头、大钩载荷、重力工具面、磁性工具面、井斜数据、钻压与转速、立管压力、机械钻速等钻井历史资料，将有效数据存储在钻井日志和录井数据中，收集的钻井参数通过筛选、过滤、归一化，选择适当的参数用于构建和训练人工神经网络。人工神经网络利用强化学习方法来细化训练历史数据，通过自主学习模拟施工人员日常操作，训练后的人工神经网络可以最大限度地减少井眼轨迹偏差，减小井眼弯曲度，提高钻井机械钻速。在美国二叠纪盆地，利用14口水平井定向钻井数据，基于当前工具面、钻压、钻井液排量、机械钻速、压差、旋转扭矩预测未来的压差和旋转扭矩，经过180万个训练步骤后，压差预测误差仅为0.21％，扭矩预测误差仅为2.72％。
2.2.2预测钻井液漏失，减少非生产时间
油气钻井过程中，钻井液漏失会造成很大一笔成本支出。密苏里科学技术大学采用机器学习的方法，准确预测伊拉克Rumaila油田Dammam地层钻井过程中的钻井液漏失体积、ECD和ROP等参数，与传统方法相比，该方法预测精度与实际情况更吻合。该方法步骤如下：（1）从钻井技术日报中收集500口井的关键钻井数据。（2）利用最小二乘法回归方法创建ECD、ROP和钻井液漏失模型。（3）对所有参数进行测试，找出模型中需要的重要参数。该过程采用变量重要性（VIP）测试关键参数，假设VIP阈值为0.8，如果关键钻井参数的VIP值超过0.8，则在模型中需要考虑。在过滤掉低相关系数的钻井参数后，模型中各钻井参数的相关性系数将重新计算。（4）在VBA中对影响钻井液漏失、ECD和ROP的参数进行敏感性分析，目的是测试哪些参数对模型影响最大。
3我国油气公司发展石油工程领域人工智能的建议
目前，我国油气公司石油工程业务正处于转型发展的关键期，建议把握住历史机遇，坚持技术创新与推广应用，从公司经营、数据融合与共享、技术战略布局、政策保障等方面发力，抢占未来发展制高点。
3.1积极应对人工智能推动石油工程产业升级带来的挑战，提升上游核心竞争力
人工智能对石油工程产业不仅是机遇，也会带来挑战。我国油公司石油工程业务竞争优势在于产业链全、人力成本低，在智能化转型过程中，这些优势可能被削弱，需要加快推动石油工程生产服务、装备制造等全流程和全产业链的综合集成，充分挖掘人工智能在钻完井作业智能化、装备制造智能化、油田勘探开发一体化中的作用，提升上游核心竞争力。
3.2搭建统一的大数据和云计算平台，实现数据一体化融合
智能化转型过程中，数据成为重要资源。需要在公司内部建立统一的石油工程人工智能大数据和云计算平台，通过油田分公司、油田服务公司与科研机构的共同参与，加强石油工程各环节的数据共享，打破数据孤立分散、相互隔绝的局面，通过不同专业和部门之间信息数据共享，实现一体化数据融合。要规范数据的采集、传输、存储、转换、集成和应用，提升数据一致性和可靠性，协同推动智能装备、技术和产品的研发，通过系统集成实现产业化。
3.3强化科技创新力度，逐步构建石油工程人工智能生态系统
研究石油工程人工智能发展战略，制定人工智能与石油工程融合发展的技术路线图，明确发展方向、目标和路径。采用“以点带面、点面结合”的策略，首先开发开放的石油工程人工智能应用软件平台，再针对容易实现的单一石油工程人工智能子领域开展研究，最后集成各单项技术形成石油工程人工智能生态系统。近期，建议单项技术重点攻关四维地震、地质工程一体化、钻井参数优化、钻井风险预警、油藏智能导钻、完井参数优化等技术。同时，做好人工智能算法、石油工程人工智能技术标准体系等基础研究，尽快突破技术瓶颈。
3.4加大内部政策扶持力度，加速推进人工智能体制机制和人才梯队建设
充分利用国家和行业相关扶持政策，积极开展“人工智能+石油工程”的融合，探索以科研院所和石油工程现场作业和施工单位为依托，与阿里巴巴、华为等国内顶尖信息企业、高等院校联合筹建石油工程人工智能技术重点实验室，提供专项资金支撑石油工程智能业务发展。同时，加快石油工程人工智能技术人才梯队建设，通过吸引海内外高层次人才和创新团队，在系统内培养既懂专业、又掌握人工智能技术的人才，形成结构优化的石油工程人工智能人才梯队。
光新军，王敏生，耿黎东，闫娜，皮光林.人工智能技术发展对石油工程领域的影响及建议[J].石油科技论坛,2020,39(5):41-47.
