IBM沃森健康發(fā)展遇阻折射AI應(yīng)用四大誤區(qū)

李雅琪

《IEEE Spectrum》2019年4月發(fā)表特別報(bào)告《IBM沃森在人工智能醫(yī)療方面的妄言與食言》，細(xì)數(shù)了沃森健康曾經(jīng)設(shè)立的目標(biāo)與現(xiàn)實(shí)難以?xún)冬F(xiàn)的窘境。此文一經(jīng)發(fā)表，再次引發(fā)了產(chǎn)業(yè)界對(duì)人工智能高速發(fā)展的憂慮與反思。因此，有必要全面審視人工智能應(yīng)用發(fā)展過(guò)程中出現(xiàn)的問(wèn)題與思維誤區(qū)，為后續(xù)高質(zhì)量健康有序發(fā)展提供借鑒。

IBM沃森面臨的三大困境

一是發(fā)展后勁不足。IBM沃森成立之初前景看好。早在2011年IBM就開(kāi)始布局人工智能醫(yī)療，同時(shí)承諾將在兩年內(nèi)推出首批醫(yī)療保健產(chǎn)品。2015年4月，IBM成立獨(dú)立的沃森健康部門(mén)，并于一年后投入約40億美元收購(gòu)了包括Explorys、Phytel以及Merge Healthcare 等在內(nèi)的數(shù)家醫(yī)療數(shù)據(jù)公司。短短4年間，IBM匯聚了人工智能醫(yī)療保健領(lǐng)域應(yīng)用所需的技術(shù)、資源與人才，在智能診斷、臨床決策等領(lǐng)域的技術(shù)布局一路高歌猛進(jìn)，成為媒體宣傳和企業(yè)爭(zhēng)相效仿的標(biāo)桿。然而，截至目前，IBM曾經(jīng)的承諾并未兌現(xiàn)，市場(chǎng)推廣阻礙重重，已出現(xiàn)治療方案導(dǎo)致患者死亡、營(yíng)收下滑、相關(guān)業(yè)務(wù)快速收縮、高管離職，以及大幅度裁員70%等諸多負(fù)面新聞，唱衰之聲不斷。

二是醫(yī)療AI產(chǎn)品落地困難。IBM沃森開(kāi)展了廣泛的項(xiàng)目合作，成果卻十分有限。自2011年起，沃森已發(fā)布近50份關(guān)于智能醫(yī)療的合作研發(fā)公告，涉獵領(lǐng)域十分廣泛，包括面向醫(yī)生的臨床決策支持工具研發(fā)，以及面向消費(fèi)者的健康管理工具研發(fā)等，旨在打造全面的新一代醫(yī)療保健產(chǎn)品。這些項(xiàng)目大多為人工智能技術(shù)與醫(yī)療行業(yè)融合應(yīng)用的首次嘗試，雖具有重要價(jià)值與意義，但多數(shù)至今尚未產(chǎn)生可商用的醫(yī)療健康產(chǎn)品。2016年，安德森癌癥中心在花費(fèi)6200萬(wàn)美元之后，依舊選擇終止與沃森健康的合作，只因深層次合作研究之后發(fā)現(xiàn)，深度學(xué)習(xí)與醫(yī)療護(hù)理的現(xiàn)實(shí)之間有著根本性的不匹配，深度學(xué)習(xí)尚無(wú)法獨(dú)立地從醫(yī)學(xué)文獻(xiàn)的最新進(jìn)展與患者的電子健康檔案中提取有效信息。

三是數(shù)據(jù)獲取存在梗阻。沃森用于技術(shù)研發(fā)的醫(yī)療數(shù)據(jù)資源十分有限，一方面，由于癌癥的病歷數(shù)量相對(duì)其他常見(jiàn)臨床病癥本身就十分有限，樣本數(shù)據(jù)不足，可用于深度學(xué)習(xí)模型訓(xùn)練的成功案例就更為罕見(jiàn)。另一方面，由于企業(yè)與醫(yī)療機(jī)構(gòu)之間的有效溝通渠道尚未打通，獲取病人真實(shí)病歷面臨多重阻礙以及高額的資本與時(shí)間投入。因此，沃森智能癌癥診斷工具的大量訓(xùn)練時(shí)間都用于掌握腫瘤學(xué)家設(shè)計(jì)出的理想化病歷與治療方案，即便是僅有的635例真實(shí)病歷數(shù)據(jù)也多集中于肺癌，不具備普適性。將沃森的癌癥治療建議與醫(yī)院腫瘤專(zhuān)家的建議進(jìn)行比較后發(fā)現(xiàn)，沃森的智能診斷方案差強(qiáng)人意。尤其是在韓國(guó)加欽大學(xué)吉爾醫(yī)療中心，為656名結(jié)腸癌患者提供的診斷建議與醫(yī)生的醫(yī)療方案的一致率僅有49%。

