第三部分 我们将去向何处 第六章 人工智能的今天（第1页）
第三部分我们将去向何处第六章人工智能的今天
深度学习为人工智能的应用打开了大门，在21世纪的第二个10年里，自从20世纪90年代万维网出现以来，还没有另一门新技术如人工智能这样吸引人们的注意力。每个拥有数据和需要解决问题的人都忍不住要问，深度学习是否能够帮助他们——在很多情况下，答案是肯定的。人工智能已经出现在我们生活的方方面面，我们随时都能感受到它的存在。但凡涉及技术的领域，都有人工智能的身影：教育、科学、工业、商业、农业、医疗保健、娱乐、媒体和艺术等各个领域。未来，或许有些领域会有非常明显的人工智能痕迹，有些领域则不会。人工智能将悄然无声地嵌入我们的世界，就像今天的计算机一样。正如计算机和万维网，人工智能也将改变我们的世界。我无法为你列举出人工智能的全部应用，就像我无法列举所有的电脑软件一样。但我会跟你分享一些我喜欢的过去几年中出现的案例。
你可能还记得，2019年4月，世界上第一张黑洞的照片问世[82]。在一次令人难以置信的实验中，天文学家利用分布在世界各地的八台射电望远镜收集的数据，构建出一个直径400亿英里[1]、距离地球5500万光年的黑洞图像。这幅图像是本世纪最引人注目的科学成就之一。但你可能不知道的是，黑洞图像是通过人工智能实现的：人们使用先进的计算机视觉算法来重建图像，“预测”图片中缺失的元素。
2018年，来自计算机视觉处理器公司英伟达的研究人员证明了人工智能软件能够创造出虚假的人物照片，并且能够完全令人相信它是真实的[83]。这些图片由被称为生成性对抗网络的全新神经网络制造。照片看起来简直是不可思议：乍一看，它们十分逼真，很难相信那不是真人。我们的眼睛告诉我们，这就是真实的照片——但事实上它们是由神经网络创造的。这种技术在21世纪刚开始的时候难以想象，而在未来它会成为虚拟现实（Virtualreality，VR）的关键组成部分：人工智能正在构建令人分辨不清的虚拟现实。
2018年末，深度思维的研究人员在墨西哥的一次会议上公开发布了AlphaFold，这是一个能根据基因序列来预测蛋白质3D结构的程序，能够解决名为“蛋白质折叠”的问题[2][84]。蛋白质折叠问题包括预测蛋白质分子的形状，了解它们将对治疗类似阿尔茨海默病等疾病有极其重要的意义。不幸的是，这个问题非常艰难。而AlphaFold使用经典的机器学习技术来学习如何预测蛋白质结构，这意味着在理解蛋白质性状方面迈出了一大步。
在这一部分，我想详细讲述人工智能应用最突出的两个方面：第一个是人工智能在医疗领域的应用，第二个是长久以来无数人的梦想——无人驾驶汽车。
人工智能医疗
人们应该停止培养放射科医生了。很明显，在五年之内，深度学习的系统会比放射科医生做得更好。
——杰夫·辛顿（2016）
可以担任您的个人健康助理。我们会把可穿戴设备变成一个持续的健康监测仪，不仅可以用来追踪睡眠和健康状况，而且或许在未来的某一天，可以预防中风、挽救您的生命。
——公司网页[85]
哪怕是对政治和经济最不敏感的人都能意识到，不管是对政府还是对企业而言，医疗卫生都是全球最重要的经济问题之一。一方面，在过去的两个世纪里，医疗卫生的改善可能是工业化和科技世界带给人们的最大福祉。1800年，欧洲人的寿命预测不会超过50岁[86]，而今天，预测一个人能活到70岁是非常合理的；在发达国家，产妇因分娩而死亡的情况十分少见。这些巨变一定程度上是因为人们对卫生有了更好的认识，但不可否认，药物研究和疾病治疗研究的飞速发展也起到了同样重要的作用。尤其是20世纪40年代抗生素的出现，首次为细菌感染提供了可靠、有效的治疗方法。当然，这些进步目前还没有覆盖全球所有地区。在我撰写本文的时候，中非共和国的国民预期寿命仍然只有51岁，世界上还有许多地方，分娩对母亲和孩子而言都不啻闯一次鬼门关。但是，总的来说，发展趋势是积极的，这当然值得庆贺。
但这些可喜的进展又带来了新的问题。首先，人类的平均寿命增长了，老年人通常比年轻人需要更多的医疗卫生资源，这就意味着医疗卫生的成本在整体上升。第二，随着我们开发更多的治疗疾病的新方法和研制更多新的药品，可以治疗疾病的总体范围增加了，这也导致了更多的医疗支出。当然，医疗费用昂贵的一个根本原因是，提供医疗保障服务所需要的资源昂贵，具备相应技能和资质的人也很少：在英国，要成为一名合格的全科医生，至少要培训10年。
