SIEMENS海南省西门子中国总代理商-西门子变频器伺服电机总代理

人工智能的另一只圣杯是语音识别。不久之前，计算机的独立语音识别应用领域还很有限，如机票预订。而如今，限制已不复存在。2012年，一名来自多伦多大学的实习生在微软研究院（Microsoft Research）的一个夏季研究项目中，让微软的语音识别系统性能得了显著的提升（图1）。2016年，微软的一个团队宣布，他们开发的一个拥有120层的深度学习网络已经在多人语音识别基准测试中达到了与人类相当的水平。

图1 微软首席研究官里克·拉希德（Rick Rashid）在2012年10月25日于中国天津举行的一场活动中，使用深度学习进行了自动语音识别的现场演示。在2000名中国观众面前，拉希德说的英文被自动化系统识别，先在他的屏幕图像下方显示出英文字幕，随后被翻译成了中文。此次高难度展示被全球媒体争相报道。图片来源：微软研究院。

这一突破性成果将在之后的几年逐渐影响我们的社会，计算机键盘会被自然语言接口取代。随着数字助手，如亚马逊的Alexa、苹果的Siri以及微软的Cortana先后进入千家万户，这种取代已经在发生了。就如随着个人电脑的普及，打字机退出了历史舞台，有一天电脑键盘也将成为博物馆的展品。

当语音识别和语言翻译结合到一起时，实时的跨文化交流将有可能实现。《星际迷航》中那种wanneng翻译机将触手可及。为什么计算机语音识别和语言翻译达到人类的水平要花这么久的时间？难道计算机的各种认知能力同时进入瓶颈期仅仅是巧合吗？其实所有这些突破都源于大数据的出现。

AI医疗：医学诊断将更加准确

 深入皮肤

随着机器学习的成熟并被应用于可获取大数据的许多其他问题，服务行业和其相关职业也将发生转变。基于数百万患者病情记录的医学诊断将变得更加准确。Zui近的一项研究将深度学习运用到了囊括超过2000种不同疾病的13万张皮肤病学图像中，这个医学数据库是以前的10倍大（图2）。

该研究的网络被训练用于诊断“测试集”（testset，它从未见过的新图像集）中的各种疾病。它在新图像上的诊断表现与21位皮肤科专家的结论基本一致，甚至在某些情况下还要更准确。在不久的将来，任何一个拥有智能手机的人都可以拍下疑似皮肤病变的照片，并立即进行诊断——而现在要完成同样的过程，我们需要先去看医生，耐心等待病变被专家筛查出来，然后再支付一大笔账单。这一进步将大大扩大皮肤病护理的范围，提升护理质量。如果个体可以很快得到专家诊断，他们会在皮肤病的早期阶段，也就是更容易治疗的时候就开始就医。借助深度学习，所有的医生都将更准确地诊断罕见的皮肤病。

图2 艺术家绘制的高准确度诊断皮肤病变的深度学习网络图，2017年2月2日《自然》杂志封面。

深入癌症

如果专家在转移性乳腺癌的淋巴结活检切片图像上判断错误，就有可能导致致命的后果。这是一种深度学习擅长的模式识别问题。实际上，一个经过大量结论清晰的切片数据训练出来的深度学习网络能达到0.925的准确度，还不错，但还不及人类专家在同一测试集上达到的0.966。

然而，把深度学习与人类专家的预测结合起来，准确度达到了0.995，几近完美。由于深度学习网络和人类专家查看相同的数据的方式不同，二者相结合的效果比单独预测要好。这样一来，更多的生命得以被挽救。这表明在未来，人类与机器将是合作而非竞争的关系。

深入睡眠

如果你有严重的睡眠问题（70%的人一生中都会遇到这个问题），你要等待几个月才能见到你的医生（除非问题十分紧急），然后你会被转到一个睡眠诊所。在那里，你需要在身上接几十个能在你入睡时记录你的脑电图（EEG）和肌肉活动的电极，接受彻夜观察。每个晚上，你会先进入慢波睡眠，然后定期进入快速眼动（REM）睡眠，在此期间，你会做梦，但是失眠、睡眠呼吸暂停综合征、不宁腿综合征以及许多其他睡眠障碍会干扰这种睡眠模式。如果你在家里就很难入睡，那么在一张陌生的床上，全身接满了让人不安的医疗设备进入睡眠状态，juedui算得上真正的挑战。睡眠专家会查看你的脑电图记录，以30秒为单位标记睡眠阶段，一段8小时的睡眠要花几个小时才能标记完。而Zui终你会得到一份有关睡眠模式异常情况的报告，以及一份2000美元的账单。

依据1968年由安东尼·雷希特施芬（Anthony Rechtshaffen）和艾伦·卡莱斯（Alan Kales）设计的系统，睡眠专家将接受寻找表征不同睡眠阶段特征迹象的培训。

但是由于这些特征常常不明确，也不一致，只有75%的情况下专家们能在数据解读上达成一致。相比之下，我实验室之前的一名研究生菲利普·洛（Philip Low）使用无监督机器学习，花了不到一分钟的计算机运算时间，以3秒的时间分辨率自动检测睡眠阶段，和87%的人类专家达成了一致的结论。此外，这种方式只需要在头部的单个位置做记录，用不到那些触点和接线，也节省了大量佩戴和摘除的时间。2007年，我们创立了一家公司Neurovigil，想将这项技术引入睡眠诊所，但诊所对此没有表现出多大兴趣，因为靠人力标注能产生更多的现金流。实际上，依据保险号向患者开具账单，会让诊所没有动机采用更廉价的程序。

Neurovigil在大型制药公司发现了另一个市场，这些公司在开展临床试验，需要测试他们的药物对睡眠模式的影响。这项技术目前正在进入长期护理设施市场，帮助解决在老年人中更普遍的进行性睡眠问题。

睡眠诊所模式是存在缺陷的，因为在这样的限制条件下不能可靠地诊断出健康问题：

每个人的生理基数都不同，而偏离这个基数的信息Zui重要。Neurovigil已经有了一个小型设备iBrain，它可以在家里记录你的脑电图信息，将数据传到网上并分析数据的长期趋势和异常情况。这可以帮助医生及早发现健康问题，在恶化前及时干预并阻止慢性疾病的发展。其他很多疾病的治疗也将受益于持续监测，如1型糖尿病，血糖水平可以被监测并通过胰岛素进行调节。使用能够连续记录数据的廉价传感器正在对其他慢性疾病的诊断和治疗产生重大影响。

从Neurovigil的发展过程中可以看出：第一，即便拥有更好更廉价的技术，也不代表能轻易地将其转化为有市场价值，甚至更优质的新产品或服务；第二，当现有产品在市场中的地位根深蒂固，就会进一步开发出深入应用的二级市场，可以让新技术产生更直接的影响，并争取时间来改进，提升竞争力。太阳能和许多其他新兴产业的技术就是这样进入市场的。从长远来看，已被证实具有优势的睡眠监测和新技术将会覆盖到家中的患者，并Zui终融入医疗实践。