--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能时代：破解人机共存密码（套装共10册）" author: null edition: null publisher: null year: null isbn: "9787521719512" library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5" source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced" pdf_physical_page_count: 3314 pdf_physical_page_index_base: 0 range_start: 2600 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=2600&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2600&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2590&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2610&limit=10" --- # 人工智能时代：破解人机共存密码（套装共10册） > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=2600 | PRINTED_PAGE=NOT_DETECTED 当百度大脑可以构思诗句，当神经网络可以模仿巴赫训练出作曲能力，当日本的小说奖项评选正式把人工智能创作的文学作品纳入候选，所有人都开始意识到作为人类心灵圣地的文化艺术领域，对于人工智能来说也不神秘了。神经网络很像人类的大脑，有无数隐秘的神经通路。李白要在醉酒时才能诗兴大发，那是因为醉酒状态导致一些平时蛰伏的神经通路被激活。未来人类可以不用借助醉酒，而是借助神经网络尝试开发灵感。 法律、金融等专业人士的日子也将被改变。由IBM研发的世界首位人工智能律师Ross（罗斯）在2016年就职于纽约Baker & Hostetler律师事务所，负责帮助处理公司破产等事务。这是一个真正可以全身心为雇主考虑的法律全才，不会像人类律师那样昂贵，普通律师或者法官为何不试试利用这样的产品呢？2016年12月，北京市高级人民法院上线了一款名为“睿法官”的人工智能系统，它不仅仅停留在收集资料、为案情“画像”的辅助阶段，而是已经可以做到对案情进行分析，采集案件的多元信息，识别出影响案件定罪量刑的相关要素及当事人上诉的理由，帮助当庭法官做出初步判断，已经十分接近“判案”形态了。使用人工智能助理的律所和法庭能够比同行更高效地处理案件，从而创造更高的收益和社会效益。 金融的城堡由数字的砖块堆砌而成，随处可见人工智能可以渗透的缝隙。 著名的布隆伯格就是用数据武装的华尔街之狼。这位曾当过纽约市长、身家几十亿美元的企业家，几十年前就通过金融数据处理工具杀入了华尔街。在他推出自己的债券交易产品之前，交易员基本上依靠查询路透消息源来查询价格，然后用铅笔和纸进行计算。而布隆伯格提供的产品，给用户提供市场的实时数据、计算能力、财务分析等，迅速席卷了所有债券交易所。布隆伯格第一次卖出他的产品给美林时是1982年，而微软在同年才刚刚推出Excel的第一版，当时还叫作Multiplan。 ## PDF_PHYSICAL_PAGE_INDEX=2601 | PRINTED_PAGE=NOT_DETECTED 布隆伯格的例子也许有些远。但是在中关村、五道口、西二旗、张江、华强北，无数雄心勃勃的青年人在试图利用数据智能工具完成人生逆袭。人工智能不分贵贱，只在乎能力。人事管理员可以利用数据工具研究公司人员分布状况，提出优化意见。咖啡店可以通过智能对话App为用户订咖啡，并迅速了解他的口味。昔日的游戏高手，可以转型为游戏直播解说员，他比别人更能发现人工智能哪里还不太像人类。 人工智能的潮流虽然会掩埋一些职业，但也会催生新的机会。汽车消灭了马车车夫，却创造出了司机这个职位。人工智能的普及也会创造新的职业机会。吴恩达举了一个例子：以后无人机会越来越多，而无人机交通管理工作现在还没有，以后准会出现，谁来做这个工作？他建议人们把更多精力投入在教育和培养人才上面。 真正决定我们职业未来的，是我们是否具备智能时代需要的职业素养。