2019 年 1 月 19 日，EmTech China 2019 全球新兴科技峰会于北京国贸大酒店正式举办，来自世界各地的约 70 位顶尖科学家和科技公司领袖，分享了他们对于科技趋势的独家见解。曾被《时代》杂志评为 100 名最伟大的科学家之一的“万维网之父”，拥有超过 120 年历史的美国超级企业领导人，全球最“性感”数据科学社区创始人等等也莅临现场。
在 1 月 19 日上午“AI 时代”板块的圆桌讨论中，在现场主持人，《麻省理工科技评论》人工智能领域资深编辑 Will Knight 的主持下，宾夕法尼亚大学教授 Dan Roth，通用电气全球副总裁 Colin Parris，英伟达副总裁 Kimberly Powell 分别就人工智能未来的发展机遇和挑战，发表了自己的看法。
（来源：DeepTech）
以下为会议现场嘉宾发言讨论内容（略有删减）：
问：GE 数字孪生这个概念非常引人入胜，而且这个系统不只可以做飞机引擎的打造，还可以做汽车或者其他的领域？
Colin Parris：的确是这样，因为现在我们大概已经有超过 200 万个数字孪生的项目了，这是 2017 年的数字。而且基本上覆盖了各个行业，这个甚至可以应用到人类的分析上。比如说我们可以做臀部的分析，去做人类的建模。当然，这个模拟还可以用到其他的项目进程分析上，我觉得是一个非常普遍的想法。可能未来我自己还能有一个数字双胞胎可以替我上班了。
问：我们怎么能保证人们可以相信我们的系统呢？因为这个系统通常是非常复杂的，我们如何真正想去信赖它，让它帮助我们做决策呢？
Colin Parris：信赖是非常难获得的，尤其是在航空领域，可能人们认为这就是一团糟，我们没有办法信任机器。我们其实是通过解释，通过数据的收集，以及事实的介绍，帮助我们提高信任的程度。当然最终真正会有一个阶段，人们开始相信机器的能力。
问：人工智能在医疗领域上的应用都是非常有前景的，但是我觉得信任可能也是医疗领域中的一个潜在难题，我们怎么能让人们接受人工智能呢？
Kimberly Powell：的确现在这个接受度的关注是非常火的，也是会切实影响整个技术的普及。比如说现在我们会用人工智能来帮助我们去识别一些影像学的数据。之前我也去个中国的一个医院，是在上海，我也采访了一个肺癌影像学家，当时他也给我做了一些非常中肯的分析，包括如果收集到了足够的数据，比如说我们可能分析了 500 个 CT 扫描报告之后，其实真正每一次分析都会变的更加的准确，而且我们有一套算法来支持它。在临床实验中，我们也可以使用这种算法。这样的话才可以真正的实现价值，比如说就计算机的能力来说，我们可以代替人来看影像报告，得出最终的结论。
当然了临床实验还是需要符合相应的监管要求，可能整体的发展要通过几十年的努力，现在由于整个美国药监局的监管条例也在支持着人工智能的发展，我相信未来的发展会更好，整个信任程度会更高。这样的话，如果限制的因素少了，我相信发展的速度会更快。而且我们也可以更快的完成整个临床实验的过程，这样也可以让监管方满意。
图 | 英伟达副总裁 Kimberly Powell（来源：DeepTech）
问：的确人工智能并不会取代某些行业，而是为我们的行业助力。很多人会说我们的放射学家可能会被淘汰，但我觉得并不是这样，能不能给我们说一说现在的现状是什么？
Kimberly Powell：其实现在我觉得放射学家的状态，是他们的工作负担太重了，而且专业人员的短缺是非常严重的，在日本、美国是这样的，在中国尤其如此，全球很多国家都缺少相应的医疗职业人员。
而且现在放射学家的思维观念也转变了，人工智能最开始的算法其实来自于技术公司，他们会收集很多的数据来训练算法，大家认为电脑训练出来的数据会比放射学家做的更好。但其实放射学家的从业经历也非常值得借鉴。所以我们需要整合人和机器的能力，更好的推动医疗领域的发展。
更重要的是，对于医疗服务提供者来说，大家最终的愿景是要拯救病患，我们需要做的就是集结所有的资源和力量来实现这个目标。
