文章图片
文章图片
文章图片
当前深度学习技术的优势和局限性仍然存在争论 。 首先 ， 目前用于深度学习的仿生神经网络设计与人脑的活动非常相似 。 在结构上 ， 它们充其量类似于视网膜或视觉皮层的外层 ， 在那里图像只是被感知或呈现 。 这些神经元层几乎无法完成我们大脑的能力 ， 例如在更开放的通用智能领域中表现出的推理和知识成分 ， 它们构成了人类普遍常识知识的基础 。
人类认知还有其他一些与生俱来的美德 。 人类学习以其丰富性和效率而著称；孩子在几次跌倒后迅速学会走路 。 此外 ， 人类可以使用学习模型来编排动作序列 ， 以最大限度地提高未来的奖励 。 然而 ， 深度学习算法需要进行数以百万计的学习尝试才能准确地降级图像 。 因此 ， 深度学习虽然因其惊人的性能而广为宣传 ， 但其智能实际上相当浅薄 。
具有讽刺意味的是 ， 深度学习中的深度指的是神经网络的架构 ， 而不是人们充分强调的学习概念 。 从上述说明可以清楚地看出 ， 像确定对于当前的计算算法来说 ， 测试的适当性或从临床环境中的研究中权衡和提取信息的机制将是相当困难的 。 医生使用他对心脏生理学的默会和编纂知识来确定收缩末期和舒张末期的测量值 ， 并将这些测量值整合到心智模型中 。
深度学习技术可能不会被编程来推断心脏生理学的知识 ， 而是依赖于可能在数据集之外没有直观意义的平凡特征 。 令人震惊的是 ， 医生如何迅速了解初期病理和疾病表现 。 我们基于与先前知识的关联开发了一种新知识表示的分层模式 。 这使我们能够快速识别新案例的唯一性 。 深度学习技术目前无法按层次划分这种认知 。 特征集之间的大多数相关性是平坦的或非分层的 ， 就像在一个简单的、非结构化的列表中 ， 每个特征通常都具有相似的优先级 。
因此 ， 与人类智能不同 ， 深度学习还不能有效地整合先验知识 ， 并且在没有大数据集的情况下 ， 很难训练网络正确识别罕见异常 。 也就是说 ， 值得考虑的是 ， 机器学习技术用来做出决定的最合适的方法可能并不总是遵循人类经常使用的相同步骤 。 显然 ， 在这个领域 ， 新的认知、无监督、深度学习和强化学习方法之间的交叉对话可能对未来的发展尤其重要 。
综上所述 ， 张及其同事的工作代表了一个正确方向的阶梯；然而 ， 前面的路还很长 。 目前 ， 该技术的最佳用途是让医生将时间从重复的低水平和平静的活动中解放出来 ， 例如测量、数据准备标准化和质量控制 ， 从而将时间更直接地用于更高水平的解释、患者护理和医疗决策 。 这可能会让医生在回答诊断问题时更具互动性和体验性 ， 并将结果以最佳方式传达给团队 ， 这是良好患者护理的关键因素 。
【深度学习|人工智能为个性化护理带来更高的智慧，并促进患者生活方式的改变】此外 ， 此类策略可以加强医患关系 ， 并克服任何带有非人性化护理风险的工程方法 。 功能良好的医患接触是治愈的重要组成部分 ， 特别是对于慢性疾病 ， 医生的技能和诊断测试会影响患者的客观和主观幸福感 。 也许通过有效地整合自动测量和解释 ， 人类医生将继续做机器无法完成的工作 。 在个性化护理中 ， 人工智能会带来更高的智慧 ， 促进患者参与 ， 并激励患者进行急需的慢性生活方式的改变 。
相关经验推荐
- 电影|深度剖析：人类是如何沦为手机的奴隶
- 5G|人工智能和5G被列为2022年及以后最重要的技术趋势
- iphone13|这次iPhone13真带了一个好头，国产机不得已，只能学习
- 中兴|中兴三大品牌深度整合并邀请吴京代言，新一代蓝牙耳机已经发布
- 机器学习|?机器学习和人工智能的应用，在心脏病学的许多领域实现了更快的诊断
- 台电|深度体验丨iQOO 9 Pro距离“全能旗舰”只有一步之遥？
- VR|疫情当下，足不出户，家用VR多用机，健身减肥娱乐学习一机多用！
- 腾讯|焚烧垃圾用上人工智能了？全年多发3.6亿度电，能省出一座水电站
- 华为|未来，国企会优先使用华为的系统，人工智能也会更多地进入家庭
- 珠海|国内企业真该好好学习下，珠海佳能关厂补偿丰厚