人工智能医药范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇人工智能医药范例，将为您的写作提供有力的支持和灵感！

篇1

张海涛：的确，2015~2016一年多的时间里，现代医学发生了转折性的变化。大数据、精准医疗、人工智能这些成为医疗领域的“爆款”词汇。智能医疗已经不是从科幻片中看到，是真实世界的真实事件。人工智能有多神，要回答这个问题，得先了解医疗的人工智能完成了哪些了不起的事。

第一是认知计算，人工智能可以24小时不间断的读取海量文献，具备最全面的基础知识和最新进展，这属于认知，很好理解。但重点在于智能要做到的不仅是录入，而是读懂，将海量外部信息转化为自身知识和结论。比如从文献中获取了他汀在某个数值下使用会减少冠心病发生，它会给出相应治疗建议，这是计算，即学习能力。人工智能能快速将患者病情的相关信息搜索一遍，通过统计运算给出最个性最优化的治疗方案。再拿现有的可穿戴设备举例，虽然它能监测人的心率运动量等，但无法给出进一步建议，未来的人工智是能根据不同患者的状况给出不同的解决方案的，告诉你食物摄入不足还是过多，运动量还需多少达标等等。

第二是深度学习，等同于人类直觉。打个比方，我们让机器人对某个物品做出鉴别，它需要根据这个物品的大小、重量及其他特定属性做出判断并得出结论。而具备深度学习的智能机器可以不需通过数据和逻辑得出结论，当它看到一位急症患者，会根据患者的痛苦面容、喘气速度、所选医院和科室等，迅速反应出他是急性左心衰。这种推测不需要输入患者信息，反应快，但不一定准确。

第三是智能数据。以前讲到的数据其实是小数据，我们对小数据进行抽样研究去寻找规律，但这种推理只能预测大概率事件，无法认识小概率事件。例如他汀输注后的横纹肌溶解是小概率事件，如果发病率为十万分之一，我们很难收据足够样本进行研究分析。相反，如果通过智能录入一千万例患者，按比例将有一百例患者，假设一百例都出现在北京，那么可认为发病与地域相关，如果其中九成是男性则可认为疾病与性别有关，如果其中又有九成是抽烟者，说明疾病与烟草有关。这对我们定位和救治小概率事件中的人群有重大意义。通过这种方式发现小概率事件的规律，可以理解为将架构师的脑袋放在大数据库中，可使我们的认识更接近真实世界。另一方面，通过大数据发现规律可以更好的预测未来。再比如，人工智能根据患者身高体重、血糖血脂以及个人生活方式进食方式等预测他在某个时间可能发生低血糖，可以在此之前提醒患者补充糖类来预防恶性事件发生。

用于心脏疾病的人工智能可以实现什么？

张海涛：现在来看至少能实现两方面的问题。我们知道心脏病患者在出院后要满足用药达标和生活方式达标，如果患者仅有高血压，用药达标是较容易实现的，如果患者在高血压基础上还合并高血脂、消化道出血，或合并前列腺问题，有阑尾手术史、脑梗史，有牙科问题等，这时需要综合各专科的知识来做决策。但人脑的知识储备是远远不足的，人工智能却可具备最全面正确的知识和诊疗标准，可以指导医生临床用药。另外，它可以连续观察患者出院后的运动状况，根据其身高体重心律血压用药状况等给予运动方式建议，并做出评估。

在6月17-19日举办的第五届中国心脏重症大会上，人工智能作为会议的亮点之一会有很多精彩的报告。可以说，心脏重症领域要正式“触电”大数据、智能医疗、精准医疗，去拥抱新思潮、新设备、新话题和新模式，非常希望届时与更多医生探讨这一话题。

人工智能可以治病，医生做什么呢？

张海涛：智能医生只能为数字人看病。什么是数字人呢？从某种意义上，人具有生物人和数字人两种基本属性，血型、身高、体重等构成数字人。人工智能可像人一样读文献，超过人的精力，24小时不间断的读录文献，具备最全面的医学基础知识和最新进展，并且具备超强的运算能力，可快速将患者信息统计运算，给出最个体优化的治疗方案，但它无法与患者进行情感交流。说到底，医学是文明的产物，医生不是修理工，我们的医疗过程会涉及到感情、文化、患者意愿等，这是机器无法复制的。未来，人工智能是医生的助手，为医生的决策提供参考，医生根据患者意愿、经济能力、依从性等综合考量并做出决定。

医生在临床决策出现冲突时怎么办？医生的权威性会受到挑战吗？

张海涛：这是个很关键的问题。首先，不但人与人工智能间会遇到决策不一致，人工智能本身也会遇到，它能录入巨大数据，其中必然有观点相悖的信息，但它比人更理性，会一遍遍学习从而得出最优建议，而人类在治疗中感性成分更多。从另外的角度想想，其实没有一种方式是非常完美的，任何一种方式都有利弊，所谓的决策的冲突和矛盾属于真实现象，是允许存在的。

医生的决策与人工智能发生冲突时呢？通常觉得，医生对同一种疾病应该有相同的诊断、相似治疗方案，实际不同医生在同一疾病的诊疗方案会相差很大，这受医生教育、利益、地域文化的影响。比如女性更年期后服用雌激素的比例在美国是28%，在中国不到7%。中国女性的观念倾向于不用，因为服用雌激素可能引发肿瘤，而美国人对生活质量的要求高，她会选择使用。医生与智能出现决策冲突并不奇怪，医生需要根据不同需求确定医嘱，无关对错。所以，医生仍需查文献、不断学习，需要综合判断，智能给出的只是参考，它只是医生的助手或患者的顾问，绝不会取代。

未来，手术也可以被机器取代吗？

张海涛：手术操作其实是创造“艺术”的过程，需要更多层面的知识和技能，而且机器在精细操作方面远不如人类手指灵活，它的优势是运算速度和自我学习能力。虽然现在达芬奇机器人下的手术在很多医院开展，但真正实现机器人做手术还很长远。

如果人工智能能可实现基本医疗任务，患者来院的刚需是什么？

篇2

【中图分类号】R472【文献标识码】A【文章编号】1672-3783(2012)02-0410-01

作为一名医院的护理管理人员，首先要了解的是护理管理的概念，特别是护理管理者为了达到管理的目的而运用的一系列方式和手段，它既是一种护理行为也是一种管理行为，其管理行为是否协调会直接影响到被管理人员的护理目标。医院护理管理人员以护士长为代表，护士长的管理能力和业务质素直接关系到护士们完成日常护理工作的好坏，本文就医院护士长为护理管理人员代表，着手分析其业务素质能力，先将情况汇报如下：

1管理者的素质要求

1.1护理管理观念要与时俱进：护士长作为医院护士队伍的领头人，要时刻保持先进的思想和科学护理理念，随着公、私立医院的不断增多，医院间的竞争也在不断增加，哪家医院的服务更好，更人性化也成为许多患者在就医时的重要考量，护士长作为领头人，要增强竞争意识，树立市场观念，不断加强和改进护理管理工作使其有医院的特色，成为一种优势，明确护理工作中要以患者的健康和花费少为首要宗旨和工作前提，凡事为病人及其家属着想，面对护理需求多元化的今天，要注意培养和提升护理工作的实际性和广泛性，面对实际工作中多次出现的护理盲点和突发状况都要及时拿出对策和做出相应人员调整，时刻要做好总结报告，尽可能最大程度上的满足不同类型病患和家属的护理需求，体现本院的护理水平和应对能力。

1.2提高沟通与交流的能力：作为一名管理人员要做到工作有分工，职务明确且坚持公平平等对待的原则。拿护士长来说，在对待每名护士时要做到尊重个人人格和利益，坚持人性化、科学化的管理方式，设身处地的为护士着想，对于每名护士的个性和特点有针对的安排工作，老年人喜欢安静能倾听和陪伴的感觉，这时就不适合让个性过于活泼热情的年轻小护士担当起护理工作。做到如此有针对性的分工，不仅能有效的完成护理工作还能很好的发挥每个护士的特长，让医患间建立起良好沟通，在护理工作中发现自我价值，同时也能让管理者和被管理者间产生相互信任及理解，对于管理者日常的管理及调动工作的实施会起到促进作用。对于交流沟通过程中收到的建议和想法，可行的要及时采纳，不可行的或难以达到的也要耐心解释，说明原因和理由，让每个意见都能得到及时的反馈，做到有效的沟通和交流。