问：Dan 我知道你是语言和人工智能方面的专家，刚刚给我们介绍了很多现有的挑战，还有自然语言处理，怎么颠覆其他医疗行业的发展。在行业应用的层面来说，你也说过变革是非常快的，而且现在人工智能还面临着一些局限，你的想法是什么？
Dan Roth：我觉得我们的发展速度还不够快，应该更快一些。对于医疗领域来说，人工智能的应用不一样。而且我们会收集不同类型的数据。如果我们去看病例的话，现在可能还只是一个简单的文件，因为我们不知道这个文件究竟对于我们的意义是什么。内科医生也不能来广泛的分享记录，因为毕竟还有隐私的问题。
如果我们去看医疗文献，其实可能在每一年都会有 100 多万篇的生物医药方面的论文发表，但对于公众来说，我们并不知道这个领域取得了哪些进展。而且我们所颠覆的可能并不是整个行业，而是某一个特定的领域。对于内科医生来说，需要理解的是药物在 35 岁以上的病人身上到底有什么效果。
如果我们再看一下数百数千的临床实验，我们也不一定知道，具体这个能够给我们带来什么样的信息，所以说我们对于信息的处理或者对于信息的理解是不太清楚的。虽然说我们在这块也做了各种各样的工作。
图 | 宾夕法尼亚大学教授 Dan Roth（来源：DeepTech）
问：说到医疗领域，我知道机器人可能会被更多的使用。在新药研发这块会有什么新趋势吗？因为在这方面确实有很多新进展，我想问一下，为什么 AI 会在医疗领域做出这么大的贡献和改变？
Kimberly Powell：在过去的几十年，我们在研发药品的时候都是靠实验，不仅数据非常复杂，而且成本非常高，一个新药上市要花数十亿美元。现在我们有基因组学的数据，我们也有很多的病例数据，可以在研发新药的时候使用。
虽然说病例数据大家已经用了几十年了，但为什么不用这样的数据帮助我们更好的进行新药开发呢？如果过去我们需要花六年的时间来研发一个新药，现在能够节省一年的时间，就已经是一个很大的进步了。而且人工智能帮助开发的新药更加精准，这可能是更大的一个胜利。
在这个问题上面，我们研究的越深，我们的数据就更加标准化，我们的系统就更加的全面，不单单是帮助我们识别或者进行病情分类，而且帮助我们更好的进行病情的组织，这就是更好的精准医学和预防性医学的开始。所以说，这就是为什么我们之前的数据非常复杂、非常乱，也没有办法很好的进行数据的利用。但是未来这个问题得到解决，就会有很大的进步。
问：我们都知道有很多材料科学的公司也在做一些 AI 的东西，我想问一下，之前你所说的项目特别有意思，AI 和实际的物品进行对比是不是精确的？现在在所谓的互联网上面进行扫描的时候是不是依然有这个问题？
Dan Roth：我们在过去的几年当中已经意识到了噪音是非常重要的问题。因为信息太多了，我们也都不知道信息源是什么，而且所有的信息是不是一致的，或者这些信息源来自于你可以信任的人或者有其他的一些目标，或者是不是这些信息有其他的目的之类的。
所以说，我们必须要改变我们处理信息的方式，我们要更好的自然语言处理，比如说在这段话当中它的目标、目的是什么。有些人会告诉我们做一些事情，这些事情到底又有怎样的目的。其实这动取决于目的是什么。
我自己其实比较乐观，我正好知道有一家公司，它是专门处理自然语言数据的，比如说他们会对 1000 万份 E-mail 进行分析，在这里面进行语言分析，大家是不是泄漏了信息，是不是合规合法。所以说这里面我们仅仅通过这样的一个单位之间的关系判别，依然可以做很多的东西，我们可以发现内部员工在使用信息的时候是不是出现了一些异常之类的。
说到自然语言处理还有很长的路要走，但是现在一分钟之内就可以分析完一千万电邮，还是能够帮助我们很大的提高效率的。
问：其实在社交网络当中也可以使用这个技术，能够帮我们更好的了解社交网络上面的参与者。这是不是可以变成游戏一样的东西呢？是不是我们可以直接改变维基百科上面的定义呢？
Dan Roth：你能够解决一些事情的时候，别人会重新定义解决方案，但是还可以想象一下，因为有这么多的信息，总是有些信息需要处理，有一些信息来自于媒体或者来自于社交媒体，通过这些信息我们来判别一个大致的趋势。
