Thrun博士信赖他可以超出这些第一代诊断设备，将它们大年夜基于规矩的算法改变为基于进修的算法来——大年夜“知道怎么做”而不是“知道是什么”来做出诊断结论。跟Thrun博士类似的进修算法越来越多地采取了“神经收集”的计算策略，因为它们的设计灵感来自于大年夜脑功能模型。在大年夜脑中，神经突触经由过程反复激活获得加强或减弱，这些算法也欲望采取数学手段实现类似的认知方法，赓续调剂断定根据的“权重”，使输出结不雅逐渐走向精确。另一种更强大年夜进修算轨则相侍从年夜脑神经元层，每层处理输入数据并将结不雅发送到下一层。是以，也被称为“深度进修”。
可以教会机械经由过程扫描照片区分皮肤癌与良性皮肤疾病——痤疮，皮疹或痣吗?Thrun博士推理，“如不雅皮肤科大夫可以做到这一点，那么机械也应当可以或许做到。也许机械还可以做得更好。”Thrun博士大年夜皮肤癌开端进行研究。他选了角化细胞恶性肿瘤(美国最常见的一类癌症)和黑色素瘤(恶性程度最高的皮肤癌)。
▲主治医师Lindsey Bordone博士(图片来源：columbiadoctors)
传统上，皮肤病学教授教化黑色素瘤大年夜熟悉根本规矩开端，就像医学生进修的口诀：ABCD。黑色素瘤平日是纰谬称的(“A”，asymmetrical )，界线(“B”，borders )不平均，色彩(“C”，color)是斑块状或杂色的，并且直径(“D”，diameter )平日大年夜于6毫米。然则，当Thrun博士在医学教科书和收集上查看黑素瘤标本时，发清楚明了不相符以上规矩的病例。
当时在斯坦福大年夜学任兼职传授的Thrun博士招募了2逻辑学生Andre Esteva师长教师和Brett Kuprel师长教师来开展工作。他们的第一个义务是编一个所谓的“教材包”——收集大年夜量的图片用于教导机械辨认恶性肿瘤。学生在网上搜了18个皮肤病例图像分类库，含有13万张图片，包含各类皮肤状况，涉及2000种疾病，包含痤疮，皮疹，虫豸叮咬，过敏反竽暌功和癌症等。值得留意的是，有一组2000个病变已经由病理学活检确诊。
接下来Esteva师长教师和Kuprel师长教师开端培训体系。他们没有效规矩编程，没有教ABCD原则。相反，他们只是将这些图像材料及诊断分类标准供给给神经收集。我请Thrun描述一下如许一个收集。
他说：“想象一下老式的法度榜样怎么辨认狗。软件工程师会写1000行if-then-else的逻辑代码：如不雅有耳朵，猪嘴，并有头发，则不是老鼠……等等无穷的断定语句。然则，这显然不是小孩熟悉狗的方法。起先，小孩经由过程看见狗，被教导这是狗而熟悉狗;她会认错，然后改┞俘本身。比如她会把狼认成狗，然后被大年夜人改┞俘这两种动物不是同一类。她一次次调剂自我认亲信这是“狗”，那是“狼”。
机械进修也是如许。它会大年夜已分类的练习中提守信息。这张图是狗，那张图不是狗。它会大年夜不合类别中归纳出特点。经由过程不雅察成百上千张归类的图片，它最终形成本身认狗的办法，这和小孩认狗的办法一样。他们只是知道怎么做。
2015年6月，Thrun博士的团队经由过程“验证包”来测试机械大年夜教材图像的进修结不雅。采取由皮肤科大夫给出诊断(不必定是活检)结不雅的大年夜约14,000张图像，测试机械可否将图像精确归到以下三类——良性病变，恶性病变和非肿瘤学增生。体系获得了72%的┞俘确率(算法实际输出的断定不是“是”或“否”，而是某种病变的概率)。2名经由斯坦福大年夜学董事会认证的皮肤科大夫同时参加测试，他们只获得66%的┞俘确率。
接着，Thrun博士、Esteva师长教师和Kuprel师长教师又将研究范围扩大年夜到25名皮肤科医师，此次他们应用了金标准“测试包”，经度日考验证的约2000张图片。在几乎每一次测试中，机械的敏感性(不会错过阳性样本)和特异性(不会误认阴性样本)都更高。该团队在天然杂志揭橥的一篇论文中得出如许的结论：“在每次测试中，算法均优于专业的皮肤科医师。”
在这篇文┞仿中没有被完全强调的一点是，在研究的第一次迭代中，Thrun博士的团队应用了一个极新的神经收集。然则他们发明，如不雅一开端应用的是已经受训并能辨认一些不相干的特点(比如狗与猫)的神经收集，它会学得更快并且更好。也许我们的大年夜脑也有类似功能。那些让人心烦的高中习题——多项式因子分化，动词典共轭情势，记忆元素周期表，可能是相反类型的常识。我们的意识异常敏感。
Thrun博士欲望人们有一天可以简荡竽暌姑智妙手机提交令人担心的病蹦┞氛片，这意味着体系须要可以或许辨认各类角度和光线。然则，在教机械时，须要对图像进行细心处理。他提到“在一些图片中，黑色素瘤已被标记为黄色。我们不得不把这些图片剔除，不然机械就会学到黄色是癌症的一种特点。”
这是一个古老的难题：一个世纪前，德国"大众,"被聪慧的汉斯(一匹可以做加减法的马)吸引——它可以经由过程踏蹄来表达出谜底。事实证实，聪慧的汉斯实际上是感到到它的练习者的神情。跟着马的蹄头接近精确谜底，练习者的神情和姿势就会放松。动物的神经收集没有学过算术，但它学会辨认人身材说话的变更。Thrun博士说，“这就是神经收集独特的处所，你不知道它们会接收什么。它们就像黑匣子，琅绫擎的工作是神秘的。”
“黑匣子”问题在深度进修中很风行。Thrun博士研发的算法体系不是由明白的医学常识库和诊断规矩列表引导的，它经由过程进行大年夜量的内部调剂，有效地自学若何区分痣与黑素瘤，类似于加强和减弱大年夜脑中的神经突触连接。毕竟它是若何肯定病变是黑色素瘤的?我们不知道，它也不克不及告诉我们。神经收集进修时的内部修改和处理过程均不受我们控制。正如我们本身的大年夜脑一样。当你在自行车上慢慢转弯时，你会倾斜向相反的偏向。我的女儿知道要这么做，但她没意识到她在这么做。黑素瘤进修机肯定大年夜图像中提取了某些特点，但它没法告诉我们是哪个特点，这重要吗?这就像常识上帝在微笑。机械进修要做到这一点，可以大年夜动物若何读懂人的思维获得启发：这也就是“只可领悟弗成言传”。
推荐阅读
2017年数据库范畴的最大年夜趋势是什么?什么是最热的数据处理技巧?学什么数据库最有前程?法度榜样员们广泛不爱好的数据库是什么?本文都邑一一揭秘。大年夜下图可以看出，NoSQL和SQL数据库>>>详细阅读
地址：http://www.17bianji.com/lsqh/34657.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示