1.3培养获取知识的能力：护士长在护理队伍建设中是排头兵,必须有过硬的业务技术,扎实的专业知识,对护理技术精益求精,要做到这一点就必须勤学苦练,有强烈的敬业精神。护理质量是医疗质量的一个重要组成部分,护士长要抓好护理质量管理必须要有现代质量意识,包括现代质量理论、方法、管理艺术等。对于护理质量护士长最有发言权,是质量管理的枢纽,要当好质量监控人,这就要求护士长必须提高自身素质,不仅要具备常规操作能力,还必须掌握边缘学科知识、专科技术、专科护理等基本技能。因此,护士长要培养获取知识的能力,以便多渠道、快节奏地获取信息,掌握先进的技术和理论,不断拓宽知识面,把拥有多方面、多层次的知识,灵活运用到临床护理工作中,融会贯通以适应日趋复杂的护理管理工作。

2护理管理技巧分析

2.1领导艺术的分析

2.1.1语言水平：语言水应了管理者得职业道德和素质涵养，就护士长而言，除了向上级汇报工作总结之外还有向下级传达工作指示，在此过程中，恰当的言辞和语言组织能力，亲切诚恳的话语会让工作事半功倍。

2.1.2指挥水平：管理人员的本职就是善用管理技巧达到有效的人员组织、工作分配的目的。护理管理人员的指挥水平就是要看其在日常护理工作中护士的工作安排，做到发挥护士的个人特长做出针对性安排，最大程度的发挥能动性，有效完成医院护理工作。

2.1.3批评艺术：管理工作中时常会遇到阻力，如安排的护士没有很好的完成护理工作、病患及家属的各种投诉事件等等，面对护士的工作疏忽和不专业导致事件时，不要采取攻击性言语的批评方式，可以采取教育方式，对事不对人的进行谈话，倾听对方的行为原因和事件发生后当事人的态度和行为再采取针对性教育。

2.2管理能力的培养

2.2.1人才管理能力：21世纪的竞争是人才的竞争,现代护理管理理念要遵循“尊重人、依靠人、发现人和为了人”的原则。护士长作为医院基层管理者，要善于当“伯乐”。将关心人才与关心工作有机地结合起来,激活护士的工作热情,为人才的成长营造良好的氛围,为护士创造一个宽松的发展空间。

2.2.2经济管理能力：随着中国市场经济的发展,卫生服务从不创造价值的事业部门向创造价

值的生产部门转化。因此,一个优秀的护理管理者必须具备财务管理和控制能力,要学会成本核算,保证资源不被浪费,管理好人、财、物。在提高护理质量,履行社会责任的同时,用最少的投入得到最多的产出,以最小的消耗换取最大的效益。

3小结

随着时代的进步和医疗卫生事业的发展，医院的工作不再以医生为单一主力，病患对于医院的护理能力和要求也在不断改变，好的服务护理治疗影响着患者的治疗效果，合格的护理队伍需要有能力的管理者来带领，想要成为一名优秀的医院护理工作管理者就要有着进步的思想，过硬的业务素质，先进的领导水平，作为护理工作的领头人，带领医院的护理队伍登上新的台阶，提高医院的整体护理水平和专业形象。

参考文献

[1]于秀英,曾素琴.提高护士长素质,适应现代护理管理[J].护理研究, 2010, 17(6): 731-739

篇3

1引言

新一轮科学技术和产业革命的深刻变革，推动社会各个领域实现深刻变化。人工智能是这一轮产业革命的重要成果，国家也将人工智能作为中国产业发展的重要组成。中医作为我国的国粹之一，由于主要强调临床经验，治疗方式上也是因人施治，一人一方，异病同治、同病异治，存在着发展的短板。人工智能的应用为中医的信息化发展以及中医研究的深入推进提供了机遇。如何用人工智能为中医研究应用赋能，是一个非常重要的研究课题。

2大数据为中医智能化提供基础

大数据时代已经来临，已经成为全世界的共识。大数据时代纷繁复杂的信息在为人们带来挑战的同时，更多的是一种机遇。中医与互联网大数据的深度结合是国家战略，也是中医药研究领域关注的重点，于进一步研究和发展中医药大数据产业，提升中医药国际地位，具有重要意义。“互联网+中医”早在几年前就已经成为国家战略，我国《中医药发展战略规划纲要2016-2030》明确提出推动“互联网+”中医医疗，对“互联网+”中医医疗做了具体和全面的部署。具体而言，大数据对中医发展的智能化推动有几个方面。首先是中医药数据的挖掘使用，我国中医博大精深，是一套深奥成体系的学术、临床体系，中华几千年的中医药发展积累了极其丰富的大数据，是一座亟待开发挖掘的金矿。将这些丰富的数据进行智能化，对中医发展的促进作用将是无与伦比的。其次，大数据结合中医的核心理念，实现中医的有序发展。中医的临床疗效评价实质上是中医辨证论治与临床结局之间的因果关联分析，大数据理念恰恰可以反映关联及因果关系。中医生更多是临床过程的记录，在日积月累的经验积累和案例分析中形成独特的临床经验，将这些经验通过大数据建模的形式刻画出来，将大大实现中医的智能化。最后，大数据为中医发展的现代化和标准化提供条件。中医的发展需要标准体系的支撑，落点应该在于制定标准体系，促进共享应用，进而实现中医药大数据在互联网医疗等领域的创新和应用，在更大意义上推动世界范围内中医药大数据的发展，进而促进中医药国际化。

3运用人工智能促进中医研究应用的意义

人工智能和中医的结合，不仅可以对中医的研究和应用起到促进、推广作用，也是对人工智能应用领域的丰富和拓展。具体来看，人工智能对中医研究应用的意义有以下几个方面。（1）有助于推动中医的信息化发展。上文已经提到，我国几千年的中医研究建立了极为庞大且秩序井然的中医知识图谱，但是如何通过对数据价值的挖掘，进一步促进中医药发展是一个重要的课题。而互联网的出现，特别是大数据时代的到来，更为中西药的信息化提供了难得的机遇。人工智能对发掘中医隐性知识有着得天独厚的优势。当前，以大数据为支撑的人工智能在医疗领域的应用很多，比如医学影像、语音识别、病人看护等。延伸到中医研究和应用领域的还不多，可以利用人工智能将大量的中医诊疗数据进行深度挖掘，从而拓展中医人工智能的市场前景。（2）有助于推动中医传承发展。可以说，传统中医存在传承、推广应用和发展方面存在较大的痛点和难点。一般情况下，知名中医的传承主要是流派传承或者人传人的方式进行，这种传承方式成长周期长，无法复制，规模化推广应用受到限制。而通过人工智能则可以有效解决以上痛点，可以将知名老中医的诊疗思想、辨证逻辑和处方经验进行整合，形成在线的辅助学习和辅助诊疗系统，带动更多普通医师提升诊疗能力，也可以帮助中医的传承及推广应用。（3）人工智能有助于推动中医诊疗智能化。诊疗是医学的核心环节。中医药的诊断流程一般分为三步，第一是望闻问切、采集信息；第二是四诊参合、辨证分型；第三是君臣佐使，构思方剂。不过，传统中医在很大程度上需要依赖医生的个人经验，这意味着必然存在一定局限性。但是，利用人工智能，普通医师可以通过第一步采集到患者信息，进而借助网络实现规范化处理，后台通过人工智能模拟名老中医的辨证治疗的方式，给出一定的方剂建议，从而使一般医师也可以开出相对更有效的大处方。因此，也可以说，人工智能是放大中医产能的重要工具，是中医智能化发展的重要抓手。

