誰帶我們來到了人工智慧的爆發前夜？

你也許對「強化學習」這個名詞感到陌生，但你一定知道人工智慧。事實上，「強化學習是一種人工智慧方法，能使計算機在沒有明確指導的情況下像人一樣自主學習。」毫無疑問，在這個屬於人工智慧的時代，這款突破性技術將在包括生物醫學在內的多個領域掀起巨浪。

強化學習，究竟怎麼學？

說到人工智慧，我們不得不提DeepMind這家公司。去年三月，它開發出的人工智慧AlphaGo在五局對戰中，以4：1的比分擊敗前世界圍棋第一人李世乭，讓人工智慧這個詞進入了普羅大眾的視野；而在今年，AlphaGo又以60：0的懸殊比分，在短短几天內橫掃全世界頂尖的圍棋選手。這也讓世界圍棋排名第一的棋士柯潔生出「人類千年的實戰演練進化，計算機卻告訴我們，人類全都是錯的……」之感嘆。

訓練出AlphaGo的，正是強化學習方法。

▲強化學習后的AlphaGo，擊敗了李世乭（圖片來源：美聯社）

有人說，這一方法的靈感來源於動物的學習過程。為了教會動物們新的技能，訓練師往往會獎懲並用，幫助動物建立起反射，從而掌握技能。強化學習與這很像，只不過將學習的對象從動物換成了電腦程序。從外部獲知信號后，人工智慧會逐層分析這些信息，並將數據分配上一個權重，傳遞給下一層。而當研究人員設立起一個目標，人工智慧在權重的設定上就會變得更聰明——它們會通過自己的不斷學習，了解到為了達成目的，什麼重要，什麼不重要。

然後，有趣的事就發生了。

「太空侵略者」是人工智慧最早學會的遊戲之一。這款遊戲有點像「小蜜蜂」，玩家要做的，就是操縱戰機，擊毀敵艦。DeepMind開發了一款人工智慧，並且只告訴它兩件事：一，根據屏幕做操作；二，把分數儘可能提高。僅僅幾個小時的練習后，這款人工智慧就擊敗了人類的遊戲專家。

▲擊敗玩了十多年的人類玩家，人工智慧只用了幾小時（圖片來源：維基百科）

圍棋比電子遊戲複雜得多，但人工智慧依舊啃下了這塊骨頭。在AlphaGo最初的歲月中，它更多是在學習評估圍棋大師的棋譜，了解如何下出「神之一手」。然而，為AlphaGo帶來突破的元素之一，一定有強化學習。在數百萬盤自我對局后，AlphaGo的技術得到了升華，讓它成為了傳奇。

DeepMind的共同創始人之一Demis Hassabis博士認為，想要讓人工智慧做更複雜的事情，強化學習必不可少。「僅僅學會觀察，對智能而言是不夠的。絕知此事要躬行，」Hassabis博士說：「這是我們唯一能真正了解世界的方法。」

▲DeepMind共同創始人Hassabis博士對強化學習青眼有加（圖片來源：麻省理工科技評論）

當人工智慧遇上生物醫學

人工智慧的應用很廣——自動駕駛、智能支持等領域，都離不開它。而在生物醫學領域，我們同樣看到了它的廣闊應用前景。

由於在圖像處理方面得天獨厚的優勢，人工智慧在基於圖像的診斷上已經取得了一系列突破。去年，研發出AlphaGo的DeepMind宣布，與歐洲最古老，也是最龐大的眼科治療、教學與研究中心Moorfields眼科醫院達成合作，診斷年齡相關性黃斑變性和糖尿病視網膜病變等眼科疾病。在強化學習中，這款人工智慧讀取了100萬份眼部掃描圖像和疾病管理的信息，成為了眼科專家。

無獨有偶，這個月，來自的兩名白內障專家，中山眼科中心的林浩添博士、劉奕志教授與研究團隊一道，開發出了一種能診斷先天性白內障的人工智慧。僅利用886張眼部的圖像，它就能準確診斷兒童先天性白內障，並對疾病的嚴重性進行區分。在這些方面，它與眼科專家的表現一樣出色。而在診斷皮膚癌領域，人工智慧一出馬，甚至擊敗了人類醫生。

事實上，人工智慧用於診斷的依據，並不止於圖像。以IBM的沃森腫瘤解決方案（Watson for Oncology）為例，它在美國最早的癌症治療機構之一斯隆-凱特琳癌症中心進行了深入學習，將癌症專家們過去幾十年一樁樁癌症病例的治療記錄與依據全都爛熟於心。此外，它還牢牢記住了超過300份醫學雜誌、200餘種教科書、以及1500多萬頁的資料中的關鍵信息，知識量遠超人類醫生。最為關鍵的是，它學會了從患者的病例中提取「肺癌」、「EGFR」等關鍵詞，因此能迅速掌握患者信息，並從海量數據中篩選出一系列行之有效，卻又為患者量身打造的治療方案。

▲IBM的沃森腫瘤解決方案有望為癌症診療帶來變革（圖片來源：IBM）

去年，沃森在日本小試牛刀：一名66歲的患者經診斷患有「急性骨髓性白血病」，並開始相應的治療。然而治療后，患者的病情不但沒有緩解，反而還出現了惡化，甚至開始神志不清，醫生對此無能為力。而在獲得患者了的遺傳信息后，沃森僅僅用了10分鐘就做出了診斷——這名患者得的不是「急性骨髓性白血病」，而是另一種罕見白血病。在對症下藥后，患者的病情終於有了起色。

人工智慧在生物醫學領域的第三大應用，也許是減少不必要的人力勞動。上周，《自然》子刊《Nature Biomedical Engineering》推出了「機器學習」特刊，報道了一種能對樣本進行「虛擬染色」的人工智慧。它能將常規染色的時間從幾個小時，縮短到3分鐘。它的問世極大縮減了醫生用於診斷的時間，讓腦腫瘤醫生「一邊動手術，一邊檢查是否把腦瘤切乾淨」成為了可能。這對罹患腦瘤，身處手術中的患者來說至關重要。

▲你能分清哪個是病理實驗室染色，哪個是人工智慧「染色」嗎？（圖片來源：《自然》）

可以想象，在未來的幾年，各行各業都會受到人工智慧的衝擊，甚至出現顛覆性的改變。將來，或許越來越多的職業會被機器人所取代。但這絕不是人類的末日，而是一個更為美好的明天。我們期望會自主學習的人工智慧迸發出更多能量，為生物醫藥領域帶來更多創新與突破。

參考資料：

[1] How Google Plans to Solve Artificial Intelligence

[2] 5 Big Predictions for Artificial Intelligence in 2017

[3] 機器學習專題：人工智慧的黃金時代 – 葯明康德