分類
人工智慧

醫療大數據讓人工智慧有智慧 , AI將取代專業? 

「科技始終來自人性。」隨著科技發展,人類的生活越來越便利,手機內有人工智慧助手;汽車也有了自動駕駛功能。在醫療領域,也出現許多人工智慧輔助的醫療器材與軟體。到底是科技引領醫療改變,還是醫療帶著科技改變?

2020年慈濟人醫年會,廖威博與台下慈濟人醫會醫療工作者分享:「醫療大數據 人工智慧有智慧」。慈濟醫療法人廖威博顧問說,其實是相輔相成的,醫療有需求,科技就會跟著研發。2020年10月2日是國際人醫年會第二天,廖威博顧問分享現在最熱門的「大數據」如何與醫療結合。

生活中常聽到人工智慧(Artificial intelligence, AI),應用在醫療上便成為醫療人工智慧,到底什麼是醫療人工智慧?廖威博解釋,包含臨床決策輔助系統(Clinical decision support system, CDSS)、知識庫(Knowledge base)、推理引擎(Inference engine)、專家系統(Expert system)、機器學習(Machine learning)都屬於醫療人工智慧的應用。

從美、中、日、韓到東南亞,Deep01合作夥伴遍及全球

「美國FDA的肯定讓我們在醫界的聲望增加很多,甚至包含日本、中國、東南亞各地很多人前來洽詢,台灣本地當然更多。」周仁海坦言,FDA雖為法規認證,但事實上也代表對公司技術實力的肯定。

目前,此套產品於國內市場鎖定兩種不同的應用場景,其一為中小型醫院的急診室,用以協助急診科醫師輔助判讀,加速後續醫療決策;而大醫院方面,系統將作為傷檢分類工具,同樣提供相關醫護人員輔助判斷,針對有恙患者加速診療,降低誤診或時間浪費的風險。

共同創辦人周仁海認為,從高中時代累積至今的人脈資源、不與人交惡的個性是Deep01能快速打入台灣教學醫院、獲得數據及臨床驗證的前提,而相對豐富的工作經驗,也協助他在跨領域溝通上無須耗費更高的時間成本。於北京創辦顧問公司的烏仕明也指出:「要用簡單的方式去闡述複雜技術,並說服它如何應用於產業是相當困難的,我的工作是轉換語言、進行溝通。」

公司在半年內,獲得許多海外機構主動詢問代理權。東北亞方面,即將與日本前5大商社簽定MOU,加速進入日本市場。東南亞方面,已與新加坡代理商簽下MOU,準備前進新加坡,馬來西亞,泰國3國;中國方面,也與兩家醫療儀器設備商簽下MOU,並與其中一家進一步洽談其他方面的合作。

而就在去年,美國最大放射科醫學會RSNA、以及120家AI影像公司,也紛紛表示對Deep01的產品感興趣,同時也與全美最大的華人醫療集團AHMC建立合作,未來更有望與國際醫材大廠訂定協議,全球布局已然成形。

周仁海說道:「台灣是醫療、IT強國,我們的大方向希望透過兩者做出具有影響力的事情。」就有如「Deep01」的命名初衷,希望深度挖掘二進位(0與1)世界裡極有價值的一塊,透過深度學習應用在醫療領域,Deep01希望以腦部影像的重大疾病為出發,專攻急診,站穩垂直領域之後,再向前邁出下一步。

人工智慧很常應用的地方就是醫療影像判讀,因為速度快,且精準度高。利用GPU(graphic processing unit)去處理大量的像素(pixel)。然而,廖威博說,若投入資源研發醫療影像判讀,只能判斷影像,若是可以把人工智慧應用在整合各種醫學檢驗報告與影像資料來協助病情判斷,可以發揮更大的功能。慈濟醫療志業與華碩合作開發的人工智慧早期肺癌偵測系統,採用最新的AI演算法,能將醫師原本需要花十分鐘仔細判讀的時間,降低至一分鐘內。

人工智慧的另一個好處,是可以橫向連結。建立數據庫之後,提供醫生電子病歷智慧搜尋服務,讓他們可以抽絲剝繭,找出某些疾病與其他病徵之間是否有關聯。慈濟醫院也利用人工智慧模型整合HIS系統,包括護理站的電子白板、每日查房的紀錄,達到訊息同步,協助醫護人員注意再住院風險高的病患等。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
人工智慧

透過攝影機畫面自動檢測社交距離,「人工智慧」將超越人類?

在對抗新冠狀病毒的鬥爭中,保持社會距離是一個減緩疾病的傳播非常有效的措施。雖然數以百萬計的人們都老老實實呆在家裡幫助減少傳播,但製造業和製藥業的許多員工仍然不得不每天上班,以確保滿足基本生活需求。

為了幫助確保這些人在工作場所保持社會距離,吳恩達在 Landing AI 的團隊剛剛發佈了一個人工智能社會距離檢測工具,可以通過分析來自攝像機的實時視頻流來檢測人們是否保持安全距離。

這個工具能實現什麼呢?比如在一家生產防護設備的工廠,技術人員可以將這種軟體蒐集到他們的安全攝像系統中,用簡單的校准步驟監視工作環境。

探測器可以用紅色框框顯示距離低於最小可接受距離的人,並在兩者之間劃一條線來強調這一點,該系統還可以發出警報,提醒人們在違反協議時保持安全距離。

實現這一效果主要包括三個主要步驟:校准、檢測和測量。

DeepMind致力打造人工智慧 2014年首度擊敗圍棋冠軍

DeepMind是一家英國的人工智慧公司,建立於2010年,最初名稱是「DeepMind Technologies Limited」,在2014年被Google收購。DeepMind在2014年開始開發人工智慧圍棋軟體AlphaGo,到了2015年10月,分散式版AlphaGo分先以5:0擊敗了歐洲圍棋冠軍華裔法籍職業棋士樊麾二段,這是電腦圍棋程式第一次在十九路棋盤且分先的情況下擊敗職業圍棋棋手。2019年1月25日,DeepMind人工智慧AlphaStar在戰略型電腦遊戲《星海爭霸II》中,以懸殊的「10:1」戰勝人類職業玩家。