GuangXinjun,WangMinsheng,GengLidong,YanNa,PiGuanglin.InfluenceofArtificialIntelligenceTechnologicalDevelopmentonPetroleumEngineeringandSuggestions[J].PetroleumScienceandTechnologyForum,2020,39(5):41-47.
来源：石油科技论坛杂志返回搜狐，查看更多
人工智能在医疗领域的准入、管理与前景
图表来源：李开复.《人工智能》
《人工智能》一书中，把Gartner技术成熟度曲线与人工智能波折起伏发展历程相对应，是不是现在人工智能到了一个最成熟的阶段，接下去将走向一个应用的繁荣时代呢？这也值得大家再深思。
关于人工智能的未来，去年7月，国务院发布了新一代人工智能的发展规划，其中比较详细地制订了人工智能三步发展的战略目标。第一步，到2020年人工智能总体技术和应用与世界先进水平同步；第二步，到2025年人工智能基础理论实现重大突破部分技术与应用达到世界领先水平；第二步，到2030年人工智能理论、技术与应用总体达到世界领先水平。五年一个目标的一个三步目标。
去年12月，工信部印发了《促进新一代人工智能产业发展三年行动计划》（2018-2020年），明确提出重点培育和发展医疗影像辅助诊断系统等智能化产品，推动智能产品在经济社会的集成应用。在国家政策引导下，有望实现规模化的发展，形成由点到面的突破。
图表来源：李开复.《人工智能》
◆◆◆
人工智能在医疗领域应用的沿革、现状及存在的问题
人工智能在医疗领域的应用范围比较广，在疾病的预防、诊断、治疗等全方位都可以得到应用，实际上，国际最早在医疗领域应用是英国的利兹大学，将人工智能应用于腹部诊断。
1976年到2010年间，人工智能虽然得到一些应用，但并不是很成功。2011年开始，人工智能在IBM的肿瘤循证诊断方案里得到了比较大的应用，肿瘤诊断准确率达到了70-80%，特别在2015年得到了比较好的应用。2016年苹果、谷歌等公司也在辅助诊断方面开展了较好的人工智能应用。2018年，我国国家神经系统疾病临床医学研究中心，神经影像人机大战也得到了应用。
我国医疗人工智能领域的研究较发达国家晚，但发展速度迅猛。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，第一次将医学专家系统应用到我国传统中医领域。近些年，百度的医疗大脑正式对外发布；腾讯与中山大学的南山医院合作，在广东开展了食道癌早期的筛查系统的试点；阿里公司也在很多疾病开展了一些智能诊断。
图表来源：奇璞研究
整个人工智能在医疗领域应用的三个时期，第一个时期是数据整合阶段，就是医疗数据标准化低，拥有医疗大数据的公司具备竞争优势与议价的能力。第二阶段是“数据共享+感知智能”阶段，医疗数据融合到一定程度，出现辅助诊断、图像识别等商用产品。第三阶段是“认知+健康大数据”阶段。
人工智能发展的核心有三个元素，第一是算法，第二是数据，有效的医疗大数据，第三是计算能力。算法、有效数据以及计算能力是医疗人工智能发展中十分关键的三要素。
先进的算法是实现人工智能的核心，能够提升我们数据使用的效率，提升从信息到知识，从数据到知识这样一个转化过程，把数据转化为决策的依据、应用的依据。
同时有效的大数据是人工智能应用的基础，数据的有效性要满足三方面的条件：数据的电子化，就是病历病案的电子化；数据标准化的程度要可比；共享机制，关于数据的获取，国外很多公立医院数据每年都公开，而我国缺乏很多数据的共享机制，获取数据的便利性、合法性缺失。最后是计算能力，就是前面讲的人才，要有计算能力，人才是很重要的另一个基础条件。
图表来源：动脉网
