IBM Watson失败的4大原因

640?wx_fmt=jpeg

来源:大数医达


被称为“认知计算”革命性代表的IBM Watson从诞生那一刻起,就一直在被质疑中发展,在发展中被质疑。近日,坊间传言IBM Watson健康部门将裁员50%-70%,甚至也有传言说,整个健康部门将被关闭,所有员工要么辞职要么转岗。IBM Watson是失败的案例,这已经是业界普遍结论。问题是,为什么IBM Watson一度被业界仰望,又为了什么,曾经的神,那么快就失败?



失败原因之一:

过分夸大的市场宣传


自从IBM Watson面市,对外的市场宣传,有两个重点。1. IBM Watson超越人类医生,2. 能够解决连人类医生都挠头的疑难杂症。这样的宣传,在短时间内,迅速拉高了外界对于IBM Watson的期望。IBM Watson的宣传策略,拉升了公众对自己产品乃至整个医疗AI产品的期望值,获得了外界大量的关注。但是,在业界还缺乏统一的测试标准,产品最终的临床效果还有待评价的情况下,过分夸大的市场宣传,对产品长期健康的发展并没有好处。然而,高调到失真的宣传,成为IBM Watson日后失败的罪魁祸首。


主攻肿瘤等疑难杂症的Watson?


IBM Watson对外宣传自己从海量的医学文献和病历中提取医生临床诊断经验,通过机器学习让计算机掌握临床诊断方法,可以替代人类医生看很多疑难杂症,例如肿瘤。这个目标为IBM 研发团队挖了一个巨大的坑。疑难杂症的病历数量必然就很少,诊断成功的案例就更为罕见。训练数据不足,IBM Watson如何用机器学习的方法,获得精准的结果?


Watson的诊断精度比人类医生更高?


IBM Watson宣称在东京大学附属医院等试点项目中,IBM Watson的诊断已经比人类医生中最顶级的专家的会诊更加精准。机器学习,能学习到人类医生的经验,已经让人喜出望外。想让机器通过学习人类,,然后超越人类,不是不可能,但是前提条件是,必须能让机器反复试错。临床医学,试错的代价是人类生命,这和下围棋可不一样,不是能够容忍反复试错的场景。


失败原因之二:

技术水平远远不能支撑超越人类医生的目标


理论研究指导产品实践,产品实践推动理论研究。在IBM Watson研究组发表的相关论文中,没有发表过有关机器阅读的成熟的研究成果,其实直至今日,机器阅读仍然处于低幼阶段。而IBM 的宣传声称,IBM Watson 能够在10分钟内,阅读2000万篇癌症研究论文,并且把人类自然语言,翻译成机器可以处理的形式语言(formal language),然后与病人的基因变化进行对比。


当IBM Watson课题研究的前沿课题,都还没有远远不能完成真正的阅读作为在市场上出售的产品级别的IBM Watson,怎么可能高速读解人类论文,并且基于阅读理解,做进一步操作,譬如对比呢?



失败原因之三:

产品开发与研究及市场严重脱节


IBM Watson在产品开发阶段,不但与市场宣传脱节,同时也与前沿技术研究脱节。事实上,IBM内部真正参与产品开发的人员,数量并不充裕,使用的真实病历数量也不多。病历数量最多的单病种是肺癌,而肺癌的病历数量也不过只有635例,其它疾病更是少得可怜。


食材少,厨师少,巧妇难为无米之炊,从何谈起超越人类医生呢?


失败原因之四:

整体规划混乱战线太长


2015年8月份,IBM 花费 10 亿美金,收购医疗图像公司 Merge Healthcare。但是似乎在IBM Watson并没有在医疗图像识别领域,取得抢眼的成就,更没有在产品中,把文字解析与图像识别,深度融合。忍不住想问,IBM的投资并购与产品研发,有没有预先规划好整合路径?


IBM Watson不可磨灭的功绩:从“演绎法”到“归纳法”


医疗人工智能演变的前世今生


以CDSS(Clinical Decision Support System)临床决策辅助系统为例,最早是在1970年前后,美国匹兹堡大学的研究人员开始从事这一领域的研究,当时研究人员使用的主要方法是从医学教科书和医学文献里提取医学规则,规则被表达成 “if-then”的形式逻辑。输入患者的症状,找到相应的if,然后根据then,推断罹患的疾病。


两年以后,1972年,斯坦福大学的教授也开始进行类似的研究,这个研究课题名叫MYCIN。MYCIN也主要是 if-then规则库,但是后来if-then规则库有了一个响亮的新名号,叫“专家系统Expert System”。