Google DeepMind執行長Demis Hassabis曾表示,深度AI如果能直接使用在其他各種不同領域,除了未來能玩不同的遊戲外,例如自動駕駛、投資顧問、音樂評論、甚至司法判決等等目前需要人腦才能處理的工作,基本上也可以直接使用相同的神經網路去學而習得與人類相同的思考力。

憂心人工智慧豢養人類 特斯拉執行長:人類恐變家貓

馬斯克近日接受《紐約時報》專訪時表示,「我們目前正朝著一個人工智慧將比人類更聰明的方向發展,相信在不到5年內,人工智慧就會超越我們,但這並不代表5年後人類社會的一切都會崩壞,只是代表事情將變得不穩定或怪異」。馬斯克在2015年與合夥人共同創建工智慧研究組織「OpenAI」,用以確保人工智慧造福全人類為理念。他在2016年時變提出警告,隨著人工智慧的崛起,人類可能變成一隻「家貓(house cat)」,因此他呼籲必須對下一代人工智慧技術進行更嚴格的監管。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
人工智慧

邊緣人工智慧,記憶體內計算的初發

由於邊緣人工智慧,譬如卷積神經網路(CNN),所牽涉的指令相當單一,基本上是矩陣和向量的乘積,計算上屬於乘後累加運算(MAC;Multiply-Accumulate),以記憶體來做MAC單元有很高的可行性。

方法有二。一是在記憶體的週邊線路小幅度的修改,但不影響其單元結構,並且加入可重構(reconfigurable)線路的設計;另一是靠記憶體的輸入/輸出來操作邏輯運算。

雖然以前試過以SRAM與DRAM來當記憶體計算的載體,而且在速度與技術成熟度有相當優勢,但是在AIoT的應用中這兩種記憶體於功耗此一項目比較難以交待。

用非揮發性記憶體來做載體是目前考慮的方向,NOR的技術成熟、成本合理,是現在的先行選擇。NAND的密度高,對於較大資料量的運算有相當優勢,但是功耗較高、速度較慢。

新興記憶體中ReRAM和PCRAM是最先被討論的記憶體內計算載體。它們的優點除了速度快、功率較低之外,還有它們的記憶體單元可以是多值—這也是為什麼他們也可以用在神經形態晶片的原因。在計算的邏輯上,安排可以比較有彈性。

MRAM也是候選人之一,與SRAM都已先跨進近記憶體計算領域。它的速度與功耗均佳,可是它只具有二位元值,運算只能做按位(bitwise)的布爾邏輯。FeRAM現在是新興記憶體的當紅炸子雞,它的速度極快,功耗也低,結構也有機會像NAND一樣3D製造,所以一出現在新興記憶體的名單之後,記憶體內計算應用也馬上納入議程。只是FeRAM也只是二位元,受的限制與MRAM相似,他的成熟程度也遠不如其他的新興記憶體。

記憶體內計算的概念迄今已過半世紀,現在於應用場域與載體技術同時出現了窗口交疊,有機會先從邊緣人工智慧此一特殊應用在半導體市場先撕開一個口子,一步一步切入計算的廣衾世界。

公平對待使用者的問題

這個問題看來是與人工智慧設計者的價值觀有著不可分割的關系。一個人所接受的信仰會影響他(她)的價值觀與道德態度,由此會影響他(她)能否公平公正地對待使用者,所設計的產品能夠體現出尊重人權、尊重人尊嚴的特點。 反之,不良動機的設計者所設計的人工智慧產品有可能產生不公平或反人權的現象。我們可以從一些恐怖主義與獨裁的國家最近幾年使用高科技來對付國際社會或對付本國的人民可以看到其恐怖的一面。

人工智慧產品在面對不同文化習慣的國際用戶,將來會遇到更復雜的應用或操作方面的挑戰。人工智慧如機器人能否在不同文化環境提供相對安全與公平的服務嗎?需要大家拭目以待了。

基於馮諾依曼架構的計算於半導體技術發展過程中早已屢屢撞牆(memory wall),許多技術上的發展先後著手於此問題。從最早的高速介面、高頻寬記憶體(HBM;High Bandwidth Memory)、增加CPU的cache(譬如Zen 2)、到異構整合CPU與多個記憶體晶片(near-memory computing)、發展中的用光子互聯記憶體與CPU等,這是一個產業整體的總動員,從設計、CPU、記憶體、代工、封裝各環節無不戮力以赴。

這個問題的克服最終只能是記憶體內計算(in-memory computing),中國大陸叫「存算一體」。記憶體與CPU中間的藩牆撤了之後,傳輸的功耗省下,總功耗省了近200倍,資料傳輸的時間也可以略去,表現自然大幅改善。這個想法在1969年由Stanford的Kautz等人提出,但卻不能算是純然的「新概念」,因為人的腦細胞與現在新興起的量子位元,本來就是記憶體內計算。

概念雖好,但是過去的計算偏向於通用型CPU應用,記憶體技術也不夠成熟,所以沒有實踐的場域。

※本文章屬於TNZE天擇集團所有嚴禁轉載※