人工智能
文·落枫
目前关于人工智能的论调很多人都在讨论，而前一阵子的AlphaGo大战柯洁也算正式为AlphaGo做了一个完美的收官。
前几天的百度更是风骚了一把，无人驾驶汽车直接载着李彦宏上五环，然后直接大屏直播(然后据说被交警查了？...)。
是的，百度还正式打出了All in Ai的口号，咱暂且不论百度是否依靠AI做最后的拼死一搏，AI正在离我们越来越近，这是个不争的事实。
今天我们来讨论一个人工智能中，比较垂直的一个话题。
“中医阿尔法狗或中医贤二机器僧会出现吗？”
阿法狗我们很清楚，贤二机器僧也很有名，出自于大名鼎鼎、传奇事件颇多的龙泉寺。
其实话题很简单，在当今机器人遍地(实际上达到AI水平的很少)的情况下，AI能不能给中医带来突破。
比如，在中医诊断机器人方面。
我们知道，中医一向都属于争议颇多的领域，并且相对于普通的人来说，还属于比较晦涩难懂的领域。
这里，我们对中医本身就不做过多的辩论，不管好坏也好，是否科学也好，我们仅以数据、技术的角度来看待如上的问题。
我个人感觉要解决中医机器人首先要解决两个问题。
1 自然语言处理，关于语义理解的问题。
我们需要让机器人或者说算法了解所有数据，那就绕不开机器对于现有数据(诊断记录，医疗记录)的理解。
而做过NLP的人都知道，对于普通的文本、语音等等，其实机器都很难做到百分百的对语义进行理解，究其因还在于国文的博大精深，而不如诸如英语等相对规范。
这就很好解释，为什么之前小冰训练了大量的诗歌语料，虽然偶尔能作出看着还不错的诗文，但更多时候作出来的诗文也仅仅只是看起来对仗工整而已，究其深意其实是没什么意思的。
而中医领域，其语言自成一套体系，甚至更难于常规的对话数据，想要做数据的梳理其实是很难的，想做到很完美的语义理解就更加的难了。
而如果机器或者算法做不到对中医文本数据的语义理解，那么再讨论其他的其实就没有意思了。
2 训练数据的难点。
我们知道，对于绝大部分类似的话题，大部分都是基于监督的学习结果。当然，无监督的一些模型其实也是可以应用的，但是在这种场景下有监督性的语料，对于这种判断、诊断类的模型还是比较适合的。
既然要求语料，那么在这方面，中医领域就有天然的缺点了。
一方面中医诊断大多偏传统的方式，所以，在现代的计算机体系里比较少能留下比较完善、完整的一些诊断记录、医疗记录。
另一方面，本身中医体系就没有诸如像西医体系那样，有一套相对比较完整的医疗判断标准，有过中医治疗经历的朋友们可能会体会到，哪怕是类似的针状，不同老中医开的方子可能都不同。
最后一点就是，定性、定量，以及结果的分析。
所谓定性，就如上面说的，我们很难有一套标准的体系来做病情、或者用药的定性分析机制。
而定量也很难，因为很多留下的方子中，对于药量的记录都是五花八门的，诸如一两、一份、一把拥有各种剂量方式，这对于科学的数据算法来说，简直就是灾难性的记录方式，因为机器对于这种非标准的量化方式是很难处理的。
最后就是效果分析，我们都知道西药见效快，而中医通常其整个疗程会比较长，时间一旦拉长，很多时候其治疗结果的影响因子可能就会增多，所以，如果只是简单的把结果与诊断挂钩，有时候就会忽略期间的一些其他因素。
综上，这对于监督性的训练语料来说，本身数据的准确性就要打个折扣，所以，从标化语料数据的角度上说，对于实现一个中医诊断机器人也是个挑战和难点。
当然，不可否认的说，如果真的有比较好的这种机器人出现，在中医领域还是能够帮到不少忙的，并且，我们可以从一些常规的病情入手，这类病情的数据还是比较容易获取的。
哪怕只是相对简单的模型，也能节省比较大的效率，毕竟很大一部分病情都是常规的病情。
最后，再扩散一点点思维，在今后的时代里，机器的角色成分一定会越来越多，可能一开始会是相对常规、相对机械、相对简单的场景逐渐被机器取代，然后逐渐过渡到一些专门的领域，帮助人类节省成本，提升效率。
我个人感觉，这是一个好的方向，不过，这一定是需要时间的，最起码未来的三五年之内，肯定很难，但时间拉长到二十年三十年，未必不会到处充满机器人、充满高科技的社会。
我们可以试着想想，二十年前，有人会想到如今的科技以及信息的发展吗？
中医领域，能挑起大伙儿对于机器人诊断的讨论，那么，人工智能在各方面应用的事，说明已经提上日程了，让我们拭目以待。
（全文完）
网友评论