2019 年 1 月 19 日，EmTech China 2019 全球新興科技峰會于北京國貿大酒店正式舉辦，來自世界各地的約 70 位頂尖科學家和科技公司領袖，分享了他們對于科技趨勢的獨家見解。曾被《時代》雜志評為 100 名最偉大的科學家之一的“萬維網之父”，擁有超過 120 年歷史的美國超級企業領導人，全球最“性感”數據科學社區創始人等等也蒞臨現場。

在 1 月 19 日上午“AI 時代”板塊的圓桌討論中，在現場主持人，《麻省理工科技評論》人工智能領域資深編輯 Will Knight 的主持下，賓夕法尼亞大學教授 Dan Roth，通用電氣全球副總裁 Colin Parris，英偉達副總裁 Kimberly Powell 分別就人工智能未來的發展機遇和挑戰，發表了自己的看法。

（來源：DeepTech）

以下為會議現場嘉賓發言討論內容（略有刪減）：

問：GE 數字孿生這個概念非常引人入勝，而且這個系統不只可以做飛機引擎的打造，還可以做汽車或者其他的領域？

Colin Parris：的確是這樣，因為現在我們大概已經有超過 200 萬個數字孿生的項目了，這是 2017 年的數字。而且基本上覆蓋了各個行業，這個甚至可以應用到人類的分析上。比如說我們可以做臀部的分析，去做人類的建模。當然，這個模擬還可以用到其他的項目進程分析上，我覺得是一個非常普遍的想法。可能未來我自己還能有一個數字雙胞胎可以替我上班了。

問：我們怎么能保證人們可以相信我們的系統呢？因為這個系統通常是非常復雜的，我們如何真正想去信賴它，讓它幫助我們做決策呢？

Colin Parris：信賴是非常難獲得的，尤其是在航空領域，可能人們認為這就是一團糟，我們沒有辦法信任機器。我們其實是通過解釋，通過數據的收集，以及事實的介紹，幫助我們提高信任的程度。當然最終真正會有一個階段，人們開始相信機器的能力。

問：人工智能在醫療領域上的應用都是非常有前景的，但是我覺得信任可能也是醫療領域中的一個潛在難題，我們怎么能讓人們接受人工智能呢？

Kimberly Powell：的確現在這個接受度的關注是非常火的，也是會切實影響整個技術的普及。比如說現在我們會用人工智能來幫助我們去識別一些影像學的數據。之前我也去個中國的一個醫院，是在上海，我也采訪了一個肺癌影像學家，當時他也給我做了一些非常中肯的分析，包括如果收集到了足夠的數據，比如說我們可能分析了 500 個 CT 掃描報告之后，其實真正每一次分析都會變的更加的準確，而且我們有一套算法來支持它。在臨床實驗中，我們也可以使用這種算法。這樣的話才可以真正的實現價值，比如說就計算機的能力來說，我們可以代替人來看影像報告，得出最終的結論。

當然了臨床實驗還是需要符合相應的監管要求，可能整體的發展要通過幾十年的努力，現在由于整個美國藥監局的監管條例也在支持著人工智能的發展，我相信未來的發展會更好，整個信任程度會更高。這樣的話，如果限制的因素少了，我相信發展的速度會更快。而且我們也可以更快的完成整個臨床實驗的過程，這樣也可以讓監管方滿意。

圖 | 英偉達副總裁 Kimberly Powell（來源：DeepTech）

問：的確人工智能并不會取代某些行業，而是為我們的行業助力。很多人會說我們的放射學家可能會被淘汰，但我覺得并不是這樣，能不能給我們說一說現在的現狀是什么？

Kimberly Powell：其實現在我覺得放射學家的狀態，是他們的工作負擔太重了，而且專業人員的短缺是非常嚴重的，在日本、美國是這樣的，在中國尤其如此，全球很多國家都缺少相應的醫療職業人員。

而且現在放射學家的思維觀念也轉變了，人工智能最開始的算法其實來自于技術公司，他們會收集很多的數據來訓練算法，大家認為電腦訓練出來的數據會比放射學家做的更好。但其實放射學家的從業經歷也非常值得借鑒。所以我們需要整合人和機器的能力，更好的推動醫療領域的發展。

更重要的是，對于醫療服務提供者來說，大家最終的愿景是要拯救病患，我們需要做的就是集結所有的資源和力量來實現這個目標。

問：Dan 我知道你是語言和人工智能方面的專家，剛剛給我們介紹了很多現有的挑戰，還有自然語言處理，怎么顛覆其他醫療行業的發展。在行業應用的層面來說，你也說過變革是非常快的，而且現在人工智能還面臨著一些局限，你的想法是什么？

