下载掌阅APP，畅读海量书库
立即打开
从机器出现的那一刻起，人类就想象着在未来的某一天出现类人机器，它们能够像人一样思考，能够模仿人类行动，人工智能（artificial intelligence，AI）的出现，就是人类朝着这一梦想前进的基石。图1-1-1展示了人工智能的发展历史。
图1-1-1 人工智能发展历史
美国斯坦福大学人工智能研究中心的尼尔逊（Nils J. Nilsson）教授这样定义人工智能：“人工智能是关于知识的学科——怎样表示知识、怎样获得知识并使用知识的科学。”另一位美国麻省理工学院的温斯特（Patrick Henry Winston）教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法都说明了人工智能是一种工具，具有数据处理的优势，在此基础上，还能模拟实现人类的智能，完成一系列复杂的工作。
人工智能技术起源于20世纪50年代以前对大脑的研究，当时对大脑的研究认识已比较深入，科学家们便提出可以通过模拟大脑的运行模式，创造出智能机器。
1949年加拿大心理学家赫布（Donald Olding Hebb，神经心理学与神经网络之父）出版了《行为的组织》一书，提出了著名的“赫布理论”，开启了人工智能的重要领域——神经网络（neural network）领域（连接主义学派）。赫布理论提出：神经元之间的重复刺激，加强了部分神经元之间的联系，增加了传递效能。如同著名的条件反射实验中，科研人员在每次给狗喂食前进行摇铃，重复多次以后，狗在听到铃声时就会不停流口水。从神经元的角度观察刺激的反应，摇铃会激发一部分神经元，同时进食又会激发另一部分神经元，通过反复操作，增强这两部分之间的联系；反之，如果两个动作一直都无法同时激发它们的神经元部分，则它们之间的联系就会减弱。不同部分神经元之间增强与减弱的过程，就是一种学习过程。
1950年，英国密码学家图灵（Alan Mathison Turing）设计了“图灵测试”，用来测试机器是否具有与人类似的智能，奠定了人工智能的重要科学基础。1952年，科学家塞缪尔（Arthur Samuel）设计了一个跳棋程序，是人工智能早期运用的成功例子之一。该程序随着工作的时间增加，智能程度越来越高，甚至在4年后击败了当时康涅狄格州的跳棋冠军。1956年，计算机专家麦卡锡（John McCarthy）在达特茅斯学院举办的一次会议上提出了“人工智能”，被认为是人工智能正式诞生的标志。从此，人工智能迎来一个新时代。
1957年，纽威尔（Allen Newell）和西蒙（Herbert A Simon）等人设计一个名为“逻辑理论机”的数学定理证明系统，成功证明了《数学原理》一书中的38个定理。逻辑理论机的成功，奠定了人工智能研究领域另一个重要学派——符号主义学派的基础。该学派认为可以用计算机的符号操作来模拟人的认知过程，类似于人的左脑抽象思维过程。同年，康奈尔大学的实验心理学家罗森布拉特（Frank Rosenblatt）提出了“感知机（perceptron）”的神经网络模型，实现了一些简单的视觉处理，比赫布理论实用，在当时引起了轰动。然而1969年明斯基（Marvin Lee Minsky）又提出了著名的XOR（异或）问题，证明神经网络无法解决异或这个基本逻辑问题。面对这一难题，神经网络的发展受到了重创。与此同时，其他的一些人工智能方法也在慢慢发展，不过当时的技术还未达到投入实际应用的要求。
