• 注册
  • 查看作者
  • 假如AlphaGo是中医,中医会更好吗?

    近期最引人注目的新闻无疑是:人和狗打起来了。不对,阿尔法狗和人类智能,在可能是最复杂的智力游戏——围棋上,打起来了。

    当前三局阿尔法狗以3:0干净利落赢下时,人类不禁惊呼:未来的世界一定是人工智能的世界,人类是不是每天只需要享受着狗狗们的服务,就可以过着弹琴画画品茶聊天的滋润生活了?

    但是,当李世乭九段凭借着“神之一手”一举击溃人工智能时,人类对自身智商的信心又立刻回来了:狗狗啊,毕竟 too young,sometimes naive,竟然也会有可能表现得如此业余!

    12

    当然,书生更加关注这个机器在医学领域的前途和潜能。

    为什么阿尔法狗如此厉害?
    因为这只狗凭借着Google公司强大的计算资源,历史性地结合了以往的3大块强势技术:首先是蒙特卡洛树搜索(MCTS)算法:这个算法谷歌公司有着很形象的描绘,基本上所有的棋类都是凭借这个算法工作获得每一步棋的最优解,这是阿尔法狗的骨架。

    机器学习算法或称自身强化学习(RL),这个是人工智能提升自身实力的关键,算是狗狗的肌肉。

    深度神经网络(DNN)用来拟合局面评估函数和策略函数,因此可以量化评估围棋局面,这个算是狗狗的大脑。

    有了这身血肉,配合谷歌大叔的投喂,狗狗当然可以所向披靡了。

    在医学领域前景如何?
    等等,有医学背景和下棋经验的盆友一定要发声了:狗狗这个系统,用在人类疾病诊断和治疗上,不说天上一对,至少也是地上一双吧?

    其实,人工神经网络系统大概在十年前就已经被用来辅佐影像学诊断。除了这个,狗狗对于内科医生的帮助是什么?我们可以想想,医生现在的诊断思路是怎样建立的?医学生会回答:不是有临床指南吗?跟着指南来呗。对!传统的临床思考用的就是归纳法:症状、体征、检查做一溜够,不符合什么,于是得到排除诊断;符合什么,于是有了大致的概念。

    这种临床路径就是计算机科学中简化了的决策树,是一种初级的诊断疾病的决策树模型,只要输入的信息足够充分、逻辑足够清晰,就能够做出诊断和治疗的最优解。这和狗狗下棋是一致的,它会计算每个落子最终棋局胜负的概率。

    当然,我们的重点肯定在中医上(傲娇脸)

    中医看病有几大特(wen)点(ti):第一:机理不明确,即所谓的黑箱理论和补丁理论。用药治疗有效后,归纳出的理论都是建立在之前的理论推断之上,即中医的理论和思维是在不断给假设纠错的,好比写了一个基本的程序,虽能运行起来但总是马马虎虎,bug不断。于是就要程序员不断更新,打打补丁修复bug,来完善原来的程序。中医、八字算命等等也是一样,一开始就是道生阴阳,发现阴阳不够,于是建立五行;五行不够,五行各自也有了阴阳属性,于是有了十天干。十天干还是太单纯,于是有了十二地支,使得模型内部产生的排列组合能够增加丰富和复杂程度,用于解释现实事物。

    人工智能辨证能沿用人类这套逻辑吗?这可和围棋明确的规则大不相同。

    第二:沿用至今的中医诊断方法有不少种,有六经辨证、八纲辨证、卫气营血辨证、三焦辨证、脏腑辨证及气血津液辨证等。这些辨证方法交织重叠,不是一个完整的体系,这意味着建立诊断模型时要考虑到不同的体系。

    第三:中医的描述具有模糊性。

    比方说:心痛,在古代很长一段时间是指的胃痛,譬如西施姑娘。现代病人主诉胸痛时,很多时候也分不清到底是哪里的痛。这意味着诊断模型要对于不确定、不精确及不完全真值的输入有容错处理的能力。

