黑科技：人工智能是如何看病的？

人工智能时代，传统处理器已无法满足企业对人工智能产品快速推理的需求，为了让人工智能的应用更便携、更快速，英特尔对处理器都做了什么？

2020年，肺部CT等图像频繁出现在大众视野中，医生诊断一位患者就需仔细观察超过300幅CT影像。往日里医生或许可以慢慢看，但在疫情之下，这样的速度完全不够。如果医生诊疗流程简化为问诊、检查、看报告、判断、给出治疗方案五个环节，一个会看CT、能快速做判断且不会疲倦的人工智能就能在第三环节节省大量时间。那么人工智能如何辅助医生看病并分辨出图像中的异样呢？

像人类识图一样，可以给机器输入大量的图片并提取图片特征。但是机器没脑子，这又该怎么办呢？

其实可以给机器搭一个人工神经网络，就像简化后平面化的人脑神经网络，在最左边的输入层输入训练图像，激活中间一层层设好参数的人工神经网络，在最右边输出层输出结果。

机器学习图像的本质是学数值的特征，可是一个一个学的话运算量太大，尤其遇到超高清图片。因此为了提取特征也减少运算，卷积核得以利用。

利用卷积核可以一个区域一个区域的扫，将每个对应的数字相乘再求和，就提取了区域数字特征，数据再经过"池化"环节，即提取区域内最大值，将特征数据量再浓缩、展平输入全神经网络，这样就可以减少运算量。

卷积核的大小、步调、卷积层的数量等都可预先调节，机器输出的数值会和对目标结果预设的数值作比对，如果符合预期即为成功。否则就会通过一系列运算反向调节各环节参数，再次重复运算，直到符合预期，这就是机器自主学习的原理。

因此，人工智能看病需要准备大量肺部CT影像，找专业医生对病灶进行精准标注，然后输入神经网络进行训练，就可得到一个几秒内快速识别肺部CT影像的卷积神经网络。

伴随神经医学、颈椎病征识别、DNA检测和癌症识别等各种场景应用，人工智能正深度重构整个医疗行业。相信不久以后，人工智能可以在医疗中发挥更大的作用，也会在各个领域给与我们方便！

#人工智能##神经医学##黑科技##DNA检测##科技曼曼谈#