4人工智能推动中医研究中智能化的建议

篇4

中图分类号：G640 文献标志码：A 文章

“卓越工程师教育培养计划”是贯彻落实《国家中长期教育改革和发展规划纲要（2010―2020年）》和《国家中长期人才发展规划纲要（2010―2020年）》的重大改革项目，目的是培养一大批创新能力强、适应社会发展需要的高质量各类型工程技术人才。生物制药产业作为21世纪最具希望和发展潜力的新兴高技术产业，不仅对国民经济的发展产生巨大的拉动作用，并且为人类的疾病防治带来更多、更安全、更有效，甚至难以替代的手段。这种迅猛的发展对生物药物的设计、生产和管理的高级专门技术人才有着迫切的社会需求。传统的人才培养模式制约着我国高等学校人才培养质量的提高。高等教育担负着培养专门人才和推动社会经济发展的重要使命。培养大批受过良好工程教育并具有坚实基本工程素养和卓越创新能力的未来工程师是国家走新型工业化道路、建设创新型国家战略目标的必然要求。

一、创新人才培养模式，制定生物制药“卓越工程师”的培养目标

“卓越工程师教育培养计划”目标的重点在于改革工程教育人才培养模式，创新高校与行业、企业联合培养人才的机制，提升学生的工程实践能力、创新能力和国际竞争力。也就是说“卓越培养计划”要培养的是适应社会经济发展和产业结构调整需要并具有良好的职业道德、较高的综合素质、较强的工程实践能力与创新精神的高级应用型人才。我们在国家通用标准的指导下，按照行业专业标准的基本要求，结合中国药科大学的特色、办学理念和生物制药专业应用型卓越工程师的培养目标，制定了生物制药专业“卓越工程师”的培养目标：培养面向基层、具有良好的职业道德，系统掌握生物制药的理论和技能，具有扎实的化学、生命科学、医药学基础，具有较强的工程实践能力与创新意识的高级应用型人才，能在医药企业第一线从事生物药物的设计制造、技术开发、应用研究和生产管理等方面工作的“现场工程师”。其核心就是工程实践加科研创新。我校按照“卓越工程师”的要求，按照国家标准和行业标准对产业结构调整的要求和对应用型人才的需求，整体设计人才培养方案，科学制定培养“卓越工程师”的学校标准、企业标准和教学计划，深入研究理论与实践课程教学大纲，强化校企实习实训基地建设，强化师资队伍建设，建立相应的配套政策和建立质量保障体系，积极探索培养高层次生物制药专业卓越工程师人才。作为首批国家生命科学与技术人才培养基地和生物制药工程师计划依托专业，生物制药专业始终坚持把“面向生物医药产业，培养创新创业型人才”作为建设高层次应用型专业的指导理念。大胆尝试校企互动合作，企业全程参与人才培养各环节，体现“本科-研究生”教育对接、“大学-生物医药企业”产教协同的专业建设特色，实现学校、企业、学生三赢，引领国内生物制药人才培养模式的变革。在人才培养模式上，突出学生实践技能的培养，并且不断围绕行业对人才的需求进行教学探索和改革，积极将企业反馈意见用于提升教学质量。在国内率先制定并实施以“工程实践和科研创新”能力为核心，校企“共享师资、共建课程”为特色的“生物制药工程师”培养计划。

二、优化课程体系和教学内容

大学课程体系是指大学根据本校制定的人才培养目标而设计和构建的由既各自独立又相互关联的一组课程所构成的有机整体，是大学人才培养的主要载体，是大学教育理念付诸实践和人才培养目标得以实现的桥梁。生物制药专业本科阶段学生主要采取“3+1”应用型工程师培养模式，实行校企联合培养，即3年时间在校内进行理论课学习和实践环节训练，培养学生的基本理论、工程意识和工程实践能力；累计1年时间在企业“真刀真枪”学习和实践，完成基于岗位的项目课程、工程实践以及毕业设计，培养学生的工程素质、职业素养和实践创新能力。两个阶段的学习分别制定相应的校内培养方案和企业培养方案。对课程体系和教学内容进行了优化，主要表现在以下几个方面：第一，在课程设置方面，强化了“工程”的概念，增加和工程领域、生产领域密切相关的课程，同时，聘请有经验的生产企业人员进行针对性的授课。第二，早期科研训练：学生从进入卓越工程师班开始，就配备指导教师，每位导师指导4―5名学生。学生平常要参加导师所主持的开放课题、创新课题或其他研究性课题。由导师根据学生的表现评定成绩，给予相应的学分。第5―6学期让学生轮流到生物化学、微生物制药、生物制药、生物信息、分子生物学等学科实验室，在指定导师的指导下，为每个学生制定个性化的早期科研训练计划，让学生尽早参与部分教师承担的国家和省部级创新项目及企业合作项目的研究，使学生了解到不同学科的实验技术、科研方法，开阔学科视野，拓宽思维空间，培养学生的学习能力、动手能力和创新能力。第三，充分利用我校自有的大型实训基地，培养和强化学生的工程实践能力。依托中国药科大学实训大楼的GMP生物制药车间进行综合实训，包括微生物育种实训、代谢控制发酵实训、分离和纯化实训、生化分析检测实训和制剂实训等。根据实训项目计划书，进行为期一个月的校内实践。实训期间，学生按照岗位SOP进行菌种培养、发酵、提取、分离纯化、制剂等岗位的操作，了解生物制药车间内设备的结构、工作原理及工艺过程中的常见问题及处理方法。通过校内的实训，可以大大缩短学生从学校到生产企业之间的适应期，有利于学生在实习阶段直接参与企业的生产过程。学生在实训结束后，提交一份实习报告，结合实训期间的表现进行综合考核，通过考核后，获得相应学分。第四，充分利用我校已有的校企联合办学的基础和优势，让学生去企业中学，在企业中做，在生产实践第一线上培养学生的动手能力、基本技能、工程综合能力，以及表达能力、团队合作能力等。在企业学习阶段，由企业提供实训场所，安排有经验的工程技术人员指导学生，通过学生现场的实践与学习，结合药物生产全过程中的实际问题（如生物药品生产、质量检测、GMP实施、生产车间及生产工序的设计、施工、检测、监理、运营、维护、管理等），使学生了解和学习医药企业的先进技术。

三、改革教学方法和考核方法

课程教学方法的改革和其他教学环节的实现方式不仅要保证学生有效地掌握教学内容，确保学生的能力得到培养、训练、形成和提高，而且是保证每门课程或教学环节的目标得以实现的重要手段。

因此，根据教学内容选择最合适的教学方法就显得尤为重要。工程类课程的一大特点就是实践性比较强，如采用传统的“灌输式”课堂授课，既不利于培养学生的形象思维能力而且学习起来也枯燥难懂。因此需要教师采用行之有效的教学方法，如基于问题的探究式学习、基于案例的讨论式学习和基于项目的参与式学习等研究性学习方法。目前，针对生物制药卓越工程师班的多门课程都在进行课程改革，以生物制药设备课程改革为例，由于该课程实践性强、学习难度大，教师设计了以探究式教学为导向并联合采用案例教学法进行授课的模式。首先以探究式教学为导向，学生在课堂教学中的探究式学习应体现科学探究的特征、方法和过程，但又区别于科学家的首创性的探究，对于学生探究学习的课堂教学设计，不能脱离“学习”而盲目追求探究的形式，探究式学习的目的是掌握探究的步骤，领悟探究的方法，自主地建构知识，因此需要教师给予必要的指导，对在课堂中进行的探究式学习，必须进行精心设计；其次，联合采用案例教学法进行授课，在教学过程中通过收集各种工程项目和科研课题的具有代表性的案例，不仅可以使学生加深对知识点的理解，还可以使学生认为自己所学的知识十分有用，大大增强了学习的兴趣。也就是说，一方面始终采用以探究式教学为导向，教师始终要在启发诱导下进行教学，以现有教材为基本探究内容，以自主学习和合作讨论为前提，为学生营造出自由表达、充分质疑、深入讨论的良好环境，让学生通过个人、团队等各种解难释疑将所学知识用于实际问题解决；另一方面配合案例教学法，运用一些最新科研成果、工程项目或企业实例激发学生学习兴趣，“以例激趣，以例说理，以例导行”，这一教学方法的改革将更好地调动学生的学习积极性，并有利于更好地理论联系实际，有利于学生自主学习能力的培养，完善学生的知识结构。

