蝙蝠的老板又聚集起來了。”這是今年深圳IT領導人峰會的一個重要觀點。這個行業的關注度可能與范冰冰和李冰冰相似。吃甜瓜的人很想知道誰有壓力。這次峰會的主題是“邁向新的智能時代”。（去年的主題是“信息技術情報共享”，“情報主題蓬勃發展”）無論是政府官員、經濟學家還是互聯網企業領導人都在努力探索和拓展人工智能的主題。蝙蝠三個哥哥被要求拍照。李彥宏和馬化騰相互交流。馬云作了獨立演講。誰是“艷軒”？他們說什么？它與醫療行業有什么關系？讓我們來看看易邦電力網絡做了什么：為了挖掘微軟人，馬化騰在西雅圖建立了一個關于騰訊人工智能的實驗室。討論最多的是騰訊人工智能實驗室自主研發的Go人工智能“絕對藝術”。與AlphaGo類似，騰訊的人工智能產品也因擊敗Go的大師“LiliaoSeven（世界第44位，日本第2位）而備受關注。據報道，“絕愛”的研發人員中沒有一個能真正玩得開的。目前，騰訊擁有700多支人工智能團隊，已成立一年多。馬化騰坦言，在人工智能方面，百度實際上走在了前面，騰訊已經落后了很多，而且只有去年才成立了一個部門。一直以來，騰訊各大企業集團都積累了大量的圖片、新聞等數據。每個業務組中都有研究。后臺數據分析和廣告匹配都使用人工智能技術，但我們感覺不到，因為他在后臺。騰訊的人工智能前端產品受到了alpha-go的啟發，團隊也嘗試了用訓練的心態。他說，在Go以外的許多領域，包括醫療、金融等行業，可以在后臺制作一個計算機模擬器，使其充分發揮作用，如模擬汽車環境，給它一個規則駕駛，去撞車，有各種反饋，自然會思考一套理論和經驗。馬化騰還提到了人工智能領域最關注的四個因素：場景（沒有場景，所有研究都是空中樓閣）、大數據（如何清理和整理數據）、計算能力和人才。”我們人才相對不足，一年來我們招收了不少人。我們還在微軟和西雅圖建立了一個實驗室。因為很多微軟人不想離開西雅圖，所以我們設置了隔壁，沒有辦法，人才就是這樣。”（抽微軟兩秒鐘），據微軟全球執行副總裁沈向陽介紹，目前，微軟人工智能事業部共有7000多名工程師和科學家，并仍在招聘人才，但仍無法忍受馬化騰、李彥宏和馬云等人的挖苦。為了從事人工智能，李彥宏稱自己為“李彥宏”，這意味著他曾經向外界強調百度是一家商業公司，不應該設立純粹的研究機構。即使我們研究它，我們也應該談論產品投放市場。但在人工智能和深度學習浪潮之后，李彥宏的想法發生了變化。”人工智能需要在理論、算法和許多方面進行長期的布局和突破。因此，2013年1月，百度宣布成立“深度學習學院”，吸引人才，推廣算法。數字中國聯合會主席吳英評論說，百度在人工智能布局和深入學習領域領先于許多美國大公司，他認為這并不過分。李彥宏的胃口很大：“互聯網其實只是一道開胃菜，真正的主菜是人工智能，所以人工智能不是互聯網的一部分，不是互聯網的第三階段，它可以與工業革命相比是一場新的技術革命。”然而，李彥宏沒有提到百度在醫學領域的人工智能嘗試。據易邦電力網報道，百度于2016年10月發布了百度醫學大腦。百度首席科學家吳恩達還沒有離任，他也做了一次平臺演講。據官方介紹，“百度醫學大腦”是一款人工智能產品設計，通過收集和分析大量的醫學數據和專業文獻，模擬醫生的詢問過程，與用戶進行多輪溝通，并可能根據用戶的癥狀。如果有問題，重復驗證并給出最終建議。在此過程中，我們可以收集、總結、分類、整理病人的癥狀描述，提醒醫生更多的可能性，并協助初級醫生完成會診。馬云說：“阿爾法去韓禮士，那又怎么樣？”馬云達一上臺就宣稱自己是“胡說八道”。他的演講也一如既往地被傳道，并被帶到了外層空間。在過去的十分鐘里，他終于“觸及了這個話題”，談到了人工智能。不過，這并不奇怪：“每個人都以一種可怕的方式談論阿爾法。阿爾法·戈斯獲勝的意義是什么？有什么特別的？圍棋最初的樂趣是對手下棋不好。因此，這臺機器不會下棋。什么意思？只有侮辱別人才能打敗他們。機器所做的就是人類所不能做的，這就是所謂的能力。”Ma Yun開玩笑說。事實上，在去年的深圳IT領導人峰會上，創新工程（Innovation Works）董事長李開復（Kaifu Lee）對谷歌的alpha-go進行了評論。他認為阿爾法·戈斯是人類的奴隸，他所做的就是復制1000名奴隸為人類工作。”如今的機器沒有自我認知，沒有感情，沒有歡樂，沒有悲傷，也沒有做出決定的理由。”馬云認為，人類應該讓機器有自己的思維，機器有自己的方法，也就是機器智能。”在接下來的100年里，我們將把機器變成人，這個人和我們想象的不同。外星人不是人類。人們如此自大，以為自己長得像我，胡說八道。”嗯，事實上，除了這三個方面，在今天的峰會上，還有一些關于人工智能在醫學領域的其他描述和結論，例如清華大學國家金融學院院長朱敏。介紹了人工智能在醫學領域的應用實例，如董軟在醫療設備成像輔助下對肺癌的診斷。他提到了人工智能診斷癌癥的兩個“人機對比”：乳腺癌、130片、基于靈敏度的（找到多少正確的腫瘤）和假陽性（有多少正常組織被診斷為腫瘤），病理學家超過30小時，準確率為73.3%，人工智能為88.5%。皮膚癌的診斷準確度與專家相當。2017年2月2日，斯坦福大學的研究人員利用深度卷積神經網絡訓練和開發模式識別的人工智能系統，使計算機能夠分析圖片和診斷疾病。此外，還有一件事值得關注。2017年1月10日，FDA首次批準了用于心臟磁共振成像的人工智能分析軟件cardio dl。該軟件將深度學習應用于醫學圖像分析，為傳統的心臟磁共振成像數據提供心室自動分割分析。這一步驟與傳統放射科醫生需要手動完成的結果一樣精確。

« 一位親密醫生的創始人：“推薦是主線，國際醫學只是戰略的一步。” | 財務期望數據如何把握財務管理的兩個黃金時期 »