经过了短暂的停滞后，费根鲍姆（Edward Albert Feigenbaum）提出知识在人类解决问题过程中扮演了非常重要的角色，因此需要将知识引入到人工智能系统中。随后，在众多科学家们的努力下，“专家系统（expert system）”诞生了，它能够利用计算机化的知识进行推理，从而模仿人类专家，通过知识的索引来解决问题。1980年，首次出现商用的专家系统——XCON，之后各种专家系统陆续出现。但由于当时计算机性能与其他技术手段的限制，专家系统逐渐衰弱，而神经网络再一次兴起。其实早在1974年，哈佛的沃伯斯（Paul Werbos）就提出了神经网络反向传播算法（backpropagation algorithm），可以解决XOR问题，但当时并未引起重视。1982年，加州理工大学的霍普菲尔德（John Joseph Hopfield）教授提出了著名的霍普菲尔德网络理论，可以解决当时众多模式识别的问题。此后，神经网络开始真正复兴。1986年，昆兰（Ross Quinlan）也提出了著名的决策树算法，这是待测对象属性与对象值之间的一种映射关系，可以用于数据分析预测。
随着90年代互联网的普及、计算机硬件性能的提升、新算法的不断涌现，人工智能迎来了爆发期。1995年，万普尼克（Vladimir Naumovich Vapnik）和科尔特斯（Corinna Cortes）提出了人工智能中重要的支持向量机（support vector machine）算法，解决了之前神经网络模型不能有效处理的任务。1997年，IBM（国际商用机器公司）的“深蓝”战胜了国际象棋冠军，造成了极大的轰动。
2006年，神经网络研究领域领军者辛顿（Geoffrey Hinton）发表了深度学习（deep learning）算法，开启了深度学习的研究热潮。深度学习发展于神经网络模型，特点是使用了多层网络，能够学习抽象概念。深度学习为人工智能带来了空前发展，使人工智能技术被广泛地应用在语言识别、视觉识别、对象检测等领域。
2011年，苹果公司的Siri问世，标志着人工智能在语音识别上的巨大突破。2012年，谷歌的无人驾驶汽车上路，一度引发人工智能热潮。2016年，谷歌的AlphaGo机器人战胜了韩国棋手李世石，再度引发人工智能的热潮。
目前人工智能的发展可以分为三大学派：符号学派、连接学派和行为学派。符号学派（传统学派）认为可以用计算机的符号操作来模拟人的认知过程，在解决推理、规划等问题中具有优势；连接学派（神经网络）认为智能来源于神经元的集体活动，在解决模式识别、聚类等问题中具有优势；行为学派认为智能来源于生物体与环境的交互过程，在解决适应性、学习、快速反应等问题中具有优势。
人工智能技术虽然发展的时间不长，也经历了各种曲折，但在众多科学家的共同努力下有了今天的空前繁荣，大幅改善了人类的生产与生活。
最近几年人工智能技术在医学领域的影响日益增大，甚至引发了未来人工智能是否会替代医生的讨论。绝大多数专家认为在可见的未来，人工智能并不会替代医生的工作，但人工智能会作为一种高效的辅助手段来帮助医生治疗疾病。人工智能的优势在于可以快速处理大量数据，迅速获取其中的重要信息，在医学影像识别、电子病历、自然语言处理上，这些优势表现得尤为突出。
人工智能可以用算法高效地从大量医学数据中找到特征，然后用所学得的知识来协助医疗。它也可以基于反馈机制，利用其学习与自我纠错能力来提高判断的准确性。人工智能能够协助医生获取最新的研究成果、教材和临床实际经验，提供更高效的医疗服务。人工智能还可以帮助医生减少诊断或治疗过程中的错误，可以从大量的病例数据中获取有效信息协助医生对患者实时进行健康风险预测。
图1-1-2展示了人工智能发展历史。20世纪70年代，人工智能技术开始被应用于医疗领域。1972年，英国利兹大学开发了急性腹痛诊断系统（APPHelp）。该系统基于贝叶斯理论，能够根据病人的症状计算产生剧烈腹痛的可能原因。随着诊断数据日益增多，到了1974年，该系统的诊断准确率已经超过了当时资深的医生。尽管APPHelp工作费时较长，大约需要一个晚上的时间，但在20世纪70年代计算机硬件条件下，该系统的出现仍具有突破性的意义。