另外，改革考核方式和评价标准也是势在必行。我们正在探索使教师和学生均成为评价主体，因为学生是学习的主体，他们需要了解自身的进步，也需要知晓自身的不足，因此，学生也应该成为评价的主体，完成自我评价，并参与对同学的评价。这就意味着要改变教师是唯一评价者的惯例，做到评价主体的多元化。在评价形式上，我们也在探索多元化评价形式，如习题作业、问题讨论、阶段报告、随堂测验、个人展示、项目训练、设计方案等，随着我校网络教学平台的建立与完善，我们可以采用网上答卷、论文答辩、研究报告、项目设计、创新竞赛等多样化的考核方式，多角度、全方位地测量学生知识、能力和素质水平，促进人才培养。

四、完善教学管理制度

为了保证人才培养目标的实现，我们将对特色班的教学和人才培养质量进行监控与评价。建立新的教学质量评估体系，制定并实施以加强素质教育和提高创新能力为核心的教学质量评估体系，积极进行考试方式的改革，改变只重知识不重能力的考试评估方法，建立新的学生评价体系，引导学生重视能力和创新意识的培养。

同时我们还将建立毕业生质量跟踪评价机制，跟踪学生在企业的发展和成长，保持和毕业学生的联系，学生毕业后根据发展需要可以到学校继续学习深造，学校为学生构建终身教育体系。

五、培育实践和创新能力师资

聘请优秀、成功企业家和创业者进校成为导师，为学生讲授生命科学与生物技术领域最新科研成果、先进技术及产业化经验，优化师资结构。通过学、研、产多方交流，使教师了解到本专业最新的发展动态和未来发展方向，积累丰富的实践经验，可以大大改变课堂教学与生产实际相脱节的弊端，有助于构建创新型医药学专业教师队伍，拓宽医药院校的师资来源，造就一支专兼结合的高水平“双师型”教师队伍。

首先，与全国多家药企广泛合作，建设国家级、校级、院级等不同层次的校外实践教学基地。中国药科大学建校于1936年，是中国最早建立的以药学研究为主的专业性高等院校，是一所历史悠久、特色鲜明、学风优良、在药学界享有盛誉的教育部直属、国家“211工程”重点建设大学，与国内外多家医药企事业单位有着良好的合作关系，在进行科研项目合作的同时，商谈实训基地建设的可能性，争取每年发展2―3家医药企业作为我们的校外实训基地。另外，有大量的中国药科大学校友正活跃于全国各医药企业的管理岗位，他们对母校怀着深深的热爱和感激之情，希望能为母校的建设尽自己的绵薄之力。我们可加强与这部分校友的联系，争取他们的支持与帮助，建设更多、更优质的校外实训基地。

其次，与企业合作开设课程，编写教材。通过与江苏先声药业有限公司、石药集团等多方的协作和探讨，制定并实施以“工程实践和科研创新”能力为核心，以校企“共享师资、共建课程”为特色的“生物制药卓越工程师”培养计划。确定了适合企业需求的课程教学内容，并由企业技术人员负责课程的讲授，真正实现了“将教室搬到了企业的生产车间”。

最后，培养“双师型”教师队伍。加强对具有发展潜质的中青年优秀人才的培养力度，通过重点培养和支持，有计划、有步骤地培养一批中青年骨干，进一步优化教师队伍的结构，提升教学水平。针对生物制药发展特点，实施中青年教师海外进修计划项目，选拔优秀的中青年教师，派往美国、英国、加拿大等发达国家学习交流，使本专业教师切实增强与国外学者的充分交流，掌握前沿科学理论和相关技术，拓宽国际视野，培养国际化人才；实施中青年教师企业进修计划项目，选拔优秀的中青年教师，派往生物医药大型企业带教交流，使本专业教师切实企业现状和需求，在人才培养、科技创新、成果转化等多个领域开展产学研的合作，在合作中取得共赢。

随着我国国民经济的快速发展，企业对人才的需求不但在层次上逐渐提高，而且对创新能力、应用能力和实际操作能力提出了更高的要求。我国正在发展生物医药产业，推进产业升级，因此需要一大批高层次应用型人才。我们力求培养生物制药专业大学生创新素质，实现产、学、研更紧密、更有效的结合，实现在实践中育人，这将有利于提高人才培养的针对性和培养人才的创造性，取得良好的育人效益。

参考文献：

[1]林健.面向“卓越工程师”培养的课程体系和教学内容改革[J].高等工程教育研究，2011，（5）：1-9.

[2]中国启动“卓越工程师教育培养计划”[EB/OL].http：///edu/edu-zcdt/news/2010/06-28/23

66051.shtml.2010.

[3]汪泓.更新人才培养观念，创新人才培养模式――卓越工程师教育培养的理论与实践创新[J].上海工程技术大学教育研究，2010，（3）：1-4.

[4]贺小贤，刘欢，丁勇，王丽红.基于“卓越工程师”培养的生物工程专业创新人才培养模式的探索[J].International Conference on Education and Education Management，2013，（3）：252-258.

[5]林健.面向卓越工程师培养的研究性学习[J].高等工程教育研究，2011，（6）：5-15.

Talent Training Mode Explorations of Biopharmaceutical Excellence Engineers Based on the Core of Engineering Practice and Scientific Research Innovations

WU Min，LIU Yu

篇5

【摘要】 目的 探讨甲氨蝶呤（MTX）不同用药方式治疗非破裂型异位妊娠的疗效及致肝功异常的临床特点。方法 将203例非破裂型异位妊娠患者随机分为三组：A组98例患者给予MTX 50～75 mg单次肌注+米非司酮共300 mg，50 mg/次，口服，1次/12h。B组52例患者给予MTX 50～75 mg单次肌注。C组53例患者给予MTX 50～75 mg两次肌注。结果 三组疗效比较，A组及C组的疗效均明显优于B组疗效，差异有统计学意义（P

【关键词】 未破裂型异位妊娠； 甲氨蝶呤； 米非司酮

The clinical analysis of ectopic pregnancy treated with methotrexate by different ways including cause liver damage FANG Li-shan,ZHANG Yan,CAI Ying-ying, CHEN Guo-ren,WEI He-ming.The Affiliated Hospital of Putian College,Putian 351100，China

【Abstract】 Objective To investigate clinical efficacy and liver damage of methotrexate combined with mifepristone for non-ruptured ectopic pregnancy in different way.Methods 203 cases with ectopic pregnancy were randomly divided into three groups:A group，98 cases were treated with methotrexate 50-75 mg a single intramuscular injection plus mifepristone total of 300 mg, 50 mg per injection by oral, every 12 hours. B group, 52 cases were treated with methotrexate 50-75 mg a single intramuscular injection.C group, 53 cases were treated with methotrexate 50-75 mg two intramuscular injections.Results During comparison among three groups,A and C group were significantly better than the curative effect of group B curative effect, which have significant difference （P

【Key words】 Unruptured ectopic pregnancy; Methotrexate； Mifepristone

异位妊娠是妇产科常见的急腹症之一，发病率约为1/100，是孕产妇的主要死亡原因之一，是指受精卵于子宫体腔外着床。近年来由于诊断技术的提高，异位妊娠的患者能在妊娠未破裂出血前诊断，故临床上的发病率有明显的上升趋势。且未婚者与未生育者居多。为了保护输卵管的功能及生殖能力，减轻异位妊娠造成的伤害和后遗症，异位妊娠保守治疗的方法更多地应用于临床。近年来大量临床文献报道，MTX联合米非司酮被认为是最常用、最有效的治疗异位妊娠的药物。

现将本院2007年10月～2010年10月应用甲氨蝶呤及米非司酮联合用药、单用甲氨蝶呤及两次肌注甲氨蝶呤治疗的非破裂型异位妊娠患者203例，进行回顾性分析，探讨甲氨蝶呤不同用药方式治疗非破裂型异位妊娠的疗效及致肝功异常的临床特点，现报告如下。

