AI問診變成“拋硬幣”，人工智能還能信嗎？_風聞

文/觀察未來科技

AI問診被認為是人工智能在醫療領域最具前景的應用，但近日，科學家們卻對AI問診提出了質疑。

具體來看，在醫療領域，AI用於診斷檢測人體一直質疑聲不斷，基於此，哈佛醫學院的數據科學家Kun-Hsing Yu選定了AI肺癌篩查來進行研究。

實際上，AI肺癌篩查一直以來都備受機器學習界關注，為此，2017年業內還舉辦了面向肺癌篩查的競賽。該活動歸屬於Kaggle的Data Science Bowl賽事，數據由主辦方提供，涵蓋1397位患者的胸部CT掃描數據。參賽團隊需開發並測試算法，最終大賽按準確率給予評獎，在官宣中，至少五個獲獎模型準確度90%以上。但Kun-Hsing Yu又重新測試了一輪，然後震驚地發現，即便使用原比賽數據的子集，這些“獲獎”模型最高準確率卻下降到了60-70%。

除了Kun-Hsing Yu外，普林斯頓一位博士，Sayash Kapoor，在17個領域的329項研究中也報告了可重複性失敗和陷阱，醫學名列其中。

基於研究，Sayash Kapoor博士及自己的教授還組織了一個研討會，吸引了30個國家600名科研者參與。一位劍橋的高級研究員在現場表示，他用機器學習技術預測新冠傳播流行趨勢，但因不同來源的數據偏差、訓練方法等問題，沒有一次模型預測準確。

這也讓我們看到當前人工智能仍然存在的問題，就是不夠成熟。實際上，這也是普遍的人工智能應用所存在的問題：由於部分人工智能企業及媒體傳播的誇大，導致了人工智能仍然青澀的能力在某些領域存在被誇大的情況。

其一，是由於部分人工智能企業及媒體傳播的誇大，導致了人工智能仍然青澀的能力在某些領域存在被誇大的情況。其二，是當前的人工智能高度依賴數據，但數據積累、共享和應用的生態仍然比較初級，這直接阻礙着人工智能部分應用的實現。其三，人工智能作為一種新的技術，在市場的應用無疑需要長期與實體世界和商業社會進行磨合，避免意外的情況發生。

人工智能掀起的技術革命成為不爭的事實，但對於人工智能的發展仍然需要合理的期待，否則就會像AI問診的結果一樣，變成“拋硬幣”的隨機事件。