图1-1-2 人工智能医疗发展历史
1974年，匹兹堡大学研发了内科复杂疾病的辅助诊断系统（INTERNIST-I）。1976年，斯坦福大学研发了细菌感染的诊断及抗生素治疗系统（MYCIN），是世界上第一个功能比较全面且应用于医疗的专家系统。相比于AAPHelp，MYCIN的单次诊断时间缩短到了约30分钟。然而它却从未在临床上实际应用过，不是因为其性能不足，而是由于无法解决伦理与法律问题。哈佛医学院开发的DXplain和QMR系统，MIT开发的PIP和ABEL系统，斯坦福大学开发的ONCOCIN系统等，也大幅推动了人工智能在医疗领域的应用。
20世纪90年代，计算机辅助诊断系统（computer aided diagnostic system，CAD system）问世，它是比较成熟的医学图像辅助应用，通过对病人的医学影像及病情资料进行识别与对比，辅助医生做出更准确地判断。CAD技术的出现首次将人工智能技术推广到了医学影像识别中，不再局限于之前的专家系统。CAD技术呈现一片繁荣景象，然而，它的实际应用效果却没有那么理想，由于计算机能力的限制，大多数CAD技术耗时较长，难以进行推广应用。
21世纪以前，由于计算机的计算能力不足，海量数据的获取能力不足，算法的性能不足，人工智能技术在医疗领域的实际应用受限。进入21世纪以后，随着互联网技术、大数据技术的快速发展与计算机性能的快速提升，人工智能已经产生质变，人工智能技术在医学领域的应用呈现快速发展态势。
到了2000年，达芬奇手术系统成为世界上首个可以辅助腹腔手术的机器人系统，可以实施复杂的微创外科手术。随后，医疗领域中不断出现新型手术辅助机器人系统，如法国Medtech公司的神经外科定性机器人ROSA、美国Curexo公司的关节机器人、美国Mako公司的关节机器人等。
2013年2月，IBM宣布其研发的沃森（Watson）系统问世，其内部的数据库拥有超过300种医学期刊、250种肿瘤专著和1500万论文研究的海量数据，可用于癌症辅助治疗。Watson系统可以通过了解病人的病史及当下出现的病症，根据其内部的数据库在10秒内就给出专业的推荐治疗方案。发展至今，Watson系统已将其提供的智能解决方案推广到医疗影像检测、慢性病检测治疗、体外检测等多个领域。目前癌症治疗领域排名靠前的医院均采用了Watson系统，中国的医院也正式引进了该系统。
2016年，谷歌成立DeepMind Health部门，与英国国家健康体系合作，辅助他们在治疗中进行决策。同年，微软也宣布了Hanover计划，帮助寻找高效的药物开发与治疗方案，并且与俄勒冈卫生科学大学癌症研究所合作，利用人工智能技术的帮助，进行药物研发和个性化治疗。
20世纪80年代初，我国科学家们也开始将人工智能技术应用在医疗领域，虽然起步落后，但是发展迅速。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。1986年，我国骨科学专家林子顺、福建中医学院与福建省计算中心共同开发了“林如高骨伤计算机诊疗系统”。1992年，中国中医研究院和中国科学院软件研究所共同研制了“中国中医治疗专家系统”。
进入21世纪以后，随着整体科研水平的提升，我国人工智能在医疗领域的发展也更加迅速。国内各个科研团队开发了众多医学专家系统，如中医专家系统、无创心血管功能检测系统、十二指肠溃疡诊断专家系统、胃癌诊断专家系统等。2010年，国内智能语音领域内的专家廖杰远及其团队创建了互联网医疗健康服务平台——微医，通过人工智能技术和互联网的结合，为用户提供在线咨询、预约挂号等多种健康医疗服务。随后于2017年发布了“睿医智能医生”和“华佗智能医生”等人工智能诊断应用，前者在宫颈癌筛查中的准确率、敏感度都超过了临床医生，并且在糖尿病视网膜病变检测中敏感度达95%，甚至超过了谷歌公司的产品。后者已经应用于400多家中医馆、累计辅助开方量超过160万张。