1 资料与方法

1.1 一般资料 2007年10月～2010年10月期间，本院收治确诊为异位妊娠并符合非破裂型异位妊娠保守治疗条件的患者203例，随机分成A组和B组。A组98例，年龄18～36岁，平均（23.4±2.6）岁；停经时间35～66 d，平均（43.6±16.3） d；阴道不规则流血64例，血β-hCG 160～1850 IU/L，平均（1105±21.2） IU/L；彩超示包块直径 23～49 mm，平均（31±2.5） mm。B组52例，年龄19～35岁，平均（23.6±2.8）岁，阴道不规则流血49例，血β-hCG 165～1945 IU/L，平均（1112±23.2） IU/L；彩超示包块直径 25～50 mm，平均（33±2.1） mm 。C组53例，年龄19～34岁，平均（24.1±2.6）岁，阴道不规则流血49例，血β-hCG 165～1943 IU/L，平均（1242±23.2） IU/L；彩超示包块直径25～52 mm，平均（35±2.1） mm 。三组间平均年龄、停经天数、治疗前血β-hCG值、附件包块直径比较差异均无统计学意义（P>0.05）。

1.2 诊断依据 （1）病史及体征、妇科检查；（2）血尿β-hCG均为阳性；（3）B超证实宫内无妊娠囊而宫外见妊娠结构（孕囊、胚芽、心管搏动或混合性包块），或阴道后穹隆穿刺有不凝固血液。

1.3 联合药物保守治疗指征 （1）患者自愿；（2）患者一般情况好，生命体征正常，无或有轻微腹痛，停经天数≤65 d；（3）附件区包块直径≤5 cm；（4）无明显内出血；（5）血β-hCG

1.4 治疗方法 所有患者治疗前常规做血常规、凝血功能、肝肾功能及血hCG定量检测，治疗前均与患者及家属做好医患沟通，所有患者均住院治疗。A组第1天开始口服米非司酮50 mg一次，每隔12小时一次，共服300 mg，同时根据体重选择MTX 50～75 mg单次肌注。B组给予MTX 50～75 mg单次肌注。C组53例患者给予MTX 50～75 mg两次肌注。治疗期间卧床休息，严密观察腹痛、阴道流血和生命体征的改变，若有异位妊娠破裂征象，立即手术。每周复查血β-hCG 2次至正常（β-hCG

1.5 疗效判定 参照《妇产科学》，治愈：临床症状、体征消失，血β-hCG降至正常，输卵管包块稳定或缩小，孕囊直径缩小>50%或消失。失败：治疗过程中输卵管破裂内出血而急症手术；血β-hCG未下降或持续增加；包块无缩小或增大，孕囊有心管搏动［1］。

1.6 药物治疗的毒副反应 观察并记录患者肝功能损害（转氨酶值）的发生情况。

1.7 统计学处理 采用SPSS 13.0软件进行统计分析。采用χ2检验，P

2 结果

2.1 两组治疗效果比较 A组98例中，90例治愈，成功率91.8%，治疗后8例腹痛加重，血β-hCG持续上升，改行腹腔镜或剖腹手术；B组52例，治愈41例，治愈率78.8%；治疗后9例腹痛加重，hCG持续上升，改行腹腔镜或剖腹手术；C组53例，治愈49例，治愈率92.5%；治疗后4例腹痛加重，hCG持续上升，改行腹腔镜或剖腹手术；三组治愈率比较，差异有统计学意义（P

表1 两组用药后治愈情况比较 n（%）

注：经χ2检验，A组与B组比较，P0.023；A组与C组比较，P0.592；C组与B组比较，P0.022

2.2 A组与C组肝功能受损情况比较 A组7例转氨酶轻度升高，C组6例转氨酶轻度升高；所有病例经保肝等对症处理2～7 d均痊愈。甲氨蝶呤联合米非司酮致肝功能损害的副作用小，差异有统计学意义（P

表2 两组患者用药后肝功能受损情况比较 n（%）

3 讨论

异位妊娠是妇产科的最常见急腹症之一，随着高分辨率B超的应用，快速敏感β-hCG检测技术的开展，未破裂异位妊娠的早期诊断率得以提高，这为仍需保留生育功能的患者药物保守治疗创造了条件。药物保守治疗异位妊娠是一种创伤小、经济、安全有效的方法， 使患者免除手术带来的创伤，同时最大限度地保留了生育功能，越来越被患者所接受。

药物保守治疗异位妊娠成功的关键是杀死异位存活的胚胎和滋养细胞，由于甲氨蝶呤能抑制二氢叶酸还原酶，干扰合成，从而抑制滋养细胞增生，破坏绒毛，促使胚胎停止发育致死亡。米非司酮则具有干扰孕酮对妊娠的支持作用，使妊娠的绒毛组织及蜕膜变性，而使胚囊坏死。所以两者联合应用显著提高成功率，且致肝功能损害小。 传统的主要治疗方法是手术治疗，近十年来由于高敏感度放免测定及高分辨B超的开展，异位妊娠的早期诊断显著提高，为临床药物治疗异位妊娠创造了条件。

近年来异位妊娠发病率明显增高，尤其年轻未生育者，发病率增高大多与炎症有关，中转手术者术中往往得到证实。另外宫内节育器是诱发盆腔炎、增加异位妊娠发病的因素之一。随着快速敏感血检测技术的问世，超声检查尤其是阴道超声的进展，提高了异位妊娠的早期诊断率，从而为非手术治疗创造了条件和时机。药物治疗避免了手术及术后并发症，恢复期短，减少了盆腔的粘连。有临床资料证实，其输卵管复通率、妊娠率高于剖腹或腹腔镜下保守手术者，但其随访时间较长。由于院外随访未能统计出其平均随访时间,有失去耐心而中转手术患者。

甲氨蝶呤是一种滋养细胞高度敏感的代谢类化学药物，是叶酸还原剂，可与四氢叶酸还原酶结合，使四氢叶酸形成障碍，从而干扰DNA的合成，使滋养细胞生长受阻、变性、坏死，从而使胚胎停止育，脱落排出，终被吸收［2,3］。米非司酮的作用机制主要是它具有强烈的抗孕激素作用，能与内源性孕酮竞争结合受体，使脱膜、绒毛组织变性坏死，终致早期异位妊娠流产。两种药物联合使用协同作用更强，可明显提高成功率。甲氨蝶呤为干扰叶酸代谢类药物，主要作用于细胞增值S期，人体内的骨髓、肝脏、消化道、黏膜等组织细胞代谢比较旺盛，故会受到该药影响，常产生消化道反应、皮肤黏膜损害、肝肾功能损害、骨髓抑制等不良反应［4］。但使用不同的剂量、方法及给药途径，其不良反应各不同。如何选择最佳治疗方案是个值得探讨的重要问题。

据目前研究报道，大部分采用多次甲氨蝶呤肌注方案。本研究显示，采用米非司酮50 mg口服，每隔12小时一次，共300 mg联合MTX 50～75 mg单次肌注，与MTX 50～75 mg两次肌注均有较好的疗效，治愈率均在90%左右，差异无统计学意义；但两者在致肝功能损害方面比较，差异有统计学意义，单次使用MTX致肝功能损害小，并且具有减少肌注次数，减轻患者痛苦，患者易于接受等优点。本文认为，单次肌注MTX联合米非司酮治疗输卵管妊娠安全可靠，疗效和多次肌注相当，致肝功能损害小，在甲氨蝶呤较紧缺的情况下，不浪费药品，值得推广。

本研究分析显示，重复用药治愈率明显高于单次用药，两者比较差异有统计学意义，异位妊娠的总治愈率与有关报道相符，有肯定的临床应用价值。重复应用甲氨蝶呤或联合应用甲氨蝶呤及米非司酮治疗效果肯定，明显优于单纯应用甲氨蝶呤的疗效。联合应用甲氨蝶呤及米非司酮致肝功能损害明显小于重复应用甲氨蝶呤，建议联用药物。

参考文献

［1］ 乐杰.妇产科学.第6版.北京:人民卫生出版社，2004:110-115.

［2］ Batra A,Agarwal S,Dewan R,et al.Idiopathic thrombocy-topenic purpura complicating pregnancy.J Indian Med Assoc, 2005, 103（10）: 545.