IBM沃森項(xiàng)目折射出人工智能應(yīng)用的四大誤區(qū)

夸大宣傳，名實(shí)難副。不僅是以沃森為代表的智能醫(yī)療行業(yè)，其他領(lǐng)域的人工智能應(yīng)用也是名實(shí)不符。以無(wú)人駕駛為例， 2018年無(wú)人駕駛企業(yè)紛紛提出年內(nèi)實(shí)現(xiàn)無(wú)人駕駛商業(yè)化運(yùn)營(yíng)計(jì)劃，看似是無(wú)人駕駛元年的2018年，卻成為無(wú)人駕駛商用的平臺(tái)期，所謂的“無(wú)人駕駛”實(shí)則只是 L2、L3 級(jí)別的有條件自動(dòng)駕駛，“商業(yè)化運(yùn)營(yíng)”也多為短期封閉園區(qū)內(nèi)的應(yīng)用示范，眾多商業(yè)計(jì)劃紛紛“跳票”，甚至還有幾項(xiàng)在世人矚目下以失敗告終。目前，業(yè)界尚缺乏統(tǒng)一的人工智能測(cè)試標(biāo)準(zhǔn)，其產(chǎn)品無(wú)法被量化評(píng)價(jià)，企業(yè)對(duì)人工智能產(chǎn)品進(jìn)行過(guò)分夸大的宣傳，不利于行業(yè)的長(zhǎng)遠(yuǎn)健康發(fā)展。人工智能的確未來(lái)可期，但目前應(yīng)用落地尚處探索階段，終端產(chǎn)品的性能與用戶體驗(yàn)仍需提高，過(guò)多的夸大宣傳與造勢(shì)炒作，一方面會(huì)給公眾以不切實(shí)際的想象與期望，另一方面，還容易引發(fā)資本界的無(wú)序跟風(fēng)投機(jī)，進(jìn)而激發(fā)行業(yè)泡沫。

急功近利，根基不穩(wěn)。人工智能的技術(shù)能效在很大程度上取決于用于模型訓(xùn)練的數(shù)據(jù)數(shù)量與質(zhì)量。然而，在很多情況下，高質(zhì)量的數(shù)據(jù)樣本非常稀缺，且獲取數(shù)據(jù)的過(guò)程面臨重重阻礙，相關(guān)企業(yè)對(duì)此類(lèi)基礎(chǔ)環(huán)節(jié)不夠重視，在投入與積淀嚴(yán)重不足的情況下，急切地將尚不成熟的產(chǎn)品推向市場(chǎng)，引發(fā)一系列“質(zhì)量”問(wèn)題，為人工智能技術(shù)商業(yè)化落地平添阻礙。截至2018年5月8日，全國(guó)有人工智能企業(yè)4040家，其中拿到風(fēng)險(xiǎn)投資的人工智能企業(yè)僅有1237家，僅占30%，仍有70%的公司 拿不到風(fēng)險(xiǎn)投資。全球新增人工智能企業(yè)數(shù)量自2016年達(dá)到2733家?guī)p峰后，便開(kāi)始逐年下降，隨著人工智能創(chuàng)業(yè)熱潮趨于理性，未來(lái)市場(chǎng)將會(huì)更加注重核心技術(shù)與落地能力，急功近利的布局策略終很難在市場(chǎng)立足。

研用脫節(jié)，落地困難。目前除計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)等相對(duì)成熟的人工智能技術(shù)催生出的智慧安防、智慧交通、精準(zhǔn)營(yíng)銷(xiāo)等垂直應(yīng)用場(chǎng)景外，醫(yī)療、制造業(yè)等大多數(shù)傳統(tǒng)行業(yè)的業(yè)務(wù)需求與人工智能前沿科技成果之間尚存在較大鴻溝，人工智能技術(shù)的全流程應(yīng)用尚未實(shí)現(xiàn)。據(jù)統(tǒng)計(jì)，目前人工智能技術(shù)多聚焦于計(jì)算機(jī)視覺(jué)，其中68%的計(jì)算機(jī)視覺(jué)技術(shù)集中應(yīng)用于智慧安防、智慧交通等場(chǎng)景。多數(shù)人工智能創(chuàng)新成果與實(shí)體經(jīng)濟(jì)融合尚處于起步階段，人工智能創(chuàng)新成果在行業(yè)推廣應(yīng)用時(shí)，仍面臨數(shù)據(jù)、標(biāo)準(zhǔn)、 資質(zhì)、安全評(píng)估等多種壁壘。