2015年，科大讯飞公司依靠其语音识别技术优势，研发了“智医助理”“语音电子病历”“影像辅助诊断”三个系统和人工智能辅助诊疗平台。2016年，百度推出“百度医疗大脑”，百度医疗大脑能够利用人工智能采集大量文献和医疗数据，辅助给出整理的最终建议。发展2年后，百度发布了“‘爱助医’基层医疗解决方案”“AI眼底筛查一体机”“临床辅助决策支持系统”三个产品。2017年，阿里健康也发布人工智能产品“Doctor You”，率先应用于CT（计算机断层成像）肺结节辅助检测，诊断时间不到人工诊断的五分之一，诊断准确率达到了90%以上。
2017年8月，浙江大学、上海交通大学联合科研团队研发了医学影像分析系统“阿尔法医生”。该人工智能系统仅花费23秒就完成了300张磁共振影像图的直肠癌识别，准确率高达95.22%。而3名影像科医生组成的团队，花费了5分钟的时间，完成了149张图的识别，准确率为93%，略低于“阿尔法医生”。
人工智能可以应用在医疗中的众多领域，以下列举最成熟的几个领域介绍人工智能的优势。
辅助诊断领域是人工智能应用最为成熟的领域，人工智能技术在此领域中具有如下优势。①判断更加准确，医学影像图中的信息量非常多，医生处理大量数据过程中往往会由于疲劳、粗心等原因忽略一些细节，造成判断失误，但是人工智能技术依托计算机的高效处理能力，不会因为处理量增加而疲劳出错；②判断更加迅速，医生在短时间内往往难以发现细微病变特征，而人工智能技术可以利用其强大的计算能力，花费极短时间进行大量的数据学习与分析，迅速发现潜在的病变信息；③可以24小时不间断处理，人类在处理医学图片时会随着工作量增加而感到疲惫，进而产生错误，所以无法进行长时间的处理，导致工作效率降低，但人工智能一直不间断工作，并且其准确率不会受到工作时间的影响；④处理的图像类型更加丰富，专科医生往往只能识别某一类病情的图像，而人工智能系统可以不受疾病类型的限制。
在辅助治疗领域，人工智能具有若干优势。①治疗更具针对性，人工智能技术可以根据病人的个人病史、家族病史等信息，结合病人目前的病症，提供更精准的治疗方案；②可以实现远程治疗，在互联网的辅助下，医院之间可以共享图片分析技术，突破小型医院医疗设施不够完善、医务人员过少的限制；③手术更准确、安全和高效，如在达芬奇手术机器人的帮助下，可以实现创伤更小、定位更准、操作精度更高的外科手术，大幅提升手术成功率。
在群体健康管理领域，人工智能具有若干优势。①降低疾病风险，人工智能技术可以利用互联网与传感器等获取人类的饮食、心理、社交、身体健康指数、睡眠等多方面信息，综合性的对人类身体素质进行评估，预测疾病发生风险，提供更为科学的防范方案；②可以更高效地辅助康复医疗，利用智能化穿戴设备获取患者各方面的信息，基于这些数据与以往的学习结果，有针对性地为患者提出更加合理化的恢复方案，让患者能快速康复。
疾病预防从宏观和微观层面可以分为公共卫生防控与个人疾病筛选。宏观层面如突发的传染病疫情，不仅会危害人民的生命财产安全，还极易造成社会动荡，引发一系列社会问题。微观层面，如随着环境污染严重与人口老龄化的进程加快，心脑血管疾病、恶性肿瘤等发病率逐渐上升。人工智能的应用将一定程度上帮助疾病预测，缓解此类情况，相对于传统的办法，其具有如下优势：①可以快速确定传染病等疫情的发展情况，基于互联网与大数据技术，人工智能技术可以快速建立模型，预测疫情发展态势，提高对传染病预警的及时性和准确性。2018年，谷歌公司开发了“谷歌流感趋势”软件，利用大数据预测了美国流感病例百分比的变化趋势，在学术界掀起了研究热潮。②更准确地判断疾病风险，人工智能可以分析个人的健康档案数据，结合生活作息、进食信息，根据医学检测的数据，综合判断疾病风险。