篇6

春节后，百度CEO李彦宏在一封题为《迎接新时代》的内部信中表示，今年公司对外要迎接新趋势，对内则要打扫门庭，对没有市场竞争力的产品该撤就撤，该关就关，该并就并。随后有消息称，百度裁撤了医疗事业部，不幸成为了“该关就关”的一个典型。而此次百度医生业务的关闭，也正是百度内部这一大动作的延续。

在“魏则西事件”后，当“百度”和“医疗”两个关键词伴随着“裁撤”同时出现，总能吸引大量目光。不过，百度此次裁撤医疗事业部其实和饱受大家诟病的医疗广告并没有什么联系。

据悉，医疗事业部是百度旗下一个才成立两年的新兴业务部门，专注于提供跟医疗和移动健康相关的服务。主要的业务范围则是联手国内知名医院推出挂号预约等服务，并整合百度原有的各项移动健康和移动医疗业务。百度医疗事业部的主要代表产品有百度医生和百度医疗大脑等。百度医疗事业部被裁撤，最直接的原因也许在于其糟糕的市场表现。

有人在《}脉》平台上匿名爆料称，“医疗事业部是EBG业绩最差的部门，今年国际化营收16亿元人民币，教育达到收支平衡，安全事业部重组，只有医疗的业绩最差，关键是实在没东西，只有一个概念医疗大脑，没有任何实际用处。”此外，还有消息称，这个有两三百号人的百度医疗事业部，已连续三年年终系数垫底。

新方向：人工智能+医疗

尽管百度医疗事业部该关的已经关了，但百度对于医疗业务的野心并未消亡。同样是在《迎接新时代》的内部信中，李彦宏表示，医疗将成为百度在人工智能上改造的一个垂直行业。百度医疗事业部所研发的百度医疗大脑，正是百度“人工智能+医疗”的产品雏形。

李彦宏最近的公开讲话，言必称人工智能。早在2016年底的乌镇互联网大会上，李彦宏曾发表了《智能医疗奇点临近》的主题演讲，阐述了百度“人工智能+医疗”业务的四个发展阶段。在亚布力论坛2017年会上，李彦宏又再次重申：“医疗领域有非常大的机会，与百度也非常有关系，我们将会利用人工智能参与其中。”

在百度看来，未来人工智能技术一定会被应用于互联网医疗领域，连接各种设备与终端，通过更加丰富的用户数据建立精准的用户健康画像，进而更加精准地匹配医疗服务。可以说，李彦宏本人对于“人工智能+医疗”业务有巨大热情。此番裁撤医疗事业部，应该只是内部业务的整合，实现李彦宏在内部信中所说的“战略上重要的项目去聚焦”。

百度曾在医疗O2O上投入了较多精力，但是市场效果欠佳，而且O2O模式也未能完全发挥百度在大数据方面的优势。而在去年9月份百度世界大会上，李彦宏就放出话来：“人工智能是百度核心的核心。”此次医疗业务整体向人工智能转型，显然也符合百度当前的大战略。

“人工智能+医疗”，百度缺什么

人工智能是目前科技界最火爆的话题，而医疗服务更是一大社会刚需，而这样的结合所带来的医疗经济注定会十分可观。然而，看到了这一点的却不止百度一家。事实上，如果要追根溯源的话，人工智能和医疗领域的跨界尝试，距今已经有了五十多年的历史。

篇7

医药制造业是我国国民经济的重要组成部分，在整个消费市场中有着举足轻重的地位。进入21世纪以来，我国医药制造业发展迅速，目前已成为全球第二大医药市场，原料药生产出口稳居世界第一。2007-2017年，我国医药制造业规模以上企业的主营业务收入从5967亿元增长至28200亿元，复合增长率达到16.8%，远高于同期GDP增长率。不过，我国医药制造业创新能力弱、竞争能力不强等问题突出，产品仍“以仿为主”，创新药欠缺，药品质量和疗效等都有待进一步提高。另外，随着近几年药品“带量采购”、“两票制”等政策的实施，对药企运营与成本控制提出更高要求和挑战，再加上疫情冲击，我国医药制造企业的收入和利润收到较大影响，规模以上企业的主营业务收入近几年一度出现下滑。在以上背景下，推动医药制造企业数字化转型是推进我国药企向创新型技术型转型升级、提升自身竞争力的有效手段。当前，我国医药制造企业数字化与智能化水平还有较大提升空间，据统计，我国有超过一半的医药制造企业处于单点信息化、数字化覆盖状态，系统间集成度较低；另外，仍有26%的医药制造企业处于数字化起步阶段。具体而言，我国医药制造企业数字化、信息化主要存在如下问题：第一是新药研发能力普遍偏低，研发阶段信息化支撑手段缺乏。当前医药研发需要强大的平台及人工智能、大数据分析等手段支撑，我国医药企业特别是中小企业仍处于传统医药研发阶段，缺乏信息化手段及数据的支撑，导致药物研发耗时耗力，且成功率低。第二是医药生产阶段信息化及自动化大部分处于单点覆盖阶段，未形成端到端集成。一方面部分生产环节还未实现自动化，这在中成药制造企业中较为常见，如药材预处理、药物提取、环境控制等环节，仍需要大量人工参与。另一方面，医药企业信息化与自动化大部分互相分离，生产过程中的数据没有得到实时收集以用于研发、生产过程的控制及管理。第三是企业营销流通、产业链协同等环节信息化水平普遍偏低。我国医药制造企业对药品营销渠道管理、营销数据的实时跟踪及数据分析能力普遍不足。同时，当前药企普遍缺乏互联网营销及用户服务类平台，基于线上的创新发展观念薄弱。另外，医药制造企业利用信息化平台打通产业链上下游企业，实现上下游企业数据同步、资源及业务协同等方面还存在较大短板。

二、我国医药制造企业开展数字化转型推进创新发展建议

基于我国医药制造企业数字化、自动化现状及问题，为推进我国医药制造企业运营升级、产品及服务模式创新，提升行业在国际的综合竞争力，企业应根据自身实际情况进一步提升研发、生产、营销流通、用户服务等环节智能化、数字化水平，同时推进企业各环节系统间集成及数据共享流通，最终实现智能化研发、智能化生产制造、智能化企业管理等全新生产运营模式的构建，具体建议如下。

（一）研发环节数字化

医药研发环节数字化是目前我国医药制造企业存在的最大短板，也是企业加强创新药开发力度的关键一步。研发环节数字化建议从以下几方面开展。一是企业内部要构建统一的研发基础数据库，如电子实验记录、仪器原始数据、化合物/生物样品数据、生物活性数据库等，实现研发过程中各类数据电子化、标准化，并实现基础数据库在企业内部的数据共享。二是完善企业级的研发信息管理系统实现研发流程集成。构建医药研发平台，建立标准化的研发流程，基于研发平台实现研发流程集成。基于研发平台推进研发数据的整合和开发利用，实现对研发进程和研发质量的管理和控制，提高实验效率，加快药物研发进程。三是充分利用大数据、人工智能等新一代信息技术辅助研发创新。医药制造企业应和专注于大数据、人工智能的信息技术服务企业开展广泛合作，共同探索人工智能、大数据等技术在药物研发、临床试验过程中的应用，以降低研发成本、缩短研发周期。例如运用人工智能、大数据等技术在药物研发、临床试验等阶段进行大批量文本分析及预测、虚拟药物筛选、病例分析及临床匹配、晶型预测、发掘药物新适应症等工作，以提高药物研发效率。