到现在为止，人工智能一共在九大新领域得到了比较好的应用。比如，虚拟助手，虚拟医生、虚拟助手在随访方面发挥了很大的作用；疾病的诊断与观察，现今老年痴呆症诊断方面，也有很大的人工智能应用的机会；应用最多的是医疗影像和病理方面；药物的研发，利用大数据和虚拟技术，可以提高药物研发的效率；还有医院管理等方面。这九大方面都是很宏观的人工智能应用领域。
虽然人工智能在医疗领域的应用取得了一定的成效，但是在实际解决问题上还有很多路要走，还存在很多问题。
首先是医疗数据的问题，医疗数据的问题包括四个方面：一是医疗大数据的有效性，数据未实现电子化，各个医院的数据很多还没进入数据化、电子化。没有电子化，大数据就没法应用；
二是数据的标准化，书写的格式、方法、标准，是不是有标准，没有标准则没有办法使用；
三是数据的共享机制，不同医疗机构之间对社会应该开放到什么程度，否则没有数据共享的话很难应用；
四是隐私保护，在伦理方面很重要。其次，医疗本身的问题，主要包括：诊断环节：疾病的症状与结果之间没有确定的对应关系，不同疾病之间也没有清晰的边界；治疗环节：医院、医生、药店建立怎样的商业生态等。第三是医保支付，我们所有的人工智能产品如果没有医保的支付，没有形成商业模式，经济得不到支撑，怎么去投入？没有回报的产业的寿命不会很长。人工智能和医生服务不一样，人工智能中医保支付到底该怎么实行？
医保是医疗人工智能发展的催化剂，如果没有这一块，长期靠烧钱投入而没有回报的话很难，医保支付是所有问题中重要的关键点。
最后，还有责任风险问题；法律监管问题，标准不完善则法律监管比较难，医疗人工智能行业统一的标准还不完善；人才培养问题，医学人才中既有医疗技术知识，又有人工智能技术的复合型人才非常缺乏；行业布局的问题。这些问题都需要逐步解决。
◆◆◆
人工智能在医疗领域应用的准入管理
关于人工智能，特斯拉的马斯克说人工智能有可能是人类的终结者，必须严格监管。而Facebook的扎克伯格说，人工智能远没有这么可怕，应大力发展，人工智能可被人类驾驭利用，应放宽监管。当然还有第三个观点认为目前不用监管，有三个理由：人工智能还是一项基础性的技术、现在谈监管为时过早以及应在什么层面进行监管仍不明确。
监管的问题在今后是一个比较大的问题。分国家来看，美国食药监局FDA的放射健康部门1998年已经开始监管计算机辅助识别系统。2015年开始，欧盟议会法律事务委员会（JURI）决定成立一个工作小组，专门研究与机器人和人工智能发展相关的法律问题，并在2016年12月发布了《机器人民事法律规则》。
2017年10月8号，中共中央办公厅、国务院办公厅印发了《关于深化审评审批制度改革鼓励药品医疗器械创新的意见》，提出要完善和落实药品实验数据的保护制度。2017年2月14日，国家卫生计生委办公厅发布《人工智能辅助诊断技术管理规范（2017年版）》。
人工智能辅助诊断的准入至少有一定的依据，但是目前整个标准还没有形成，现在很多药监局批的医疗器械、人工智能产品还没有正式的注册审批，这对应用是一个很大的挑战。合法不合法的问题，没有准入、没有批准的产品，人工智能技术怎么发展，这都是很大的问题。
我国国家药监局2015-2017年连续发了关于人工智能方面的四个文件。
2015年7月14日，CFDA为了规范医疗器械分类，颁布了《医疗器械分类规则》，规定涉及到决策支持、辅助诊断的医用软件为Ⅲ类医疗器械，将软件作为第三类医疗器械，但到现在为止还没有一个正式的三类医疗器械通过审批。
2015年8月5日，CFDA组织制定了《医疗器械软件注册技术审查指导原则》。要求软件描述文档包括基本信息、实现过程和核心算法。
2017年8月25日，CFDA发布《药品数据管理规范》意见稿规范产品生命周期中全部活动的数据管理，要求高层管理人员对药品数据可靠性负最终责任。
2017年9月21日，CFDA规定申请人应当通过总局医疗器械标准管理中心（以下简称标管中心）分类界定信息系统提出分类界定申请。
◆◆◆
人工智能在医疗领域应用前景的展望
人工智能可以扩充我们的脑容量、延伸脑功能、增强脑负荷。
