繡，讓您賺到好多好多?。。　?/br>
    邵君理回：【已經(jīng)賺了?！?/br>
    很多很多。

    他指的并不是金錢。

    …………

    醫(yī)院病歷開張以后，再談合作就容易了。阮思澄用云京兒童醫(yī)院、g省人民醫(yī)院、云京p大三院做例子吹牛逼，又拉來了一些合作，基本都是外省市中電子病歷程度高的摩登醫(yī)院。它們對it友好，卻又沒有被太多的公司“sao擾”過。

    到一月時，陳一非帶隊將“急診胸痛”部分全部做出來了。

    一切都在計劃當中。

    資金還能再挺大約兩個來月。他們需在一個月內(nèi)完成測試、改bug、完善，同時阮思澄與投資公司接觸，等產(chǎn)品一出來立即演示、融資。

    就一個月可以融資，時間真的相當緊了。這說明，阮思澄要立即簽termsheet（投資條款清單），催人家做盡職調(diào)查，簽投資交易文件。等拿到了過橋貸款，才可以松一大口氣。

    在測試時，阮思澄、陳一非、石屹立等人都非常緊張。

    對于早早便完成的頭部以及部分腹部，思恒醫(yī)療已經(jīng)完成程序測試。他們將80%的患者病歷用于訓練多層神經(jīng)網(wǎng)絡，20%的患者病歷用于測試最終的準確率，都沒問題。

    現(xiàn)在，思恒醫(yī)療需要做的，就是測試剛做好的胸部還有剩余腹部，以及綜合起來的全部腹部。

    而這些恰恰是整個項目當中最困難的部分，說不擔心絕對是在撒謊扯淡。

    但阮思澄也并不算特別害怕——陳一非的方向、框架沒有問題，邵君理都說了，非常清楚干凈。

    他們將胸痛患者的心電圖、ck-mb、肌鈣蛋白等等信息輸入軟件，又把許多急性腹痛患者的檢查數(shù)據(jù)、ct片子、b超視頻也輸入進去，屏住呼吸，拿到ai給他們的診斷結果，急急忙忙地與患者病歷上的“標準答案”比對。

    結果如同晴天中的一道霹靂，扇了思恒醫(yī)療每個人一耳光。

    甚至打得他們耳朵里面嗡嗡直響。

    不準。

    而且，完、全、不、準，診斷的正確率大約只有一半。

    他們用看救命稻草般的眼神看急診醫(yī)生cso石屹立，石屹立一一復查，神情同樣痛苦，表示，對于有分歧的患者，病歷上面三甲醫(yī)生給的診斷是正確的，而ai給的診斷，是錯誤的。

    第32章 裁員（三）

    對于ai來說, 讓結果從“不準”到“準”，不是十分容易, 與傳統(tǒng)的“找bug修bug”模式全然不同。

    目前在對ai的爭論當中，一個常常被提起的問題就是“算法黑箱”。也就是說，人類不能解釋它的工作原理。

    人工智能的核心是“神經(jīng)網(wǎng)絡”?？茖W家們模仿人類神經(jīng)系統(tǒng)，讓機器進行學習?！吧窠?jīng)元”們一層一層分布下來, 每個單元都能接收部分數(shù)據(jù), 再將結果向上傳給其他單元。

    還是用“貓”來打比方。在主要用于圖像識別的卷積神經(jīng)網(wǎng)絡（n）中，第一層可以將圖片切割、降維，得到許多小圖，第二層在每個維度利用色差尋找邊緣, 三四五層根據(jù)勾勒出的邊緣確定各個器官形狀，六七八層通過各個部分顏色判斷毛色、花紋, 瞳色……最后頂層得出答案：這是貓、狗、兔子、其他。

    2006年多層神經(jīng)網(wǎng)絡出現(xiàn)以前, 機器學習都只處于初級階段, 需要人工提取特征。而2006年后, 它進入到“深度學習”的大時代。人類不監(jiān)督、半監(jiān)督，機器自己分析特征、獨立思考。給一萬張貓的圖片，說“這都是貓”，它就懂了，再給一張它沒見過的，問“是不是貓”，它會說是。人們給它正確答案的數(shù)據(jù)集，它便可以進行學習, “看”的越多會的越多，不斷優(yōu)化自身能力。因此，“人工智能”定義十分清晰，區(qū)別是真·人工智能還是噱頭只需要看它有沒有模仿人腦。

    然而，對每一層都在提取什么特征，以及機器為何要做這些事情、為什么能得出結論，人類無法解釋。根據(jù)輸出，有些提取簡單易懂，比如勾勒邊緣、模糊圖片、突出重點、銳化圖片……可是，在很多時候，人類完全get不到！看著某層下來以后圖片所變成的樣子，只能叫一聲“什么鬼！”有時人類只能提出幾個特征，ai分出好幾百層！

    它給了人空前的可能，也給了人無盡的困惑。

    就像人類無法摸清大腦的工作原理一樣，他們同樣無法摸清ai的工作原理。

    訓練ai這種方式為何能行？它是如何學的？信息存在哪里？為何下此判斷？不知道。

    它好像在玄幻境界。碼工時常覺得自己正在養(yǎng)蠱，賊刺激，給蠱蟲喂個這個、喂個那個，一掀蓋子，嚯，出來一個超厲害的東東！

    有人說，讓ai向人解釋一個東西，相當于讓人向狗解釋一個東西，聽著so sad。

    人類歷史充分表明，只有一個決策可以解釋、分析，人才可以了解它的優(yōu)點缺陷，評估風險，知道它在多大程度能被信賴。

    很多專家說過“必須質(zhì)疑人工智能為何做出一個決定……”“難道，無人汽車每回出事，企業(yè)都說不知原因、ai讓它這么干的？”

    何況，不幸的是，如同大腦會出錯，ai也會出錯。

    于是問題來了：我們能信任ai嗎？我們能在多大程度上相信ai？我們能在生死攸關時信任ai嗎？

    當然，也有學者表示：“它能做到就足夠了！”“大腦一直為你工作，你也一直都信任它，即使并不知道它是如何工作的?！?/br>
    目前，各國科學家正致力解開黑箱，政府、行業(yè)協(xié)會也對此有要求，已經(jīng)取得一些成果——不少東西都是數(shù)學。

    阮思澄是一直覺得，這種現(xiàn)象十分正常，沒有那么邪乎。在人類的文明當中，往往實踐先于理論。比如，老祖宗在打造刀劍時、發(fā)明火-藥時，清楚地知道原理嗎？no！都是東西先出來了，能work了，大家才開始研究原因。

    ai也是??！慢慢來嘛。

    不過，雖然如此，攻城獅們寫程序時，也能根據(jù)他人經(jīng)驗，知道大概該怎么做。ai能自己學，但是，攻城獅們需要設置許多參數(shù)，比如用哪一種激活函數(shù)；如何搭建網(wǎng)絡結構；分別設置多少卷積層、池化層、全連接層，如何排列架構；用哪一