解讀人工智能知識(shí)圖譜核心能力與應(yīng)用
解讀人工智能知識(shí)圖譜核心能力與應(yīng)用 通過(guò)機(jī)器學(xué)習(xí)建模,好人生集團(tuán)對(duì)基礎(chǔ)資源數(shù)據(jù)進(jìn)行開(kāi)發(fā),面向不同領(lǐng)域的應(yīng)用技術(shù),包括機(jī)器學(xué)習(xí)/深度學(xué)習(xí)、智能機(jī)器人等,使其能像人一樣,甚至是富有一定經(jīng)驗(yàn)的人,自主思考和行動(dòng),從而解決了人工智能發(fā)展中“替代和發(fā)展人的知識(shí)和邏輯”的關(guān)鍵技術(shù)。 目前較多應(yīng)用于人工智能學(xué)習(xí)方法是認(rèn)知算法、采用監(jiān)督學(xué)習(xí)的方法,以IBM Watson為例,從海量的醫(yī)學(xué)文獻(xiàn)和病歷中提取醫(yī)生臨床診斷經(jīng)驗(yàn),通過(guò)不斷重新調(diào)整它的內(nèi)部處理流程來(lái)得到一些問(wèn)題集合的最高可能性的正確答案,比如哪張放射性圖片顯示癌癥。正確答案必須是已知的,這樣系統(tǒng)才能被告知它何時(shí)做對(duì)、何時(shí)做錯(cuò)。然而,這種算法需要大量、有質(zhì)量的臨床數(shù)據(jù),醫(yī)生的臨床經(jīng)驗(yàn)差異性較大、治療偏好各異、各國(guó)本土化差距甚遠(yuǎn)等因素,導(dǎo)致在研發(fā)六年后的今天,Watson的問(wèn)題被頻頻爆出:“開(kāi)錯(cuò)藥”、“需要醫(yī)生使用,不能完全獨(dú)立”、“數(shù)據(jù)來(lái)源受阻”等問(wèn)題。