人工智能最适宜在成熟技术和基础领域展开。中国人多，基数大，市场大。整个医生队伍水平，全国医生50%是本科以下的。在医疗领域应用最有前景的十大领域，医学影像识别和病理诊断是我国目前应用比较多的，还有一些辅助、随访病人方面，在辅助手术方面，在辅助护理方面，也有广阔的前景。健康中国要求从预防开始加强，所以在健康管理方面、健康提升方面，可穿戴设备也有很大应用范围。
人工智能可以弥补人力资源的不足。目前整个卫生界医生数量严重不足，今后老龄化导致看病需求进一步增长，按照现在的医生培养速度，很可能满足不了需求，初诊可能需要由机器人完成，所以把人工智能发展好，可以解决人力不足的问题。
人工智能可以降低成本。有报道说人工智能做的好的话可以降低50%的成本，提高效率，降低医疗支出，也可以实现更准确的医疗、更好的管理，减少后续医疗费用支出。通过人工智能手段能够提高医生的工作效率，降低医疗成本，也可以通过人工智能制定科学合理的健康医疗方案，减少不必要的医疗支出，特别是医保局通过人工智能监测不正常的医疗处方和治疗方案，控制医疗成本。
人工智能可以提高医疗的准确率。人工智能的记忆力和计算能力肯定优于一个人的人脑，通过分级诊疗提升基层医生的能力，也可以赋能我们基层医疗的智慧。
来源｜三思派
「智能皮肤」发展历程回顾
湘西引入「医疗人工智能」金凤凰创新模式推动国家政策落地
人工智能需突破哪些阻碍，才能充分绽放潜能？
五大因素决胜医疗AI，丁香园人工智能实践分享返回搜狐，查看更多
浅析人工智能在行政领域的应用及其风险规制
人工智能已成为一种时代发展新趋势，它在法律和行政领域的应用也越来越广泛。按照智能水平高低，人工智能分为弱人工智能和强人工智能。弱人工智能，是指人工智能按照特定的输入程序作出反应，但是不能自主推理；强人工智能，是指在弱智能基础上的跨越式进步，能够有自主意识地解决问题。目前行政和法律领域的“人工智能”运用，远达不到创造性智能水平，仅仅是感知智能阶段，是一种基本依靠程序设定和对数据进行表征学习的初级智能，只能在某个特定环节通过人机交互发挥作用，属于弱人工智能阶段。
“人工智能+行政”的应用现状
（一）人工智能在行政立法中的应用
1.立法流程电子化。一部政府规章的出台包括上报立法计划、立法草案、征询意见、召开审核会议等多个环节，严格按照法定程序推进有近三十项之多。如此繁复的流程若是能够智能化、电子化，将大大减轻立法各环节工作人员的工作任务，提高立法工作的效率。为回应立法需求，上海率先建成了“智慧法制”立法信息平台，该平台与办公厅公文系统对接，将电子数据一键推送。通过平台，可以直接传递立法材料、在线操作规章及规范性文件的即时清理、完成意见征询材料的快速传送并及时反馈征询的意见结果。地方行政立法工作有了人工智能辅助，不仅避免了纸质过程，利于环保，更有利于立法工作的有序推进。
2.备案审查阶段智能化。立法机关的备案审查工作一直有“只备案不审查”的现象，主要原因之一是待审查文件以及作为审查依据的法律、行政法规、地方性法规数量庞大。立法工作者需要花费大量时间精力广泛查阅法律规定，并将其与待审文件的规定事项进行关联比对，而人工智能辅助立法的探索，将有助于缓解规范性文件“备而不审”的现象。例如天津市使用北大法宝智能立法支持平台，借助人工智能帮助备案审查工作。这套智能立法平台为立法工作者设置了“敏感词词库”，当“敏感词”出现在待审查文件中时，则需要进一步审查。比如，按照法律规定、规章及以下位阶的文件不能增设行政许可，机器检测到待审查文件中出现“许可”“审批”等词时会予以提示。该平台还能对往年的规范性文件进行审查，在机器的辅助下更新清理，提示制定机关进行纠正。这种智能化平台不仅能提高备案审查工作效率，还能提高规范性文件的合法性和准确性。
（二）人工智能在行政服务中的应用
随着政府公共管理服务分工日趋细化复杂，将人工智能技术应用于政务工作中，能有效缓解政务服务人员人力不足的压力，及时采集、存储、归类相关政务信息，整合并高效利用政务资源，推动政务服务质量提升。上海市徐汇区的政务服务中心进行智能化政务建设，打造AI机器人，通过语音、文字交互并结合录入的专项业务语料和政府服务政策的知识库，引导民众完成业务咨询、办理与引导。使得民众办事更便捷、高效，提升了民众满意度。
