時間：2017-04-02 來源：互聯網 瀏覽量：
【大健康產業情報】BAT的老板們又聚齊了——這是今年深圳IT領袖峰會的一個重要看點。行業的關注程度，大概跟範冰冰李冰冰同台鬥豔差不多吧，吃瓜群眾都很想知道誰“豔壓”了誰。
這次峰會的主題是“邁進智能新時代”（億邦注：去年主題是“IT 智能 共享”……智能話題長盛不衰啊），無論是政府官員、經濟學家還是互聯網企業領袖們，都在盡力圍繞人工智能的話題去探討、延伸。
BAT三個老大哥被要求合照了，李彥宏和馬化騰同台互動了，馬雲則做了獨立演講。到底誰“豔壓”了誰？他們各自講了啥？跟醫療行業有什麼關係？不妨來看看億邦動力網做的內容梳理：
為了挖微軟的人，馬化騰在西雅圖設立了實驗室
關於騰訊的人工智能，現場討論最多的是前段時間騰訊AI Lab自主研發的圍棋人工智能“絕藝”。與Alp
據介紹，“絕藝”的研發人員中沒有一個人真正會下圍棋，目前騰訊有一個700多人的人工智能團隊，已經成立了一年多。
馬化騰坦言，在人工智能方麵，百度其實走得更前，騰訊已經落後不少，去年才成立部門。一直以來，騰訊的各個事業群的業務都已經積累了很多的圖片、消息等大量數據，各個事業群內部都有研究，後台的數據分析、廣告匹配都用了人工智能技術，隻是大家感受不到，因為他在後端。騰訊人工智能在前端的產品，是受到Alpha Go的啟發，團隊抱著練兵的心態做了嚐試。
他表示，在圍棋以外的很多領域，包括醫療、金融等各個行業，都能用計算機後台做出一個模擬器，讓它充分嚐試，例如模擬汽車環境，給它一個規則，讓它駕駛，去撞，有各種反饋，自然會琢磨出一套理論和經驗。
馬化騰還提到四個在AI領域最關注的因素：場景（沒有場景，所有的研究就是空中樓閣）、大數據（如何清洗、梳理數據）、計算能力、人才。
“我們一直比較缺乏人才，通過一年我們也招了挺多的人，我們在微軟、在西雅圖還設置了一個實驗室。因為很多微軟的人不願意離開西雅圖，所以我們就在旁邊設，沒有辦法，人才就是這樣。”
（熏疼微軟兩秒……據微軟全球執行副總裁沈向洋介紹，目前微軟人工智能事業部一共有7000多個工程師和科學家，而且還在繼續招人，但是仍然經不住馬化騰、李彥宏和馬雲來挖人。）
為了搞AI，李彥宏“打臉”自己
說李彥宏“打臉”，是指他曾經跟外界強調，百度是商業公司，不應該成立純粹的研究機構，就算研究，也要講產品投入市場。但是人工智能、深度學習的浪潮起來後，李彥宏的想法改變了。“人工智能需要在理論上、算法上，在很多方麵有長遠的布局和突破。”
於是，2013年1月份，百度對外宣布成立“深度學習研究院”，開始大規模投入去吸引人才，推進算法。
數字中國聯合會主席吳鷹評價，百度在人工智能布局很早，而且深度學習上比美國很多大公司還要領先，他認為這麼評價並不過分。
李彥宏的胃口很大：“互聯網其實現在隻是一道開胃菜，真正的主菜是人工智能，所以人工智能不是互聯網的一部分，不是互聯網第三個階段，它是堪比工業革命一個新的技術革命。”
不過，李彥宏沒有特別提到百度在醫療領域的人工智能嚐試。據億邦動力網了解，在2016年10月，百度就發布了“百度醫療大腦”，當時還未離職的百度首席科學家吳恩達還出來站台演講。
（這張半年前拍攝的照片裏，“百度醫生”、“吳恩達”這兩個關鍵詞都已經從百度謝幕）
根據官方介紹，“百度醫療大腦”是通過海量醫療數據、專業文獻的采集與分析進行人工智能化的產品設計，模擬醫生問診流程，與用戶多輪交流，依據用戶的症狀，提出可能出現問題，反複驗證，給出最終建議。在過程中可以收集、彙總、分類、整理病人的症狀描述，提醒醫生更多可能性，輔助基層醫生完成問診。
馬雲說：AlphaGo贏了李世石 so what？
馬雲大大一上台就聲明自己是“胡說八道”，演講也是一如既往地諄諄教誨，跑題到外太空，在最後十分鍾終於“點題”談了談人工智能。
依然是語不驚人死不休：“大家把AlphaGo說得天花亂墜，很恐怖的樣子。AlphaGo是贏了，so 特麼 what？下圍棋本來的樂趣就是對方下一把臭棋，結果機器不會下臭棋，那還有什麼意思呢？圍棋打敗了人隻是侮辱了一下人而已，機器要做的是人類做不到的事情，這才叫本事。”馬雲調侃道。
其實，早在去年的深圳IT領袖峰會上，創新工場董事長李開複就曾評論過穀歌的AlphaGo。他認為，AlphaGo再厲害也是人類的奴隸，他厲害的是能複製出1000個奴隸幫人類幹活。“現在的機器沒絲毫自我認知，沒有感情，沒有喜怒哀樂，做了決定也講不出為什麼。”）
馬雲認為，人類應該讓機器有自己的思考，機器要有自己的方法，也就是machine intelligence 。“未來100年我們將會把機器變成人，而這個人跟我們想象的人是不一樣的。外星人不是人，人太自大了，覺得外星人長得跟我一樣，瞎扯。”
好了，其實在這三位之外，今天的峰會上，還有其他一些關於醫療領域人工智能的描述和論斷，例如清華大學國家金融研究院院長朱民，他介紹了一些人工智能應用在醫療領域的案例，例如東軟針對醫療設備的影像做輔助的肺癌診斷。
他提到兩個人工智能診斷癌症的“人機對比”：
診斷乳腺癌，130張切片，基於靈敏度（找到了多少正確的腫瘤）和假陽性（將多少正常組織診斷為腫瘤）的評分中，一位病理學家30多個小時，準確率為73.3%，人工智能是88.5%。
診斷皮膚癌，準確度堪比專家。2017年2月2日，斯坦福大學研究人員采用深度卷積神經網絡，通過大量訓練發展處模式識別的AI係統，使計算機學會分析圖片並診斷疾病。
此外，還有一個事件值得引起關注。2017年1月10日，美國FDA首次批準了一款心髒核磁共振影像人工智能分析軟件cardio DL ，這款軟件將深度學習用於醫學圖像分析，並為傳統的心髒MRI掃描影像數據，提供自動心室分割分析，這一步驟與傳統上放射科醫生需要手動完成的結果一樣精準。
