人工智能是万能药吗？-假如我们用人工智能来做“望/闻/问/切”
背景：
看了一篇报道，“我国首个中医领域人工智能+装备研究机构正式亮相，计划通过大数据和AI（人工智能）探索AI化的中医诊疗，包括AI来望、闻、问、切，甚至利用人工智能作针灸、艾灸等治疗“。为什么这件事情是能做的呢？专家解释说“中医讲究经验，而这种经验本质上就是大数据”。那么，依赖大数据知识的场景就都可以用人工智能来取代吗？如果我们真想用人工智能来做“望、闻、问、切”，会做成什么样？这真的可行吗？
1. 人工智能的想象空间
有关专家认为：“中医是一门讲究经验的学科，这种经验本质上就是大数据，所以有可能用AI来改变中医。”
这个逻辑我们可以尝试进行复制和扩展：
“老师的教学，依赖于社科知识，依赖于老师本人以及其它老师的教学经验，这些本质上都是大数据，那我们可以考虑用AI来教学。 ”
“厨师炒菜，依赖于食材、配料知识，依赖于自己和其它人的经验，那我们可以考虑用AI来炒菜。”
…………
可以类比太多了，大部分人能做的事情都是基于相关场景下的数据和经验，所以大部分事情，从直觉上来讲都是可以智能化、AI化的。
那么，大数据和人工智能真是万能药吗？
2. 如果我们用AI来做“望、闻、问、切”
那不仿大胆尝试着讨论一下如何真的用AI来做“望、闻、问、切”。
我们不仿先假设中医的“望”包括目色、脸色、舌色，要先分别评价一下目色的健康度，脸色的健康度，舌色的健康度。
对人工智能来说，这个任务需要构建一个AI模型（如分类器），能够对目色、脸色、舌色进行健康度打分，这个模型能做出来需要以下前提：
1）需要大量标注好健康度的“目色、脸色、舌色”的图片，数据量应该至少是万级或十万级，能罗列大多数可能出现的情况。
2）目色、脸色、舌色的健康度判断标准需要清晰并且明确。可能的难点是：同一张照片交给不同的大夫，可能会给出不同的结论。
3）标注是非常精准的，错误的标注会给人工智能造成极大地误导，所以可能需要交叉核实。
4）尽可能多地罗列可能出现的场景，比如不同肤色、性别、年龄的人，用不同的照相机在不同的光照、不同的远近，甚至不同的环境下拍出照片。
如果一切顺利，我们能得到了一个能对目色、脸色、舌色进行健康度打分的AI。
这个AI要实际用起来，我们需要摄像头或相机，定位到病人眼睛、脸、舌头三个部位，然后可以给出目色、脸色、舌色的健康度。
在这个过程中，可能会造成AI的效果未达到预期，原因可能有以下几点：
1）视频或照片提取的质量不佳。可能拍照抖动，光线差，或者照得太远了，相素太低，拍出的照片不太理想……
2）出现一些无法处理的情况：比如画了妆的脸色惨白，戴了美膧造成目色偏差，刚吃了巧克力所以舌头黑了……
3）效果不好衡量。目色、脸色、舌色的健康度对于判断病灶究竟有多大作用？每个医生究竟多大依赖于通过“看”来诊断，这其实很难说哦……
这样看来，只做目色、脸色、舌色三个维度健康度的判断，对AI来讲就是一个非常复杂的事情了。
但是，还有更难的。
要想把整个中医问诊的流程全部人工智能化，我们需要把“望、闻、问、切”几个环节全连起来，这会引入新的麻烦：
1）在一些具体的task上，当前的人工智能技术可能尚未成熟。比如“问”，即医生询问病情，虽然人工智能技术在语言理解和智能对话上面有了颇多的进展，但医生的“问”是基于大量的专业能力和理解，包含了对病情的预判，还会根据患者的实际情况，在交流的过程中做引导，人工智能当前的技术水平还很难达成。
2）误差积累。中医问诊是一个比较长的流程，假如人工智能将它分为“望、闻、问、切”四个环节，每个环节都会产生一定的误差，这些误差会逐步积累，导致最终的精准度达不到要求。
假比“望、闻、问、切”四个环节，每个环节的准确率是90%，那四个环节下来，最后的准确率就是90%*90%*90%*90%=65.6%。
在医疗这样的场景下，这样的准确率是不可接受的。
3）人工智能的成本比人的成本还高。“望、闻、问、切”，其实在传统中医来讲，这些只需要一个医生就完成了，借助人工智能，就依赖各种设备进行信息提取，不但成本高，耗时长，而且缺少了人文关怀，给病人的体验很不好。
4）试错成本高。每一个人工智能系统，都有准确率的问题，无法保证100%给出正确的结论。另外一旦错了，能否快速获得这个反馈，也决定了人工智能系统是否能快速进化。
3. 小总结
人工智能在一些复杂场景下达到和人差不多的水平，还有很长的路要走，而且就算做到差不多的水平，成本可能也太高了。
人工智能应用比较好的场景，一般都有以下几个特点：
1）场景比较简单和固定，决策流程短，能即时反馈
2）有海量的、高质量的标注数据（常常是百万或上亿级别），数据易获取，易沉淀
3）相关领域的AI技术比较成熟，达到了应用的要求
4）在应用中对机器犯错有一定的容忍度，机器只做辅助，或者机器犯错了还有其它补救措施
人工智能不是万能药，治病还需要对症下药。
最后要补充说明的是，以上是笔者对中医“望、闻、问、切”全过程人工智能化的一个臆想，不代表个人对医疗AI领域的一个判断。实际上也有一些非常好的医院、研究机构及公司在很多具体的医疗细分领域里做了非常好的探索和实践，取得了非常重要的进展。
优质内容筛选与推荐>>
1、初始函数+对象的方法-5
2、codevs 1005 生日礼物
3、Netty4.0源码解析 NioServerSocketChannel
4、ucos任务调度函数 OSSched()函数分析 ,任务切换函数
5、WINCE的内存配置-config.bib文件的解析