此外，上海长宁区在2018年底也已经实现了“智能服务平台”全覆盖，该平台是根据“互联网+政务服务”结合人工智能应用技术，对“人工智能+政务服务”模式的一次探索。除现有社区事务受理办事指南外，还在拓展区级行政审批、服务类事项指南及政务知识库。通过对接区网上政务大厅预约接口，实现相关事项的预约服务，并将此拓展到手机客户端、计算机终端等。这种创新智能化服务方式提升了政府服务水平，促进政务服务的转型。
（三）人工智能在行政管理中的应用
1.自动化行政审批。行政审批的手续繁琐、审批周期长，以及过程不透明等弊端，导致行政审批工作既增加工作人员压力和相对人的成本，又可能滋生权力寻租现象，影响执法的公信力，而人工智能技术的介入可以解决以上问题。如深圳市率先试用了一种“无人干预自动审批”新型行政审批方式，对于高校应届毕业生的引进和落户申报，只需申请人在网上系统提交信息，由系统自动核查，若材料完整、信息无误，将直接完成自动审批。因工作效率之高，此种方式也被称为“秒批”“智能审批”。安徽省合肥市在2019年也逐步推行了个体工商户智能审批，只需申请者提交标准化材料后，机器自动审核出照。仅一周试运行期间，合肥市瑶海区自助办照的个体工商户数量达该区新设立个体工商户总数量的50%，极大提升了审批效率。
2.智能化行政管理。目前，“人工智能+行政”的不断探索使得行政命令得以摆脱人工，实现智能化。2018年上海市进行了智能信号灯系统试点，通过人工智能设定程序规则和指令，系统通过监控等多渠道，自行感知和收集交通数据，并结合各道路行车数据和路面状况，给出信号控制和交通组织的最佳方案。该智能系统可以替代以形体动作指挥交通的交警，通过大数据分析指挥交通更加科学化，试点的初步成效之一就是优化了信号灯配时、一定程度缓解了交通拥堵状况。
“人工智能+行政”的应用风险
（一）智能应用的依托数据质量差
人工智能发挥作用的基础就是大数据，智能化操作结果准确性依托于数据的准确性和完整性。反观目前人工智能应用现状，基础数据存在以下问题：
1.数据存在大量信息重复和关联性差的缺陷。大数据的收集基于相关词的捕捉，但是其自身的信息筛选能力较差，许多关联性不强的信息也被一并收集。而且大量系统信息通过不同渠道的录入，存在表述不一致、个别录入错误等情况，所以在进行信息捕捉时，相同的信息数据可能会被反复收集。正如目前在智能系统搜集类型化的案件，获取的文书可能会出现多个案号、重复或串案等问题，这就导致许多冗余数据影响分析结果。
2.数据片面化影响结果准确性。大数据来源于公民参与互联网活动留下的信息痕迹，由于一定时间段内互联网使用人群差异及地域差异，影响该时间段内信息的全面性和普遍性，加之程序设定者自身主观性，以及机器识别和深度学习的局限性，大数据分析结果的客观性存疑。比如，民主决策环节依靠智能化手段搜集民意信息，而算法更容易推送迎合自己的观点，在“信息茧房”的桎梏下，收集的信息数据可能片面化，无法保证决策的真正“民主”性。
（二）个人信息数据安全问题突显
“人工智能+行政”模式使政府收集个人信息的能力显著提升，极大提高了政府的行政效率。个人信息作为行政机关管理服务的基础，行政机关越来越依赖其促进社会管理和服务。比如，通过分析个人健康数据，提高医疗服务水平和减少行政成本；自动行政审批系统通过获取个人信息进行审核；行政决策通过搜集民意实现民主决策等。但是，大数据不可避免带有算法“黑箱”属性，其操作和管控均不透明，因此，信息收集的手段和方式具有多样性和隐蔽性，而且信息搜集领域广泛，只需借助大数据的综合分析和挖掘技术，就能在信息主体不知情的情况下，利用互联网软件轻松地对个人信息进行搜集和对比分析。因此，一旦智能系统出现漏洞或者遭遇黑客攻击，个人信息数据安全将难以得到保障。