Dan Roth：我覺得我們的發展速度還不夠快，應該更快一些。對于醫療領域來說，人工智能的應用不一樣。而且我們會收集不同類型的數據。如果我們去看病例的話，現在可能還只是一個簡單的文件，因為我們不知道這個文件究竟對于我們的意義是什么。內科醫生也不能來廣泛的分享記錄，因為畢竟還有隱私的問題。

如果我們去看醫療文獻，其實可能在每一年都會有 100 多萬篇的生物醫藥方面的論文發表，但對于公眾來說，我們并不知道這個領域取得了哪些進展。而且我們所顛覆的可能并不是整個行業，而是某一個特定的領域。對于內科醫生來說，需要理解的是藥物在 35 歲以上的病人身上到底有什么效果。

如果我們再看一下數百數千的臨床實驗，我們也不一定知道，具體這個能夠給我們帶來什么樣的信息，所以說我們對于信息的處理或者對于信息的理解是不太清楚的。雖然說我們在這塊也做了各種各樣的工作。

圖 | 賓夕法尼亞大學教授 Dan Roth（來源：DeepTech）

問：說到醫療領域，我知道機器人可能會被更多的使用。在新藥研發這塊會有什么新趨勢嗎？因為在這方面確實有很多新進展，我想問一下，為什么 AI 會在醫療領域做出這么大的貢獻和改變？

Kimberly Powell：在過去的幾十年，我們在研發藥品的時候都是靠實驗，不僅數據非常復雜，而且成本非常高，一個新藥上市要花數十億美元。現在我們有基因組學的數據，我們也有很多的病例數據，可以在研發新藥的時候使用。

雖然說病例數據大家已經用了幾十年了，但為什么不用這樣的數據幫助我們更好的進行新藥開發呢？如果過去我們需要花六年的時間來研發一個新藥，現在能夠節省一年的時間，就已經是一個很大的進步了。而且人工智能幫助開發的新藥更加精準，這可能是更大的一個勝利。

在這個問題上面，我們研究的越深，我們的數據就更加標準化，我們的系統就更加的全面，不單單是幫助我們識別或者進行病情分類，而且幫助我們更好的進行病情的組織，這就是更好的精準醫學和預防性醫學的開始。所以說，這就是為什么我們之前的數據非常復雜、非常亂，也沒有辦法很好的進行數據的利用。但是未來這個問題得到解決，就會有很大的進步。

問：我們都知道有很多材料科學的公司也在做一些 AI 的東西，我想問一下，之前你所說的項目特別有意思，AI 和實際的物品進行對比是不是精確的？現在在所謂的互聯網上面進行掃描的時候是不是依然有這個問題？

Dan Roth：我們在過去的幾年當中已經意識到了噪音是非常重要的問題。因為信息太多了，我們也都不知道信息源是什么，而且所有的信息是不是一致的，或者這些信息源來自于你可以信任的人或者有其他的一些目標，或者是不是這些信息有其他的目的之類的。

所以說，我們必須要改變我們處理信息的方式，我們要更好的自然語言處理，比如說在這段話當中它的目標、目的是什么。有些人會告訴我們做一些事情，這些事情到底又有怎樣的目的。其實這動取決于目的是什么。

我自己其實比較樂觀，我正好知道有一家公司，它是專門處理自然語言數據的，比如說他們會對 1000 萬份 E-mail 進行分析，在這里面進行語言分析，大家是不是泄漏了信息，是不是合規合法。所以說這里面我們僅僅通過這樣的一個單位之間的關系判別，依然可以做很多的東西，我們可以發現內部員工在使用信息的時候是不是出現了一些異常之類的。

說到自然語言處理還有很長的路要走，但是現在一分鐘之內就可以分析完一千萬電郵，還是能夠幫助我們很大的提高效率的。

問：其實在社交網絡當中也可以使用這個技術，能夠幫我們更好的了解社交網絡上面的參與者。這是不是可以變成游戲一樣的東西呢？是不是我們可以直接改變維基百科上面的定義呢？

Dan Roth：你能夠解決一些事情的時候，別人會重新定義解決方案，但是還可以想象一下，因為有這么多的信息，總是有些信息需要處理，有一些信息來自于媒體或者來自于社交媒體，通過這些信息我們來判別一個大致的趨勢。