If-then规则,非黑即白,泾渭分明。后来把概率引入进规则,又用网状结构,把众多规则关联在一起,这就是1990年代大红大紫的技术,贝叶斯网络,又称因果关系网络。贝叶斯网络的旗手是Judea Pearl教授。2011年,他获得图灵奖。另一位研究“贝叶斯”网络的大咖是斯坦福大学的一位女教授,叫Daphne Koller。“贝叶斯”网络在数学上很美,但是落到实际应用过程中非常的复杂,始终找不到好的应用落地,于是贝叶斯网络热了一阵以后,现在门可罗雀。去年召开的一场国际计算机领域学术会议上, Pearl教授的演讲,听众寥寥。而Koller教授更为大家熟悉的成就,是与吴恩达合办的网校Coursera。


直到2011年,IBM Watson出现了。最开始的时候,IBM Watson是IBM研究院的一个研究课题,课题组从2006年开始,研究自然语言处理。他们教机器,从文献摘录出 “葡萄牙人,瓦斯科·达·伽马,于1498年5月20日到达卡利卡特” 这样的语句。又从其它文献中,摘录出 “卡利卡特位于印度西南部”这样的语句。然后串联这两句语句,推理出这样的结论,“葡萄牙人,于1498年登陆印度” 。这个课题组最著名的成就,是2011年参加了美国知识问答电视竞赛,Jeopardy,并战胜了人类选手。

这场比赛非常重要,它事实上宣告了AI人工智能应用时代的到来,是人工智能史上重大的里程碑事件。但是,这个事件本身只是一场电视节目问答游戏。游戏成功以后,IBM公司积极致力于把科技成果转化为赢利产品,进过一番分析比较,IBM选择了医疗。



IBM Watson

医疗人工智能领域的探路者


事实上,IBM选择医疗方向进行转化是对的,医疗服务市场空间非常巨大。从海量病历中,挖掘整理人类医生的临床诊疗经验,这个方法论是归纳法。而先前从医学文献中提取规则的方法,是演绎法。IBM Watson改变了人工智能医疗所使用的方法论。


近代科学的历史说明,方法论的改变很可能带来翻天覆地的变化。在Francis Bacon 以前,主流的方法论是演绎法。从圣经古兰经这些真理的源泉,推理出生活中细节规律。Francis Bacon 倡导归纳法,在他的影响下,出现了人们开始重视归纳法,随即出世牛顿这样的科学家,然后科学家源源不断地大量涌现。


因此,IBM Watson从海量病历中提炼临床诊断经验,而不是从医学文献中摘抄并推理医学规则,这是方法论的变革。IBM Watson引领认知革命,这句赞誉,并不过分。


目前很多人把谷歌公司的Google Medical Brain项目,视为人工智能医疗的业界领袖。Google Medical Brain项目也是从海量的病历中,挖掘整理人类医生的临床路径。并且于今年4月份在Nature杂志上发表了一篇论文,系统地描绘了Google Brain整个项目规划。方法论一致,但是细节更精致。虽然IBM Watson由于上述四个方面的原因,现在落后了,但是IBM的历史功绩是必须得到承认的。因为IBM改变了方法论,思路决定高度!



未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493812.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[Android源码]Android源码之高仿飞鸽传书WIFI热点搜索与创建(一)

(本文详情来源:android源码 http://www.eoeandroid.com/thread-296427-1-1.html 转载请注明出处!) [Android源码分享]飞鸽传书的Android客户端相信大部分同学都看过并且用过吧?我这里就小小的还原一下一个小模块&am…

谷歌智慧城市之困

来源:网易智能 摘要:谷歌母公司Alphabet旗下创新城市部门Sidewalk Labs目前在信息隐私问题上陷入了困境。他们失去了数据信托首席专家和顾问安卡瓦吉安(Ann Cavoukian),该机构将批准和管理多伦多概念智能社区Quayside内…

形态学图像处理(二)

本文主要包括以下内容 二值形态学的经典应用, 细化和像素化, 以及凸壳灰度图像的形态学运算, 包括灰度腐蚀、灰度膨胀、灰度开和灰度闭本章的典型案例分析 在人脸局部图像中定位嘴的中心显微镜下图像的细菌计数利用顶帽变换(to…

最全的大数据解决方案(多图)

来源:网络大数据未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网&…

图像分割

图像分割是指将图像中具有特殊意义的不同区域划分开来, 这些区域互不相交,每个区域满足灰度、纹理、彩色等特征的某种相似性准则。图像分割是图像分析过程中最重要的步骤之一,分割出的区域可以作为后续特征提取的目标对象。 本文主要包括以下…

重磅:IBM 340亿美元收购红帽软件,开源生态或将迎来重大变化

来源:人工智能和大数据北京时间10月29日上午消息,据报道,IBM周日宣布,将以约340亿美元价格收购开源软件和技术主要供应商红帽公司(Red Hat)。根据两家公司的联合声明,IBM将支付现金,…