当智能工具变得越发无所不能，能否灵活使用它就成为差距所在。一个对程序编写、数据分析、机器学习一窍不通的人，就像工业时代不会使用扳手的人一样。 现在几乎人人都拥有一部智能手机，但多数人在用它打游戏、看电影、刷朋友圈时，没有意识到其中蕴藏着通往未来的入口。人工智能领域很多世界最尖端的技术，都已经集成在诸如度秘一类的产品中。翻译、语音识别这些看似波澜不惊的功能，已经可以让你接触到最前沿的人工智能技术。 “工作着是美丽的”，这句话是已故女性作家陈学昭的长篇小说的名字。她是五四新文化运动的旗手之一。今天人工智能将会带来又一场新文化运动。而在智能时代，工作着依然是美丽的，它需要智慧，更需要人类在与机器的互相砥砺中前行。 ## PDF_PHYSICAL_PAGE_INDEX=2602 | PRINTED_PAGE=NOT_DETECTED 生命之歌，人工智能如何再造医疗 思索、奋斗、享乐、奔走……人类以肉身在世间拼搏，无论现世生活是幸福还是煎熬，总是渴望更健康长寿，渴望能亲眼看到未来的任何一天。昔日秦始皇为求长命百岁的仙药派人东渡，而今天的医疗科技则把长寿带给普通民众。 科技的发展又带来新的想象。无论是《超能陆战队》中亲切至极的医疗机器人“大白”，还是《攻壳机动队》中用人类肉体改造成的武器，都成为荧屏上的经典角色，令人津津乐道。虽然人类文明在工业革命后获得了突飞猛进的发展，但在现代医学的庇护之下，人类的肉身仍然显得那么脆弱。小小的身躯之内蕴藏着一个我们远未探索的世界。高科技会把人类的身体引向何处？这已经不仅仅是医生感兴趣的话题。 科学史上每一个领域的进步似乎都与医疗行业发生着重要关联。物理学家在光学领域和原子领域的研究带来了显微镜和X射线，宇宙飞船中为宇航员准备的健康检测室日后变成了重症监护室，生物学让动物实验成为人类最重要的医学测试方法，而化学更是一门与药品有着千丝万缕关系的学科。 那么人工智能在医学领域会扮演什么样的角色？答案恐怕不是一种角色，而是会改写整个医疗行业。 人工智能作为一种方法，对医疗的影响将是全方位的，由浅入深，由小及大。 尖端医学最为吸引眼球：Nature报道神经假体使腿部瘫痪的猴子能够重新行走；美国研究出“纳米鱼机器人”可以轻松将止痛药物传输到指定的身体部位；在基因药物领域，深度学习为改写基因、合成新生物提供了可能。 ## PDF_PHYSICAL_PAGE_INDEX=2603 | PRINTED_PAGE=NOT_DETECTED 类似的例子不是我们想要讨论的重点。纳米机器人、基因改造虽然是影视作品热衷的话题，却和现实领域颇有距离。更重要的是，虽然人工智能已经进入许多最前沿的医学领域，但几乎都还停留在理论或者实验阶段，不过在一些更成熟的领域，人工智能已经可以发挥重要作用。 在眼部疾病治疗中，由于对病人信息掌握有限，有1/10的病人会在治疗过程中受到伤害，其中至少一半伤害是可以预防的。英国知名的摩尔眼科医院与谷歌展开合作，打造了一款机器学习系统。这款系统仅凭眼部数字扫描结果，即可识别潜在的眼部疾病风险。眼部扫描技术早已有之，但是传统的机器在完成扫描之后，无法快速分析复杂的眼部数据。机器学习则是对付这类数据的能手，可以大大缩短分析时间和提升准确率，更快、更准确地为病人提供治疗方案。 IBM的watson机器人可以通过大数据和人工智能帮助人类分析肿瘤等疑难疾病。在日本，病理读片大多都需要两名医生共同完成以防止错漏，而NEC很多年前就开始在日本医院中推行自动读片系统，现在已经能够替代医生的角色来辅助读片工作。 生物大数据也正在改变着医学研究和制药业。在一些传统医学诊断中，医生会让病人在一段平缓的路上行走几分钟，并记录他们的行走距离。这个测试是为了预测肺移植者的存活率，并可检测肌肉萎缩的病程发展，甚至可以评估心血管患者的健康状况。但是如果你想同时拿到1000个人的监测数据，那么光是记录就会变得非常困难。 智能手机解决了数据获取的问题。美国一位研究者想要收集有关心血管的数据，于是上传了一个名叫“我的心脏计数器”的App到苹果商城，结果短短两周内他手上就有了超过6000人的测试结果。现在他面对的问题不再是样本不足，而是缺少面对庞大数据进行更精确分析的能力。 我们一旦有能力把生物大数据抽丝剥茧，获得想要的结论，整个医学行业将受益无穷。以糖尿病为例，仅在中国就预计有超过1亿人受此病困扰。糖尿病诊断过程中有一个令医学界十分头疼的问题，就是不容易对病人做到糖尿病亚型的精确细分，这对前期预防和后期治疗都极为不利。而大数据分析可以在这一点上发挥优势，如果最终能对每个病人做出具体的病型确认，就能真正做到“对症下药”。 ## PDF_PHYSICAL_PAGE_INDEX=2604 | PRINTED_PAGE=NOT_DETECTED 基因测序是发现致病原因的一个前沿方法。在这方面，我赞助了一个食管癌项目。过去在基因测序与疾病相关性的研究上，限于技术基本只能够做到单基因致病研究，比如发现某种基因突变会导致唐氏综合征之类的罕见病。而常见病很多是由多个基因组合的突变导致。过去由于计算能力达不到现在的水平，人们根本算不出来到底是哪些基因的组合导致了一些常见病。但是未来是可以算出来的。 大数据与智能分析对药物市场也会有明显改善。现代医疗中的药物品种已经变得越来越多、越来越复杂，有时病人会发现，光是治疗感冒的药物就多达几百种。大数据的出现，将为我们带来个人定制的药物使用方案，精准使用每一种最适合我们的药物。 这也就是“精准医疗”（Precision Medicine）的概念。美国前总统奥巴马2015年在国情咨文中提出“精准医学计划”，打算通过分析100多万名美国志愿者的基因信息，以便掌握疾病形成机理，开发相应药物，实现“精准施药”。通过互联网、人工智能与生物大数据的引领，精准医疗将成为一种把个人基因、环境与生活习惯差异考虑在内的疾病预防与处置的新方法。我国也在2015年由科技部召开精准医学战略专家会议，计划在2030年前向精准医疗领域投入600亿元。 多伦多大学的Brendan Frey（布兰登·弗雷）教授称，现代科技下我们已经能源源不断地获取基因生物学的数据，但是人类却难以破解和掌控这些海量数据，无法“理解”基因。我们可以想到，深度学习将扬其所长，寻找人类无法发现的基因关联。当人工智能找出健康的基因序列模式，人类就能够通过基因来诊断甚至预测疾病，优化用药靶向。 ## PDF_PHYSICAL_PAGE_INDEX=2605 | PRINTED_PAGE=NOT_DETECTED 精准医疗的概念引起了不少争议。美国女星安吉丽娜·朱莉通过基因检测获知自己有80%的概率患上乳腺癌和50%的概率患上卵巢癌，于是毅然切除了双侧乳腺和卵巢。这一举动引发了媒体的大讨论。仅因为一个数字概率就去做切除手术，会使很多人迟疑。更有人担忧预测技术会被滥用，成为引导病人“无病呻吟”以便谋取利益的一种手段。 预测性治疗正如人工智能在警事安全领域促成的预测性防范——在一个人还没有实施犯罪之前就采取预防措施。无论如何，未来的人类要更频繁地面对此类抉择。 相比进行基因检测进而提前手术这类较为奢侈的项目，人工智能在更多普适医疗项目上也具有重大利用价值。 在中国大城市中，超过70%的人处于身体亚健康状态，而由于看病难、工作忙碌等因素，真正去医院的人数不到5%。人们需要一个身边的“私人医生”。未来的医疗大脑会成为这个“私人医生”。所有人随时随地可以通过手机、智能系统“看医生”。远离大城市和三甲医院的人群也将拥有更多的医疗选择。 未来人类的医疗业态将会被人工智能改变，这是毋庸置疑的。但是在百度大数据实验室主任范伟身上发生过的一件事却让这个过程具有了一种魔幻感——人工智能已经为他实现了一次过去与现在的“穿越”。 30年前，当他还是一个高中生时，希望成为一名医生。他不仅在心里做了规划，还亲自跑到协和医学院招生办拜访。不过因为种种原因，范伟没有走进协和医学院的大门，而是来到清华学习计算机编程。 有趣的是，三十多年后，范伟真地做起了医疗。范伟现在的梦想，就是让更多的人能够早日用上医疗大脑。让医疗大脑为医生做辅助，包括为医生自动生成病历草稿，为医生节省时间，救治更多的病人。有了医疗大脑的辅助，医生这种职业一定会焕发新的光彩，医患关系也会更加和谐。范伟希望利用人工智能技术把有多年行医经验老医生的知识与阅历，变成一个软件，造福更多的人。 ## PDF_PHYSICAL_PAGE_INDEX=2606 | PRINTED_PAGE=NOT_DETECTED [1] 日本著名动画导演宫崎骏的作品，于1986年上映，讲述的是人与机器的关系。 ## PDF_PHYSICAL_PAGE_INDEX=2607 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2608 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2609 | PRINTED_PAGE=NOT_DETECTED 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2610&limit=10)