由于这些问题，医疗卫生——尤其是相关的资金——向来都是政客们争论不休的长期问题。在英国，国家医疗服务（NHS）于20世纪40年代作为一项国家服务建立，通过税收支付，目的是为每个人提供免费的医疗保障。而关于如何资助国家医疗服务的争论从来就没停止过。我们都喜欢国家医疗服务，但都无休止地争论应该给它多大程度的资助。
医疗保障至关重要，但实现起来也困难重重。那么，如果有一项技术能够解决问题，那简直就太美妙了，不是吗？
人工智能应用在医学领域也不是新鲜事了，我们在之前就了解过MY专家系统，它在诊断人类血液疾病病因方面表现得比人类医生更专业，因此广受赞誉。早在20世纪80年代初，医疗卫生资金就跟现在一样成为令人头疼的难题。出于之前讲述的原因，制造出能够捕捉医疗专业能力的专家系统程序，这个想法让人兴奋不已。所以在MY以后，类似的医疗卫生系统如雨后春笋般涌现出来，也没什么好奇怪的。不过公平地说，几乎没有多少系统在离开实验室以后还能起作用。不过这些年，人们对人工智能用于医疗的兴趣开始报复性反弹，有新的进展表明，人工智能在医疗应用方面前途无量。
个人医疗健康管理系统是人工智能在医疗健康领域的重要新机遇。可穿戴设备——以AppleWatch为代表的智能手表，还有以Fitbit为代表的运动健身智能手环之类的出现，使个人医疗健康管理成为可能。这些设备持续监测我们的生理数据，比如心率和体温等。大量的用户不断生成当前健康状况的数据流，人工智能系统可以对这些数据进行分析，不管是本地的系统（比如你的智能手机）还是将数据上传至互联网上的人工智能系统。
千万不要低估这项技术的潜力，这是有史以来第一次，我们能够对自己的健康状况进行持续监测。在最基本的层面上，基于人工智能的医疗健康管理系统能够为我们的健康管理提供合理的建议。从某种意义上来说，这正是智能手环、智能手表正在做的事情：它们监测我们的运动，还可以为我们设定目标（“每天万步行走挑战赛”就是一个明显的成功案例）。经验证明，我们可以通过将运动目标进行游戏化的方式来提高人们对目标的遵从性。将目标转化为竞赛或者游戏，还可以借助社交媒体来进行交互。
大众市场的可穿戴设备还处于初级阶段，但有许多迹象表明未来的发展潜力。2018年9月，苹果推出了第四代AppleWatch，首次包含了心脏监护仪。手表上的心电图应用程序可以监控心率跟踪器提供的数据，并且能够识别心脏病的症状。如果有必要，甚至可以为使用者呼叫救护车。应用程序可以监测心房颤动难以捉摸的迹象——不规则的心跳，这可能是中风或其他突发性疾病的征兆。智能手机中的加速计应用可以用来识别坠落，如果需要，可以代为呼叫救援。这样的系统只需要相当简单的人工智能技术：现在我们可以随身携带一台功能强大的智能手机，它可以保持互联网连接，并且可以连接到配备了一系列生理传感器的可穿戴设备上。
某些个人健康管理应用甚至不需要传感器，只需要一台智能手机。我在牛津大学的同事们相信，仅仅从使用智能手机的方式就可以检测出阿尔茨海默病的发病征兆。人们使用手机方式的改变，或者手机记录的行为模式发生改变，或许都是某些疾病的前兆。这些征兆大多发生在人们注意到病人有明显症状、医生正式下达诊断之前。阿尔茨海默病是一种毁灭性的疾病，对人口老龄化的社会构成了巨大挑战，可以辅助早期诊断或者管理阿尔茨海默病的工具将非常受欢迎。当然，这项工作还处于起步阶段，但它至少提供了未来的一种可能性。
这些新技术的出现令人兴奋，它们带来了机遇，同时也带来了潜在的隐患，其中最明显的就是隐私问题。可穿戴设备跟人进行亲密接触，它不断监视我们，虽然它获取的数据能够给我们提供帮助，但也为数据滥用埋下了隐患。
保险业是一个值得关注的领域。2016年，健康保险公司Vitality开始随保险单附送苹果手表。手表监视你的运动情况，然后根据你的运动状况设定保险费用承诺。如果，某个月，你决定不做任何运动，就躺在沙发上当个懒虫，你可能需要支付全额保费，但你也可以在下个月通过疯狂节食来抵扣，以降低保费。这样的计划或许没什么直接的问题，但它确实暗示了一些令人不安的情况。例如，2018年9月，美国约翰汉考克人寿保险公司宣布，今后只向准备佩戴追踪运动数据的可穿戴设备的个人提供保险单[87]。这一声明引来了大众的批评。
进一步说，如果我们想获得国家医疗保障计划（或者其他国家福利），就必须接受监督并且达到锻炼目标，这又将如何？你想要医疗保险？那每天走一万步再说!有些人会觉得这没什么问题，但对另一些人来说，这是对我们基本人权的严重侵犯和对监测数据的滥用。