当下，在行政机关如火如荼地建设智能化业务办理、流程信息网上公开的同时，除了政府直接向公民个人要求提供信息之外，还需要依赖其他机构对公民信息数据的搜集，因而其他机构在一种合理化的默示批准情形下，“慷慨”地搜集、披露着公民的信息数据。如，教育部门要求学生将包括姓名、身份证号、家庭地址等在内的个人信息，上传至教育服务平台开发的App，而App的开发和维护工作都是转交给第三方机构。由此可见，除了行政机关之外，公民的个人信息还被其他机构掌握，而在目前缺乏有效法律规制和监管体系下，个人信息存在着被不当搜集以及被随意处置的风险。
（三）行政管理过度依赖人工智能
随着人工智能在行政治理中的应用推广，在某种程度上政府的治理能力被弱化了。人工智能系统由市场主体开发设计，行政机关在利用人工智能系统时，可能不理解系统的算法过程与数据判断方法。因此，从某种意义上说，将行政管理、行政决策或个案处理交给智能程序和机器，造成行政行为缺失行政主体意思表示的构成要件，行政法上的程序权利也被自动化决策架空。进一步而言，智能化行政过程中机器或者程序是行政执法、行政管理的主体，行政机关的工作人员只是负责记录最终结果，特别是全自动化行政，并未体现行政主体的意志。由此来看，行政机关实质上将部分公权力让渡给了互联网平台、智能技术生产公司等第三方。而且，智能系统算法模型是僵硬的，对于个案无法“量身定做”式地进行合理性判断，这仍然需要行政执法主体针对个案具体情况行使自由裁量权，如果行政机关过度依赖人工智能，沦为智能机器、程序的辅助者，不仅会导致“机械执法”，还会动摇行政制度的根本。
“人工智能+行政”的风险规制
虽然人工智能在行政领域的应用，目前尚存在诸多风险，但在人工智能快速发展的当下，未来在行政领域确实还有很大的空间发挥作用。因此笔者提出自己的一些建议，以期人工智能在行政领域的应用更加规范化。
（一）保证人工智能依托数据的质量
1.进一步夯实数据库。保障数据库数据的完整性，既需要留存好结果数据，也需要完整保存好过程数据。结果数据的典型代表，如行政处罚决定书、行政许可决定等；过程数据是指在得出结果数据的过程中所形成的一系列数据。过程数据的留存能保证数据库样本的丰富性，还可以作为行政机关作出最终结果的依据，有助于实现人工智能系统的深度分析与决策功能。具体到实践中，要求各行政机关在作出决策、裁决或者决定时，必须保存过程数据，否则出现结果错误又无依据可循时，应由作出结果数据的机关、工作人员承担相应责任。
2.做好数据采集、分析及管理工作。欲要保证智能化运作依赖的数据质量高，把控数据的采集和管理环节必不可少。具体到数据管理的实际操作，可以在数据流转过程中设置多个采集点，比如数据接入后、转换后、清洗前、清洗后以及提取后等多个环节，然后设定好相应的采集规则，最后将得到的数据与前后采集点的数据进行分析比较，通过对比结果可以较客观地判断整个数据的准确度和全面性。此外，持续改进数据质量还需要对数据进行持续跟踪监控，可以借助数理统计技术、数据挖掘技术等设定数据清洗规则，及时对其中的残缺数据、错误数据及重复数据进行处理，使其能够满足数据质量要求。当然，上述这些工作需要人工智能开发领域的技术人员支持，各行政机关可以聘请专业的技术人员进行系统设计及定期数据维护。与此同时，在人工智能建设不断推进发展的趋势下，培养“行政+人工智能”的复合型人才也是当务之急。
3.设立人工智能算法监管规则。算法偏见是人工智能系统的一大难题，它影响决策准确性，因此必须加强人工智能系统的算法监管。从监管范围上看，既要加强算法设计监管，也要加强产品研发和成果应用监管，实现对人工智能算法设计、产品研发和成果应用全流程监管。只有确保从算法到产品应用全流程监管，对算法的规则和智能系统的应用方式交由专业监管人员进行测算核实，随着过程信息数据的变动不断调整算法规则，才能保证结果数据不出现太大偏差。
（二）完善个人数据信息安全保障措施