阈值分割与区域分割

本文主要包括以下内容 阈值分割技术基于区域的图像分割技术本章的典型案例 基于LoG和Canny算子的精确边缘检测基于Hough变换的直线检测图像的四叉树分解 阈值分割 我们曾在3.5节学习过灰度阈值变换的相关知识, 利用灰度阈值变换分割图像就称为阈值分割&#xf…

边缘计算芯片格局分析

来源:半导体行业观察 近日,华为和比特大陆纷纷发布了针对边缘计算的新芯片产品。华为的Ascend系列采用达芬奇架构,其中Ascend 310功耗8W算力8TOPS正是针对边缘计算市场。而之后比特大陆发布的BM1682和BM1880也是针对边缘计算市场,…

基于PCA的人脸特征抽取

我们将应用PCA技术来抽取人脸特征。一幅人脸照片往往由比较多的像素构成,如果以每个像素作为1维特征,将得到一个维数非常高的特征向量, 计算将十分困难;而且这些像素之间通常具有相关性。这样,利用PCA技术在降低维数的…

超市的100年发展史:好日子终结 亚马逊无人店是趋势

来源:网易智能 电商巨头亚马逊已经在旧金山、西雅图和芝加哥等地开设了多家无人便利店Amazon Go,它们向顾客展现了无缝购物体验这种未来购物模式,它依赖于高科技追踪技术,消费者只需将商品从货架上取下,并放入帆布手提…

图像识别初步

本文主要包括以下内容 模式与模式识别的基本概念过度拟合最小距离分类器基于相关的模板匹配本章的典型案例分析 基于最小距离分类器的鸾尾属植物分类基于相关技术的图像模式匹配 模式识别概述 模式识别(Pattern Recognition)是人类的一项基本智能,在日常生活中…

下一个人才大缺口:量子计算研究人员

来源:36Kr初创公司Zapata Computing的创始人兼首席执行官克里斯托弗萨瓦(Christopher Savoie)表示,他向三位专攻量子计算的外国科学家提供了就业机会,他在等他们的工作签证获得批准。但几个月过去了,这家位…

LIBCMTD.lib与libcpmtd冲突的解决方法。

error: 1>uafxcwd.lib(afxmem.obj) : error LNK2005: "void * __cdecl operator new(unsigned int)" (??2YAPAXIZ) 已经在 LIBCMTD.lib(new.obj) 中定义 1>uafxcwd.lib(afxmem.obj) : error LNK2005: "void __cdecl operator delete(void *)" (??…

基于PCA和SVM的人脸识别

svm推广到多类情况 一对多的最大响应策略(one against all) 假设有A 、B、C.. D四类样本需要划分。在抽取训练集的时候,分别按照如下4种方式划分。 A. 所对应的样本特征向量作为正集(类标签为1), B、C、D所对应的样本特征向量作为负集(类…

为何协作机器人能够兴起?“协作机器人-激烈的市场谁能杀出重围”

来源:机器人大讲堂作者:包文涛,哈尔滨工业大学机器人研究所工学硕士,在机器人和工业自动化领域有超过10年的专业经验。曾任职于ABB集团,先后在新加坡、美国、加拿大等地工作,在产品管理、技术方案、项目工程…

5款新颖的ReSharper插件

ReSharper是著名的代码生成工具。自ReSharper 8.0版本发布以来,新的扩展管理器、模板设置、分发安装等功能改革使得对插件的要求变高。接下来小编整理了5款新颖插件。 JetBox 当开发者工作在不同的机器设备时,这个插件可以利用DropBox同步ReSharper设置。…

机器学习实战之K近邻算法

k近邻算法概述 简单地说,K近邻算法采用测量不同特征值之间的距离方法进行分类。 优 点 :精度高、对异常值不敏感、无数据输入假定。 缺点:计算复杂度高、空间复杂度高。 适用数据范围:数值型和标称型。 它的工作原理是:存在一个样本数 据集合,也称作训练样本集,并且样本集…

神经网络的叛离:32年前从心理学与生理学分离的瞬间

来源:大数据文摘编译:Andy反向传播算法隶属于深度学习,它在解决模型优化问题的方面有着重要的地位。这一算法由被誉为深度学习之父的Geoffrey Hinton提出。1986年,他发表了名为Learning representations by back-propagating erro…

希尔排序-插入改进

引自:http://hi.baidu.com/gsgaoshuang/item/17a8ed3c24d9b1ba134b14c2 学习算法的一个好网站 http://student.zjzk.cn/course_ware/data_structure/web/paixu/paixu8.2.2.1.htm 希尔排序(Shell Sort)又称为缩小增量排序,输入插入…

机器学习实战之决策树

你是否玩过二十个问题的游戏,游戏的规则很简单:参与游戏的一方在脑海里想某个事物,其他参与者向他提问题,只允许提20个问题,问题的答案也只能用对或错回答。问问题的人通过 推断分解,逐步缩小待猜测事物的范围。决策树的工作原理与20个问题类似,用户输人一系列数 据,然后给出游…