药店巨头CVS和人工智能新贵Watson牵手，他们要做什么？
2015-08-01 佚名 奇点网
两天前，美国连锁药店巨头CVS宣布与IBM建立合作伙伴关系，利用IBM超级计算机Watson的预测分析技术对CVS的病人资料进行分析，协助医生早期发现并预防慢性病的恶化。 高血压、心脏病、糖尿病和肥胖等慢性病是目前美国人致死致残的主要原因，去年占美国2.9万亿医疗支出的86%。此次Watson和CVS的合作重点就放在了慢病管理方面，双方将利用Watson的自然语言处理能力，来
两天前，美国连锁药店巨头CVS宣布与IBM建立合作伙伴关系，利用IBM超级计算机Watson的预测分析技术对CVS的病人资料进行分析，协助医生早期发现并预防慢性病的恶化。
高血压、心脏病、糖尿病和肥胖等慢性病是目前美国人致死致残的主要原因，去年占美国2.9万亿医疗支出的86%。此次Watson和CVS的合作重点就放在了慢病管理方面，双方将利用Watson的自然语言处理能力，来协助医生和药师从多个信息源了解病人的情况，包括病历、用药、医保报销、移动应用、健身设备等等，然后根据这些信息作出建议。CVS今后将利用Watson的预测分析平台，为自己药店、小型连锁诊所以及PBM机构Caremark的客户提供服务。
CVS在全美拥有7800多家零售药局、近1000家诊所，以及超过7000万名会员（目前美国人口3.15亿），庞大用户群积累的数据是Watson大数据方案的绝好实验场。当然Watson近两年的发展也极快，IBM在去年年初花10亿美金成立了Watson事业部，今年4月又成立了Watson Health。虽然双方的合作细节目前还没有公布，但是两家的跨界牵手还是给了我们极大的想象空间。
那么在人工智能方面，Watson究竟有多厉害？为什么Watson有可能成为医疗诊断专家？下面我们就来走进Watson！（《我们开始害怕人工智能，但Watson已经长大成“人”了！》）
Watson是IBM公司研发总部的一个小团队历经数十年努力开发出的智能机器人。IBM工程师最初着手打造人工智能的目的是为了让机器参加智力游戏节目 《Jeopardy！》，战胜所有人类选手。为此人工智能必须对语言精通，包括微妙的韵律变化、引喻和双关。Watson在2011年的胜利是人机对抗比赛的里程碑，但自那以后它就在不断进化。Watson的想法越来越富有创造力，设计更加贴切，因此它可以更好地满足人们的需求。
目前工程师在训练Watson关于分子生物学和财务金融领域的知识，还教它写食谱。另外，Watson还参与了石油勘探方面的工作实践，并能帮助我们解决犯罪问题。Wired网站预测，Watson将很快成为世界上最完美的医学诊断专家。IBM介绍称，Watson可以与我们的世界无缝衔接，已经在17个国家的75个产业中发挥了作用。目前，成千上万的人正在自己的工作中使用与Watson有关的应用程序。这样一来，Watson就成了我们探索人类与智能机器关系的早期试验品。在与它的工作过程里，我们要解决这样的问题：我们需要智能机器为我们做什么？它们能填补什么空白？它们又会带来什么恐惧？
偶然的灵光一闪才是解决哲学问题最诚实可靠的途径。Watson的创造者中有很多人从这个项目启动之初就加入了进来，他们对这台人工智能机器的看法与泰格马克截然不同。他们看到了Watson的成长历程，看到了它一点点学会新的技能，在失败中得到经验教训。有些人甚至认为与Watson的工作经历给他们带来了私人感情，好像自己是父母而这台机器是自己的孩子一般。去年十月，IBM将这个项目迁移到了一个环境更好的新办公区，这让Watson经历了与人类差不多的发展历程：在郊外度过了具有家庭氛围的早期研发阶段，接着接受各种教育以便自己能够适应更为复杂的外界世界，最后为了赚钱而搬进曼哈顿东村的办公室并努力寻找工作。