（二）生产环节数字化

医药生产环节应重点推进生产过程自动化、智能化水平，加强各环节智能化系统的整合，逐步形成贯穿整个生产过程的智能化、自动化控制体系。由于化药、生物药、中药生产数字化基础存在较大差异，建议企业在数字化转型过程中，根据自身情况选择具体方案。具体建议如下。一是中小企业首先提升药品生产关键环节的自动化、智能化水平。推进智能装备、智能传感器等智能设备的普及，加强提取、浓缩、醇化、干燥、灭菌等关键环节自动化控制系统的部署，逐步实现各个环节工艺参数和质量控制参数（如温度、流量、压力、液位、质量、浓度等）的自动采集、监测、分析、集中显示、报警和控制，简化生产流程，减少人工干预。二是逐步形成贯穿全生产过程的智能化控制体系。在关键环节自动化系统部署基础上，推进各环节自动化控制系统的整合，形成贯穿整个生产过程的智能化、自动化控制体系，强化生产制造各类参数数据汇聚与分析，实现信息和数据的快速、合理、准确传递与共享，全面提高生产制造过程信息化管理能力。三是完善企业生产类信息化系统建设及综合集成。完善生产执行（MES）、环境监测、药品质量监管、仓储管理等生产信息化系统建设，实现生产自动化、智能化设备数据、物料、能耗等数据接入到生产信息化系统中，实现数据的实时监测及分析应用。推进生产信息化系统间集成及数据共享流通，形成集管控、优化、调度、执行和经营于一体的生产新模式。

（三）营销流通及用户服务环节数字化

营销流通及用户服务环节数字化是传统医药制造企业较为欠缺环节，随着“互联网+”在医药及医疗领域的渗透，营销流通及用户服务环节数字化成为医药企业进行精准营销、开展服务化转型的关键。具体建议如下。一是搭建精准营销平台。医药制造企业应联合医药流通企业打造面向基层医疗市场的数字化精准营销平台，重点探索医药产品精准营销方式，提高资源投放有效性。一方面基于精准营销平台整合下游终端客户资源，汇聚营销数据和客户数据，掌握药品流向动态，对渠道终端（如医院、药店等）营销数据进行实时动态管理以辅助差异化营销科学决策制定、渠道优化、终端覆盖等。另一方面基于新媒体环境，通过大数据分析手段分析医生社交网络、阅读量和转发量、医学信息浏览记录等线上数据，挖掘医生使用偏好，实现有的放矢、精准营销。二是打造线上线下融合的医药新零售、健康服务平台。医药制造企业应探索建设B2B、B2C电子商务平台或与大型医药电商平台进行合作，实现营销渠道下沉，推进线下线上全面融合。另外，有实力的医药制造企业可探索建设企业数字化服务平台，并和线下医院、体检中心、理疗中心、药店等实体机构进行密切合作，将数字化服务平台向线下机构及个人用户延伸，基于平台开展药事个性化远程咨询、疗效数字化评估、远程审方、健康监测、健康管理等。同时基于平台沉淀消费者疾病谱变化、健康需求和消费习惯等数据信息，开展C2M反向定制化研发生产。另外，医药制造企业应积极与数字化诊疗平台、互联网医院等平台类企业合作，联合推出慢病管理、术后跟踪等服务，包括在线诊断、药品购买配送、用药跟踪等，形成“医+药”闭环，延伸大健康服务半径，创新开展营销模式。

（四）企业运营管理数字化

企业运营管理数字化是医药制造企业实现内部运营升级的重要手段，通常包括企业人财物的数字化综合管理、企业数据汇聚及综合分析、企业智能决策等。具体建议如下。一是推进企业运营管理数字化升级。针对中小企业，建议通过实地部署或采购SaaS服务等方式，推广办公自动化、企业资源管理、客户关系管理、供应链管理等运营管理类信息系统的使用，加强企业管理精准管控能力。对于有实力的大型企业，建议推进运营管理类系统与药品研发、生产制造、营销流通、用户服务等环节信息化系统的整合，实现研发、生产、营销、用户服务、企业运营管理相关流程及数据的融合贯通。二是提升企业大数据创新应用水平。建议有实力的医药制造企业打造企业数据，盘活企业全量数据，实现企业各环节数据的汇聚整合、提纯加工、数据分析、数据应用服务等，形成基于大数据分析与反馈的工艺优化、流程优化、设备维护与事故风险预警、精准营销及用户服务能力，实现企业生产与运营管理的智能决策和深度优化。三是推动产业链上下游信息化协同。加强医药制造企业与上下游产业链企业的协作，通过系统整合、流程打通等推进上下游企业生产要素互通共享，逐步实现产业链互联、平台协同、要素融通，推动产业链企业生产和服务资源优化配置。

篇8

然而还不够快。受传统业务下滑拖累，IBM 2017年一季度营收继续下滑。

拖着铅球，Watson在与未来赛跑。

百年商业帝国的第四次转型

与眼下最热的围棋AI等通用人工智能不同，IBM的“人工智能”一开始便是为解决商业问题而生，其方向是商业领域的增强人工智能（Intelligence Augmentation）。2007年8月，几个人工智能专家告诉IBM高级副总裁约翰？凯利，他们要创建世界上第一个处理非结构化数据、可与人互动的人工智能系统。2011年人工智能认知系统Watson初次亮相，就打败了美国问答游戏电视节目《危险边缘》的连胜纪录保持者和最高奖金得主。2014年，IBM专门组建Watson部门，并陆续投入数十亿美元。

2011年IBM百年之际，《经济学人》周刊曾撰文总结IBM三次重大转型：从机械制造到计算机制造、从大型机制造到包括个人电脑在内的分布式计算机系统、从计算到服务。2016年初，IBM董事长兼CEO罗睿兰宣布IBM正式进入第四次转型，目标是成为一家认知解决方案云平台公司，“未来五年，我们所作的每一个决策，无论个人或专业机构，都将受到Watson的协助。”

2017年4月，“天工开物 人机同行”2017 IBM中国论坛在北京举行，IBM展示了其作为认知解决方案和云平台公司在全球范围内的突破性进展，及与中国本地伙伴在电子、能源、教育、汽车、医药、高性能材料及相关服务等行业或领域的合作成果：

神思电子采用IBM 的Watson Explorer，在金融和医疗行业锁定“智能客服”、“实体服务机器人”和“自助设备智能升级”领域，提升服务质量与效率。与杭州认知合作，应用IBM Watson肿瘤解决方案帮助中国医生获得循证型癌症诊疗的决策支持，从而为患者提供个性化治疗方案。隆基泰和与IBM共同合作，借助Watson平台构建综合能源云平台，为工业商业企业构建完整的客户能耗视图、用能预测及能效水平的分析和洞察能力打造智慧能源服务体系。

此外，IBM为上海世外教育集团打造“儿童英语口语辨识及评价系统”帮助6-15岁学生学习英语，与禾嘉股份共同推出基于区块链的医药采购供应链金融服务平台，在精细化工行业，默克正在利用IBM IoT技术打造全新智能物流与智能工厂，而一汽大众也将采纳IBM大数据、云计算、认知计算等技术打造佛山创新中心，建立智能工厂。

除了垂直行业，IBM“商业人工智能”也在为专业人士提供增强智能，提高工作效率和业务水平。目前，Watson系统已进入法律、医疗、教育、金融，零售，服b设计等60多个职业领域示范人机协作，将专业人士从重复劳动中解放出来。论坛上，IBM大中华区董事长陈黎明表示，“我们相信，企业大规模采用人工智能技术的爆发期就在当下，并将为各行业和专业带来巨大的创新价值。”

拖着铅球赛跑

商业的残酷在于，仅凭方向正确，未必能赢得赛跑。除了亚马逊、微软、谷歌这样的外部竞争者，IBM对云计算和Watson孤注一掷，更大的压力来源于自身：新兴业务的增速能否超越传统业务下滑的速度。

4月19日，IBM2017年一季度财报，其“战略业务小组”（IBM重点发展的云计算、分析、社交、安全及移动产品）营收增长12%，至78亿美元。Watson所属的认知解决方案业务板块营收同比增长逾2%，达41亿美元；云计算业务营收增长33%至亿美元，净收入为23亿美元。

与战略业务表现亮丽形成对比的是，受传统硬件和软件业务增长停滞的拖累，IBM整体业绩依然继续在下滑：公司一季度营收同比下滑2.8%，降至181.6亿美元，低于预期的184亿美元。其公司营收连续20个季度下滑，并创下2002年一季度以来最低水平。

财报后，IBM股价下跌超过8美元，跌幅近5%。其大股东伯克希尔哈撒韦2016年报显示持有8120万股IBM，也就是说，如果巴菲特一季度没有减仓，将损失约6.5亿美元。

