算法的寿命和死亡：如何理解人工智能的，可以治愈人?

<时候学习机，最经常的对话是有关医疗领域。 这是不是令人惊讶的：一个巨大的行业，产生一个惊人的数量数据和收入，而技术进步可以改进或保存的数以百万计的生命的人。 几乎没有一个星期过去而无外观的研究表明，算法将更好的专家来识别肺炎或是阿尔茨海默氏病疾病的复杂的机构，从眼睛到心脏。 和所有这一切，但与#8230;

<<跨id="更305811">

<问题的拥挤不堪的医院和劳累过度的护士都是中毒的公共卫生系统，并增加成本的私人保健系统。 在这里，再一次，算法提供一个诱人的解决方案。 有多少次的实际需要看医生吗？ 是它可能取代这些访问能提示机器人—这将配有便携式诊断测试，利用最新的成就在生物技术领域的吗？ 不必要访问可能会减少，病人可以被诊断，并提到的专家迅速，而没有等待的初步协商。

<为在这种情况下的人工智能的算法，目标不是更换医生但是给予他们工具，以减少日常或重复性的碎片的工作。 有一个AI，可以探索成千上万的扫描每一分钟，"无聊的东西"仍然是在机器上，医生们可以专注于那些部分的工作，需要更多的复杂、微妙的，基于判决有关的最好方法治疗和患者的需要。

高风险

<然而，作为在这种情况算法，大赦国际，有关的风险与他们的使用，甚至对任务被认为是世俗。 问题的算法"黑箱"，采取令人费解的决定、足够严重的时候你是在尝试理解为什么自动提示机器人-招聘人员不是印象深刻，你的故事在采访期间。 在健康方面，其中决定可能意味着生或死亡，造成的后果的算法的失败可能是致命的。

<神经网络完全有能力处理大量的培训数据和联系，吸收基础的模式或逻辑系统在隐藏层的线性代数；是否探测皮肤癌的照片或写pseudosclerosis的语言。 然而，他们被非常解释的根本逻辑的关系，他们发现有更多的东西不仅仅是一串数字，统计权之间层。 他们不能区分的相关因果关系。

<提出了一个有趣的困境，为医疗专业人员。 梦中的大数据中医药是提供神经网络"的大量数据的有关健康"，定位复杂的，隐性关系和作出个别评估的患者。 如果有什么的算法将是不合理有效的诊断的健康状况或处理分配，但是你不会有一个科学的理解如何将这种关系实际工作?

太多线程，需要放松

<统计模型的基础是这些神经网络往往假定的变量是相互独立，但是在一个复杂的、交互式系统之类的人身体,它不总是这种情况。

<在某种意义上说，这是一个已知的概念医学中有许多现象的关系，已经观察到几十年，但是仍然很少了解在生物的水平。 扑热息痛是最流行的一种止痛药，但仍在积极讨论有关他的行动。 从业者可以寻求使用任何工具，是最有效的，无论它是否是基于深入的科学理解。 粉丝的哥本哈根解释的量子力学可以改变措辞，如"闭嘴，医治了！"。

<当然，在这个区域正在进行的辩论，关于是否做我们所冒的风险与这种做法忽视了更深入的了解，最后将证明更有成效，例如，寻找新的药物。

<除了哲学的蓬勃发展，有些实际问题：如果你不明白的黑盒子的医疗算法，如何处理该问题的临床试验和监管？

<可能需要透明度方面的运算法的数据他看来，在该阈值的基础上得出结论或提供咨询意见，但这可能冲突与动机的利润以及追求的保密的医疗。

<一个解决办法可能是删除的算法，这是无法解释自己或依靠很好的理解医学科学。 但是它可能阻止人民获益的有益的工作，这样的算法。

的评价的算法

<新算法在卫生领域将不能够做什么样的物理学有没有与量子力学的，因为它不是部署在该领域。 许多算法是改善工作的领域。 我们如何选择最有希望的方法吗？

<建立一个标准化系统的临床试验和测试，这同样适用算法是以不同的方式工作或者使用不同的输入数据将是富有挑战性的。 临床试验用样品尺寸小，例如，算法，尽量进行个性化治疗的个人也将具有挑战性。 小样本和薄弱的科学理解正在发生的事情，就不可能确定的，算法已经成功或失败，因为他可能是好的，但是展示一个不好的例子。

<添加到这个混合培训和图片甚至变得更加复杂。 "更重要的是，理想的算法"黑箱"是塑料和不断更新，以传统模式的临床试验是不合适的，因为它依赖于一个静态的产品，是受到稳定的等级"。

<我需要定制整个系统的医学和临床试验。

平衡

<健康，反映了历史的人工智能在许多方面。 这不是巧合，IBM试图改变医疗保健领域，使用它的人工智能Watson。

<平衡会被发现。 我们必须找到一种方式来处理大量数据、使用可怕的力量神经网络和自动推理。 我们应该意识到的缺点和偏见的这种方法要解决的问题。

<同时，我们必须欢迎这些技术，因为它们可以成为一个有用外来的技能、知识和了解，可以给人民。 喜欢神经网络，我们的行业需要了解，扩大这种合作在未来。

<同意吗？ 让我们讨论在我们<强>