1.实行个人数据主体授权管理。首先，要肯定公民的数据权利。对于公民个人而言，个人信息数据对其既有人格性意义，又有财产性权利属性，可以适用民法的保护规则。其次，通过法律规范对收集、处理和利用个人数据的主体以及相应权限进行严格划分，并实行资质化的授权管理模式。未经法律授权或者有权机关委托的任何机构、组织、个人，不得进行个人数据信息的收集、处理和利用，否则构成对个人数据信息权利的侵犯；行政机关超越法定权限范围肆意搜集个人数据信息导致个人权利受到损害的，也需据此承担相应的法律责任。最后，应当保障数据信息主体的知情权。行政机关或者被授权、委托的第三方机构在收集个人信息数据时，需向对方出具凭证或者相关说明文件，充分告知提供信息的必要性，该信息主要使用目的及信息常规使用方式等，使公众能够充分了解自己信息被收集的合规性和安全性。并且，要充分告知被收集对象是否可以拒绝或部分拒绝提供，以及拒绝提供的法律后果等。
2.增强智能化行政过程的透明度。通过公开自动化行政的过程，公开智能化行政的算法规则和程序设计，进而对其进行监督和检验。目前，法国已经明确要求公开所有为政府用途开发的算法，让社会能够对这些算法的正确适用进行核实和检验，以增加智能化决策的可控性和安全感。此外，欧盟公布的《通用数据保护条例》进一步提高对于数据透明度的要求，并且赋予公民数据访问权、纠正权。提高智能化行政、决策的透明度，不仅可以让“人工智能+行政”这一新型模式慢慢融入现有法律体系，使其能够被现有法律体系进行规制，还利于增强公众的安全感以及行政行为的公信力。
3.完善数据信息的监督机制。在大数据和人工智能时代背景下，建立一套监督机制很有必要。纵观国外，不少国家都设立了监管机构专门负责公民个人信息保护工作。如，丹麦政府成立的保护局、奥地利的数据保护委员会等；德国则分别针对行政机关和其他机构主体设立不同的监督机构，进行数据入口管制、出口管制、输入管制等；美国采取现有国家机关监督模式，并强调行业自律。笔者认为，对于我国而言，为了避免政府机构管理不便，在当下采用现有国家机关监管模式更为适宜。各行政机关应该确立一个专门负责数据安全监管的部门：首先要明确各部门人员的工作权限范围，防止未经授权对个人信息的访问，从源头上降低个人信息泄露的风险；其次对因工作接触个人信息的行政人员设定严格的程序规定，比如数据库准进登入制度，一旦进入个人信息获取使用的场合，就会被实时监控，在发现有随意下载个人信息资料的行为时，及时审核并询问相关人员；另外，针对第三方机构，应当要求其收集个人信息前明确特定目的，报有权部门同意后，接受数据信息使用的监控，并就信息数据使用情况及时汇报、公示。
（三）明确智能化行政的边界
尽管“人工智能+行政”这种新模式运用到行政领域中大有裨益，但是由于智能系统的设计开发者并非公权力主体，多少有些私主体干涉行政活动之嫌。然而，公权力有着诸多不可让渡的法律属性，因此，人工智能不能过度替代公权力主体，直接作出行政决定、行政裁决等应给予适当的规制。
人工智能虽然在数据储存、搜索分类等方面超越人类个体的能力，但应明确在部分行政领域中，人工智能技术不宜应用，如行政执法环节。因而，执法人员不仅要提升自身依法行政素养，在人工智能不能为、不适为的执法环节，依法行政。而且，在一些智能化行政有较高的人机交互要求的领域，还需要行政执法人员学习人工智能系统操作的相关知识，使得人工智能辅助行政治理能得到更好的运用。其次，人工智能作为行政辅助手段，其自身不能承担责任，所以引入智能系统的行政机关仍需要对行政行为负责。特别是当人工智能作出的行政决定给行政相对人实体权利带来不利影响时，行政机关应就智能系统的运作过程、运作结果做出解释说明，否则，说明理由欠缺可能导致相应行政行为无效或被撤销。
结语
在人工智能方兴未艾的时代背景下，鼓励探索“人工智能+行政”的同时，也需要适度地“泼泼冷水”。我们必须客观意识到智能化的弊病，人工智能目前尚处于不成熟阶段，要谨慎推广应用。当然，不可否认的是，在全面推进依法行政和人工智能快速发展的背景下，未来人工智能在行政领域的应用必大有可为。