IBM在全球有大约40万名雇员，但是其总部和研发中心却远离硅谷。Watson项目就诞生于IBM研发中心，而最初给出这个想法的人是一名叫做费鲁奇（Ferrucci）的53岁工程师。费鲁奇是一个健谈、可爱且热情的人。研究生时，他就研发了一个叫做Brutus的程序：用户给该程序一个主题，它就能完成一份原创小说。在研发Watson时，研究人员试图让它学会语言。要想做到这一点，程序员需要用数学的办法描述所有的概念。这在当时听起来有点像童话故事，甚至是一个不可能完成的任务。2007年，当费鲁奇的团队开始工作时，他们利用了大数据技术的高效和机器学习领域的算法。他们为Watson系统上传了大量的数据库文本资料（百科全书、网页和参考文本），并且打造了很多程序。这些程序可以详细检查不同领域的提示线索并生成候选答案。接着，Watson系统会权衡不同答案的可能性并对其进行排序。
Watson的确具备人工智能的特征–它可以从经验中学习。每一次他根据《Jeopardy！》游戏档案给出了正确答案后，它就会记住哪些程序在这类问题上表现出色。工程师教它识别节目制作者使用的语言技巧，而Watson学会了如何更好地分析不同的提示和线索。日积月累，Watson的的回答速度越来越快，正确答题率也越来越高。到了2010年，它的正答率已经和《Jeopardy！》游戏超级冠军的水平相当了。最开始的时候，程序员习惯于先给Watson提示再启动程序，这使得机器的应答速度十分缓慢。最终IBM工程师优化了流程，让Watson的响应时间降到了3秒钟之内。
引导机器学习语言是一个陌生领域。可是一旦Watson掌握了语言之后，它就能精读人类全部的文化资料库–人类为了向他人解释这个世界而写下的一切文字。Watson会平等的分析解读人类的文化资料库，不存在任何歧视和偏好。慢慢的，它熟练地掌握了信息挖掘工作，了解了那些人类曾经热衷却最终抛于脑后的信息。当然机器也会犯错，就像牙牙学语的孩子一样。它也会读错新的单词，分不清现实与神话之间区别，还会曲解成年人清晰表达所传递的意思。
Watson第一次参加《Jeopardy！》游戏就要面对肯·詹宁斯（Ken Jennings）和布拉德·鲁特（Brad Rutter）的挑战。詹宁斯是该节目纪录保持者，曾经连续答对74道题。而鲁特则是战胜了詹宁斯的男人。据IBM计算，Watson有70%的机会获胜。虽然过程小有波折，但是最后机器还是狂胜人类：Watson总计获得超过7.7万美元的奖金，是詹宁斯和鲁特任何一个人奖金数量的三倍以上。
随后，人们发现Watson具有探索能力：它能寻找不同信息之间的联系，然后将它们结合起来给出答案。IBM的夏季实习生编写了一份程序，Watson从此学会了搜索互联网来扩展知识的能力。据说从那天开始，Watson学会了骂人。
随着时间发展，Watson的能力越来越强大。IBM收购了一家澳大利亚公司，以便教会Watson情绪智商。一位计算机视觉专家则表示，他的工作是教会Watson如何看东西。后来，这台人工智能机器不仅仅能给出问题的答案，更可以生成假设和新的想法。从这个角度来看，Watson掌握了一种更高水平的人类思维活动——创造力。
为统计模型寻找结局并将其与人类经验相匹配，这正是计算机可以做的事情。而经历了《Jeopardy！》游戏的大胜之后，费鲁奇开始向全世界展示Watson。虽然全球各种活动让费鲁奇疲惫不堪，但是Watson终于成为了“公众人物”。
其实，人们从Watson项目诞生之初就对其存在一个基本疑问：Watson系统到底是什么？随着它越来越出名，人们的疑惑也越来越大。Watson确实具有人类属性：它能自己学习知识，还可以产生新的想法。有人问费鲁奇的副手艾瑞克·布朗（ Eric Brown）Watson是否能够通过图灵测试（机器能否让人类相信自己是人类），他认为在特定高度局限环境中Watson可以做到。但从一般角度而言，Watson还差得远。相比Watson，其他机器在理解人类表达和探索现实世界方面表现的要先进得多。如果Watson不能代表人工智能的前沿科技，那么它就依然只是一个可以与人类交互的罕见多用途智能机器罢了。可是，人们总是喜欢给机器赋予人格。