自动化诊断是人工智能在医疗保健领域的又一个令人兴奋的潜在应用。在过去的10年里，诸如X射线机和超声波扫描仪之类的医疗成像设备，其成像数据用机器学习的方式来进行分析，受到了极大关注。在撰写本书的时候，有一篇新的研究成果发表，文章表示人工智能系统可以有效识别医学图像中的异常。这是机器学习的一个经典应用：我们通过正常的图像和异常的图像示例来训练机器学习程序，最终的目的是让程序能够识别出图像中的异常。
在这项领域中有一个广为人知的案例。2018年，深度思维公司宣布正在与伦敦的摩菲眼科医院合作，开发从眼部扫描检查中自动识别疾病和异常的技术[88]。眼部扫描检查是摩菲眼科医院的主要检查之一，他们通常每天要做1000次眼部扫描检查，分析扫描检查结果是医院工作中的一个重要部分。
深度思维的系统使用了两个神经网络，第一个用于“分割”扫描图像（识别图像的各个部分），第二个用于诊断。第一个网络大约训练了900个图像，学习人类专家如何对扫描图像进行区分识别。第二个网络训练了大约15000个案例。实验表明，该系统的性能已经达到甚至超过了专家水平。
这些结果都很好，你也可以随手在网上搜出一大堆其他的引人注目的例子，说明当前的人工智能技术是如何被用来建立具有类似能力的系统的——在X光片上识别恶性肿瘤、通过超声扫描诊断心脏病等等。杰夫·辛顿，你可能还记得他是非常成功的图像识别程序Alex的创立者之一，他非常确信机器学习将为医学影像诊断提供解决方案，因此他对放射科医生做了一个相当大胆的声明——就在这一小节开始的时候，我引用过。不出所料，这激怒了放射科的医生，很快就有人指出，当好一个放射科医生所需要的技能可不仅仅是看X光片[89]。
也有不少人认为，我们需要谨慎地推动人工智能在医疗领域的应用。首先，医疗卫生行业是一个人文学科，可能比起任何职业都更需要与人互动和与人交往的能力。全科医生需要“解读”病人，了解病人的社会背景，了解哪些治疗方案对这个病人可能更有效，而哪些方案是无效的，等等。所有证据表明，我们目前建立的人工智能系统，在分析医疗数据方面确实已经达到人类专家的水准，但这只是人类医疗工作者工作的一小部分（尽管是非常重要的一部分）。
另一个反对在医疗卫生行业广泛应用人工智能的论点认为，有些人更倾向于依赖人的判断，而不是机器的判断。他们愿意和人打交道，这里有两个问题需要说明。
首先，把人类专家的判断奉若圭臬，实在是太过天真的想法。每个人都会有缺陷，即使是最勤奋、最有经验的医生，也会有感到疲惫或情绪化的时候。而且，不管我们怎么努力去克服，都难免或多或少带有偏见以及经验主义。另外，我们人类并不太擅长做理性决策，而机器可以做出与人类专家同等水准的判断，医疗卫生行业的挑战或者说机遇，应该是将机器的这种能力用最佳的方式利用起来。我的信念是，人工智能的作用并不是取代人类的医疗卫生专业人员，而是用来增强他们的能力，让他们从某些烦琐的工作中解脱出来，更专注于专业领域中真正困难的部分；以及，提供另一种角度的观点以供参考，让他们的思考更加全面。
其次，在我看来，选择人类医生还是人工智能医疗程序那是发达国家的人才会抱怨的问题，对世界上许多地方的人来说，要么接受人工智能，要么就无人处理。在专业医生极度缺乏的地区，人工智能可以做很多事情。它让获取医疗卫生资源困难地区的人们有了更多的希望，这才是真正最令人激动的前景。在人工智能给予我们的所有机遇中，这可能是会产生最大社会影响的一个。
无人驾驶汽车
制造比空气还重的飞行机器是不可能成功的。
——开尔文（Kelvin）勋爵，皇家学会会长，1895年
在撰写本文的时候，全球每年有超过100万人死于和汽车有关的交通事故，仅中国和印度就占了其中的四分之一；每年还有5000万人在跟汽车有关的交通事故中受伤。这些数字触目惊心，想象一下，如果出现一种每年可以夺取100万人性命的新型流感病毒，那一定会引起全球性恐慌。然而，我们却习惯了公路上的危险——我们似乎已经接受这就是现代社会的现状。不过，人工智能能够带来大幅降低交通事故的前景：在发展智能中期内出现无人驾驶汽车，已经成为可能。最终，它能够拯救无数人的生命。
当然，无人驾驶汽车还有许多其他好处。利用计算机程序来控制汽车驾驶，显然更高效，能够更好地利用稀缺和昂贵的燃料或动力资源，从而产生更环保、运行成本更低的汽车。计算机程序在利用电子地图和导航方面也更具备优势，例如，可以为拥挤的交通道路带来更好的通行能力。如果汽车变得安全，它们就不再需要如此昂贵和沉重的保护底盘，这将再次降低汽车的价格和油耗。甚至有一种观点认为，无人驾驶汽车会减少私家车的拥有量，因为无人驾驶的出租车又便宜又方便，那么，拥有自己的私家车在经济上就没多大意义了。