迷信深度學(xué)習(xí)，以偏概全。深度學(xué)習(xí)僅是實(shí)現(xiàn)人工智能的路徑之一，且并非一項(xiàng)完美的技術(shù)路徑。一方面，當(dāng)前的深度學(xué)習(xí)本質(zhì)上是一項(xiàng)黑盒技術(shù)，其訓(xùn)練過(guò)程具有難以解釋、不可控制的特點(diǎn)，隨著人工智能應(yīng)用復(fù)雜度、需求數(shù)據(jù)量的指數(shù)式增長(zhǎng)，機(jī)器學(xué)習(xí)尤其是基于多層神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的復(fù)雜程度，將愈發(fā)超出人類(lèi)的理解和控制范疇，在快速進(jìn)化過(guò)程中極易偏離預(yù)設(shè)軌跡。另一方面，基于深度學(xué)習(xí)的人工智能技術(shù)過(guò)度依賴(lài)數(shù)據(jù)，而數(shù)據(jù)建模與真實(shí)生活之間卻很難直接劃上等號(hào)，數(shù)據(jù)采集時(shí)也很難保證完全合理。比如，亞馬遜智能簡(jiǎn)歷篩選工具歧視女性，就是由于過(guò)去十年里，男性在科技行業(yè)從業(yè)人數(shù)中占有主導(dǎo)地位，用于訓(xùn)練的樣本數(shù)據(jù)中大部分簡(jiǎn)歷來(lái)自男性，導(dǎo)致其誤以為女性簡(jiǎn)歷不具備競(jìng)爭(zhēng)力，在抓取關(guān)鍵詞時(shí)更偏向男性。

對(duì)策建議

筑根基。人工智能發(fā)展要一步一個(gè)腳印地向前走，強(qiáng)化人工智能的基礎(chǔ)性研究，切勿急功近利。一是以技術(shù)基礎(chǔ)理論、算法 為核心，系統(tǒng)謀劃和組織攻關(guān)，促進(jìn)共性技術(shù)的研發(fā)和應(yīng)用推廣，夯實(shí)發(fā)展基礎(chǔ)。二是開(kāi)發(fā)人工智能算法所需的數(shù)據(jù)資源，構(gòu)建基礎(chǔ)設(shè)施等關(guān)鍵環(huán)節(jié)，推動(dòng)人工智能軟硬件平臺(tái)及生態(tài)建設(shè)。三是前瞻布局腦科學(xué)、計(jì)算機(jī)科學(xué)等領(lǐng)域的基礎(chǔ)理論研究，探索人工智能發(fā)展的最優(yōu)路徑與根本目標(biāo)。

促應(yīng)用。積極培育人工智能創(chuàng)新產(chǎn)品和服務(wù)，推進(jìn)人工智能技術(shù)產(chǎn)業(yè)化，形成科技創(chuàng)新和產(chǎn)業(yè)應(yīng)用互相促進(jìn)的良好發(fā)展局面。一是聚焦智慧交通、智能家居、智慧安防等需求明、范圍廣、基礎(chǔ)好且可形成示范帶動(dòng)效應(yīng)的領(lǐng)域，積極推廣人工智能技術(shù)應(yīng)用。二是提供更多有代表性的應(yīng)用場(chǎng)景，為人工智能創(chuàng)新成果提供展示與示范應(yīng)用平臺(tái)，推動(dòng)其實(shí)用化、產(chǎn)業(yè)化。

強(qiáng)監(jiān)管。一是強(qiáng)化智能醫(yī)療、智能金融等多種人工智能應(yīng)用的事中事后監(jiān)管，避免出現(xiàn)“偽人工智能”等違規(guī)應(yīng)用。二是建立健全法律法規(guī)，確保人工智能技術(shù)向商業(yè)化產(chǎn)品轉(zhuǎn)換過(guò)程中的安全可靠，規(guī)范人工智能產(chǎn)品宣傳，避免夸大其詞，誤導(dǎo)消費(fèi)者。