    第四:不同的中医大夫对同一个疾病同一个证型的处方都千变万化,譬如一个风寒咳嗽,古今文献里有多少治疗方剂可以选择?恰如棋盘上每一个局部处理,各流派的选择都不相同。

    但是在对阿尔法狗的测试中,我们欣喜地发现,狗狗既能通过价值网络进行判断结合蒙特卡洛树进行筛选,做出的判断和选择令所有人惊讶,也能通过自身的左右手互相博弈进行学习,找到每个局部情况下获胜概率最高的一手。

    我们有理由相信,在建立可靠的人工智能分析症候群和生理病理特点分布的基础上,狗狗经过病案数据库的学习,能够避开黑箱理论的缺陷,不落经典理论的窠臼,胜出古往今来所有的中医大家,给出特定情况下最可靠的诊断,处方用药也是经过不断学习后产生的最简单的最优解。

    聂老在看完第一局棋后也不得不说,他要向阿尔法狗脱帽致敬,因为狗狗的那一着棋,是古往今来的大家们都没有想到的。我们自然也可以设想,狗狗给出的处方不会受伤寒温病学派的藩篱所限,遣方用药也可以是国医大师们没有想到的各种排列组合。如果出现这样的结果,对中医学界的净化和提升将有着无比的帮助:

    花哨的思想将无处容身,

    冗余的用药也会不复存在。

    狗狗看病靠谱吗?
    有人会问,狗狗不是在第四局出现了惊人的低级失误嘛,表现得跟围棋初学者一样,把诊断治疗交给这样的机器,是不是不够靠谱?

    事实上,疾病的诊断是一个极其复杂的事情,我们人类能够做到准确诊断的病历,大概只占所有看过病历的30%左右,这个数据如果拿去询问临床医师,可能医师们的信心是要低于这个数值的。毕竟,任意三个病人,就要保证一定得准确看好一个,这个难度是不低的。可是在测试没有完善的狗狗时,狗狗能力值的巅峰已经超过了人类的最高水平,聂老评价阿尔法狗的中盘水平大概在13-15段左右,而狗狗能在绝大多数时间保持这个水平,你觉得够不够?差别的原因就在一个单位时间内的计算量上。

    看来在不久的将来,是时候宣布医生集体下岗,让狗狗占领医院了,哦耶!
    但是
    1996年IBM公司的“深蓝”在完成打败人类高手卡斯帕罗夫的使命后从此退出了江湖。现在谷歌大叔也要遇到同样的问题:一个公司不可能一直高投入,而仅仅是为了让“阿尔法狗”一直活着。绝大多数人所不知道的是,“人狗大战”期间,谷歌调用了一组高级服务器维持狗狗的运转,每盘棋耗用8万度电,每落下一颗棋子的成本是3000美元……

    患者们本来满心充满喜悦,现在内心里刹那间只能听到小算盘的声音了:假设像上面说的看一次病需要三到五步的计算量,人类请狗狗看一次病光是诊费就得上万美元,还不包括检查和药物费用,当然公司和医院也不是慈善组织,这个价格怎么着也要至少翻一到两倍。
    不过,放心吧,真要是能做出这样的机器,人类一定会让它进入医疗市场的。为什么?因为那只无形的手具有无穷的力量:只要有利可图,肯定有公司愿意做出来;只要推向市场,公司就一定会有利润作资本来推动商品本身的进化,降低成本。

    嗯,没错,那只无形的手就叫作市场(本文由下火网,一个专注分享上火资讯的网站,转载自医界书生微信公众账号)。

  • 0
  • 0
  • 0
  • 72
  • 请登录之后再进行评论

    登录
  • 发表内容
  • 实时动态
  • 偏好设置
  • 单栏布局 侧栏位置:
    抑郁症测试|性取向测试|九型人格测试|双向情感障碍