Watson以机器人的面貌登上了电视节目，但它有名字这件事还是让人觉得它好像是个人一般。上个月，IBM公司CEO吉尼·罗曼提（Ginni Rometty）在演讲中称Watson为“它”。可是没过多久，她又在演讲中改口称之为“他”。她说：“Watson可以浏览你的全部医疗记录。他的老师是全世界最好的医生。”Watson项目采用的是分割化模式，不同领域的专家负责教它自己领域的术语和专业知识，然后评估它是否能够正确回答相关问题。现在Watson已经掌握了足够多的知识，他准备好从事专业的工作了。
任何一个行业的专家都有自己独到的成功之路，他们穷尽一生在专业领域内寻找捷径，培养自己判断事物时需要的直觉。智能机器和工程师对这种直觉非常好奇，他们想要整合所有的信息，通过测试将知识转化成机器可以理解的数学公式和代码。人们在现实工作中遇到困难时会用直觉和经验处理问题，可这种直觉无法被写成代码输入机器。
有的时候，Watson很想了解与自己一起工作的同事。IBM的工程师与一家石油勘探公司合作为Watson设计了一系列问题。通过询问每个地质学家这些问题，Watson能够了解这些科学家的风险偏好。然后系统会判断出不同科学家的潜在偏见，进而更好地评估他的推荐。一家名为Elemental Path的公司利用Watson的这种技术打造了一款可以提问并回答的儿童恐龙玩具，这个玩具能够了解儿童的兴趣和理解力，根据不同情况给出合适的答案。
迈克·巴博拉克（Mike Barborak）是Watson团队的一名年轻工程师，他和同事为Watson编写了一条最简短的程序规则：万物皆相联系。此后他给Watson提供了一个医学案例供它分析。这个案例并不长，只是用几句话描述了一个患有肿瘤的老太太前去医生办公室问诊的情况。Watson对案例中提供的线索做了大量分析搜索工作，这个规模是人类永远无法企及的。虽然机器并不太理解老太太遭受到的病痛，但它像医生一样发现了临床报告之间的联系并做出了正确的诊断。
如果利用这样强大的技术为人类服务，我们能实现什么样的壮举？贝勒大学的癌症生物学家劳伦斯·唐豪尔（Lawrence Donehower）毕生都在研究一种叫做p53的癌症基因。人类已经对这种基因研究多年，也取得了很多成果。劳伦斯估计，全世界所有肿瘤研究人员每年可能发现一个新的潜在标靶药物。Watson在短时间内“阅读”了全部7万份相关资料，然后发现了8个新的标靶药物。科学家此前也认为Watson发现的这些标靶很重要，但因为工作量太大因此最终放弃了对其深入研究。劳伦斯称Watson的发现非常令人兴奋。
从Watson研发人员的角度看，这个智能系统已经成熟到可以独立运作了。他们感觉Watson这个“孩子”已经长大，可以离开家独自出去闯荡世界。人们一直担心人工智能太强大，可以实现自主运作。不过泰格马克并不是太担心，他认为人类给予智能系统最基础的“礼物”是专业知识。而专业知识越丰富，文明程度也就越高。
从机器的角度来看，人类急需帮助。在机器眼中，我们的想法狭隘且不完整，需要依赖经验作出判断而且缺乏足够的信息和远见。费鲁奇表示人们对人工智能存在认知偏差，他希望人工智能的崛起能让人类警醒，认识到自己的确需要帮助。
机器越精密，人类就越容易意识到自己的缺点和不足。电力部门在风暴来临时要重新分配资源，但他们采取的方式却非常不科学。人类个体总是存在局限性，而精通合作Watson虽然不是超人这样的神话，但却能有组织有条理的完成分析和判断。
IBM销售Watson的方式主要有两种：以商业服务模式销售给大型公司；以技术专利许可模式允许创业企业使用Watson的技术。同时，他们还邀请潜在客户来参观这台机器。
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#CVS#
67
#Watson#
83
好学习很值得好学习
151
好学习很值得好学习
166
这篇文章写得很好
145
#ATS#
90
#药店#
0
数据太大了未必是好事因为数据里面有大量的噪音
185