醫(yī)學(xué)及科技界近年有不少研究引入人工智能（AI）技術(shù)，幫助進行健康檢測及病癥診斷等。來自美國的兒童健康公司Cognoa 日前更宣布，其研究引進AI技術(shù)，融入為自閉癥譜系障礙（ASD）診斷，并已交予美國食品及藥物監(jiān)管局（FDA）審批。
目前兒科醫(yī)生會推薦大部分疑似發(fā)育遲緩的兒童到專家那里進行診斷并開出治療處方，往往令兒童及其家庭須等待數(shù)月甚至數(shù)年，才能得到ASD的初步診斷。
而該公司專為患有自閉癥和其他行為健康問題的兒童開發(fā)診斷和治療方案，其中的方案就幫助兒科醫(yī)生借AI能力、更有效診斷自閉癥，減少兒童診斷等待時間，也方便支援醫(yī)護人員、臨床管理。
Cognoa CEO David Happel 表示，該自閉癥診斷解決方案的準確性很高，超過所有預(yù)先設(shè)定的目標，而新申請中的關(guān)鍵研究數(shù)據(jù)亦充分。其中該關(guān)鍵研究數(shù)據(jù)來自去年7 月到今年5 月的臨床實驗，在全美14 個地區(qū)進行，涉及425 名參與者參與試驗﹐年齡介乎18至72 個月。
若方案最終獲得FDA 批準，其AI自閉癥診斷方案就能幫助全美約6萬4千名普通兒科醫(yī)生及早排除或診斷自閉癥，讓專家更專注患有癥狀的兒童，獲得適當(dāng)護理及治療。
現(xiàn)代人工智能誕生——深度學(xué)習(xí)，大數(shù)據(jù)和AI
進入21世紀，得益于大數(shù)據(jù)和計算機技術(shù)的快速發(fā)展，許多先進的機器學(xué)習(xí)技術(shù)成功應(yīng)用于經(jīng)濟社會中的許多問題。麥肯錫全球研究院在一份題為《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿領(lǐng)域》的報告中估計，到2009年，美國經(jīng)濟所有行業(yè)中具有1000名以上員工的公司都至少平均擁有一個200兆兆字節(jié)的存儲數(shù)據(jù)。
到2016年，AI相關(guān)產(chǎn)品、硬件、軟件等的市場規(guī)模已經(jīng)超過80億美元，紐約時報評價道AI已經(jīng)到達了一個熱潮。大數(shù)據(jù)應(yīng)用也開始逐漸滲透到其他領(lǐng)域，例如生態(tài)學(xué)模型訓(xùn)練、經(jīng)濟領(lǐng)域中的各種應(yīng)用、醫(yī)學(xué)研究中的疾病預(yù)測及新藥研發(fā)等。深度學(xué)習(xí)（特別是深度卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)網(wǎng)絡(luò)）更是極大地推動了圖像和視頻處理、文本分析、語音識別等問題的研究進程。
深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，它通過一個有著很多層處理單元的深層網(wǎng)絡(luò)對數(shù)據(jù)中的高級抽象進行建模。根據(jù)全局逼近原理（Universal approximation theorem），對于神經(jīng)網(wǎng)絡(luò)而言，如果要擬合任意連續(xù)函數(shù)，深度性并不是必須的，即使一個單層的網(wǎng)絡(luò)，只要擁有足夠多的非線性激活單元，也可以達到擬合目的。但是，目前深度神經(jīng)網(wǎng)絡(luò)得到了更多的關(guān)注，這主要是源于其結(jié)構(gòu)層次性，能夠快速建模更加復(fù)雜的情況，同時避免淺層網(wǎng)絡(luò)可能遭遇的諸多缺點。
然而，深度學(xué)習(xí)也有自身的缺點。以循環(huán)神經(jīng)網(wǎng)絡(luò)為例，一個最常見的問題是梯度消失問題（沿著時間序列反向傳播過程中，梯度逐漸減小到0附近，造成學(xué)習(xí)停滯）。為了解決這些問題，很多針對性的模型被提出來，例如LSTM（長短期記憶網(wǎng)絡(luò)，早在1997年就已經(jīng)提出，最近隨著RNN的大火，又重新進入大眾視野）、GRU（門控循環(huán)神經(jīng)單元）等等。
現(xiàn)在，最先進的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在某些領(lǐng)域已經(jīng)能夠達到甚至超過人類平均準確率，例如在計算機視覺領(lǐng)域，特別是一些具體的任務(wù)上，比如MNIST數(shù)據(jù)集（一個手寫數(shù)字識別數(shù)據(jù)集）、交通信號燈識別等。再如游戲領(lǐng)域，Google的deepmind團隊研發(fā)的AlaphaGo，在問題搜索復(fù)雜度極高的圍棋上，已經(jīng)打遍天下無敵手。