有趣的是，之前尽管和比尔？盖兹关系很好，巴菲特开始尝试购买科技股的时候，并没有买微软的股票，而是选择了IBM，几乎全程体验了一把IBM转型带来的缓慢复苏。

2015年，巴菲特入股IBM时正是其收入连年下滑之际，2016年初，IBM股价已跌至不足120美元。一年之后，2016年IBM财报显示，IBM云业务当年实现137亿美元营收，同比增长35%，占IBM全年总营收的17%；云业务年化营收达86亿美元，同比大幅增长63%；计入“技术支持及云平台”项目的年毛利率达41.9%；以Watson为主的IBM认知解决方案营收达182亿美元，毛利率高达81.9%。2016年，IBM股价上涨了20%。

2014-2016年，IBM犹如传统企业转型的一个缩影：借助自身在商务领域的积累，在云服务和人工智能领域大力投资，切入具体应用，商业模式逐渐明朗。

并购与合作

IBM对云服务和Watson期许甚高，Watson的十年布局也逐渐步入收获季。随着医疗、物联网、金融、零售、时尚、教育等多个行业标志性样本的出现，Watson的商业版图正在扩张。

Watson成为全球医疗健康第一人工智能系统，其秘籍是不断吸收大量非结构化数据并加以学习。为了“喂饱”Watson， IBM不断收购医疗健康领域的公司，两年间花费超40亿美元。除了加大并购，IBM为拓展商务版图同时也采用了更实际的方式：与垂直领域巨头合作，补充基础数据和垂直行业领域的专业知识。

2016年10月，IBM宣布与通用汽车合作，Watson为其新版车机系统OnStar提供技术支持；与全球教育机构培生合作，Watson为其学生提供自然语言下的学习指导。今年3月19日，IBM认知商业战略在中国正式落地一年之际，万达网络科技集团与IBM在北京签订战略合作协议。万达网络科技集团正式进军公有云业务领域，万达也将成为Watson在中国落地的重要基础设施。

篇9

谷歌 

谷歌希望能在人工智能领域博得头筹，该公司高管将人工智能看成是与智能手机一样强大的改变世界的力量。 

谷歌最近推出了完全自主设计的智能手机Pixel，其配置强悍且内置智能语音助手Google Assistant，势要与iPhone 7一较高下。借助这一助手，用户能使用并整理设备上以及云端的信息、查阅电子邮件、制订日程、浏览新闻、查询交通状况、查阅天气信息等。 

另外，谷歌于今年9月21日推出的能安装在智能手机上的全新数字助手Allo，也广受科技行业和媒体的关注。在今年10月5日举办的秋季会上，谷歌除了推出Pixel系列手机外，还正式推出了Google Home智能音箱。作为要与Amazon Echo一较高下的智能家居中枢，它不仅允许用户通过Google Home进行语音搜索，还可以链接家中的智能设备，并通过语音控制它们。 

三星 

10月8日，三星表示，将收购美国初创公司、苹果Siri的创始团队Viv Labs，作为进军AI领域的“踏板”。Siri是苹果AppStore里的一个应用，用户像平时聊天一样输入文字内容，Siri会给出答案。 

Viv Labs是一家人工智能和虚拟助手公司，被三星收购后，它也将带去其最新的人工智能语音助手产品Viv。Viv具有“动态编程”和“可堆栈化”能力，有助于理解用户的真实意图和提高连续接受用户请求的能力。 

三星公司表示，计划在2017年下半年将Viv引入三星智能手机。同时，三星也希望将Viv扩展至其他三星设备，包括电视、洗衣机等家用电器。 

亚马逊 

亚马逊早在2014年就了Echo家居助手，这个声控扬声器由一位名叫“Alexa”的语音助理驱动。 

亚马逊Echo可以作为智能家居的控制装置，它“身高”10英寸，圆柱形，可以摆放在家中的任何位置。Echo支持Wi-Fi连接，可作为蓝牙扬声器播放来自在线流媒体服务的音乐；另外，Echo还可以提供各种信息查阅浏览和提醒等功能，并且依靠语音命令进行激活。 

Alexa是装在Echo内的个人虚拟助手，相当于亚马逊版的Siri语音助手，可以接收相应语音命令。使用Echo时，用户只需说一声“Alexa”，就可以开始询问，包括新闻、创建任务提醒、设定闹钟时间或播放音乐等。Alexa还可以和各种智能家居设备进行交互，用来控制恒温器或调节灯光。 

此外，亚马逊最近还推出了更小巧的Echo Dot，“身高”仅6.5英寸，并且不需要固定电源。 

微软 

微软的个人助手名为“Cortana”，中文名“小娜”，是微软于2014年的全球第一款个人智能助理。“小娜”来源于《光环》游戏中的主要角色之一，是主角士官长的人工智能助手。微软称， “小娜”极具幽默和诙谐天分，这一点和苹果的Siri相比有过之而无不及，可谓有史以来最为人性化的个人助理应用。 

与苹果的Siri和亚马逊的Alexa一样，微软的“小娜”能够让用户以人类的方式与设备对话。“小娜”可以理解用户说话的含义并以类人类的方式给予反馈。但是与其他语音助手不同的是：“小娜”在PC端和移动端同时适用，而且远不是收发消息这么简单。微软想要她成为用户的贴身智能秘书，协助用户管理通信、安排日程及满足相关需求。 

脸谱 

尽管脸谱公司在人工智能领域只是“后起之秀”，但“财大气粗”，不惜投入重金进行研发。据信，该公司正在开发一款代号为“Moneypenny（简称M）”的人工智能助理，并已展开内测。 

脸谱公司聊天工具Facebook Messenger（飞书信）服务负责人戴维·马库斯说：“M是一种个人数字助理，与市场上其他基于人工智能技术开发的服务相比，M真的能代替用户购物、为亲人送礼物、预定参观、安排旅程等。” 

脸谱公司创始人马克·扎克伯格说，他想制造出一款真实版的“贾维斯（Jarvis）”。在电影《钢铁侠》中，“贾维斯”是钢铁侠的智能管家，这款超智能软件能独立思考、会帮助主人处理各种事务、计算各种信息；而且钢铁侠的机甲开发和方舟反应炉更新都离不开它的协助。 

扎克伯格写道：“我将通过探索现有技术来开始这项服务。”他的最初目标应该是一些基本智能操作，例如控制音乐、灯光、温度等。 

扎克伯格此举并非心血来潮。早在2014年，他就以个人身份入股了人工智能公司 Vicarious。人工智能是脸谱公司三大长期科技赌注之一。扎克伯格曾明确回答为何要进入人工智能领域：“人工智能可以提升互联网服务的智商，从而对于用户变得更有价值。” 

目前，脸谱已经建立了三个人工智能研究中心，分别位于法国巴黎、美国纽约和加州的门洛帕克，每个实验室拥有40-50名研究员。脸谱在人工智能开发方面虽然起步晚于谷歌、微软，但成绩斐然。 

苹果公司 

苹果公司是第一家个人助手的公司，它于2011年了语音助手Siri。今年6月份，苹果给出的数据是，Siri周均提供20亿次服务，而去年这个数字仅为10亿次。 

在过去几年，该公司一直在努力优化这一工具。今年6月，苹果开放了Siri，可以与非苹果的应用交互（尽管目前仅限于包括微信在内的6种应用），因此，用户能使用打车软件Lyft来预约车辆，或使用Square Cash进行支付。

苹果也引入了Home应用，来同智能家电和其他设备交互。通过Home这款应用，苹果正努力让Siri从智能手机的框架中跳出来，让她变成用户家庭中的一员，成为一名智能精明的管家。不过，未来她的表现如何，还需拭目以待。 

IBM 

技术巨擘IBM公司可谓人工智能领域的急先锋。20年多来，该公司的“深蓝（Deep Blue）”计算机占据了无数家报纸的封面。1997年，“深蓝”战胜了国际象棋冠军加里·卡斯帕罗夫，这被视为是IT产业发展史上具有标志性意义的事件之一。 

随后，人工智能“沃森（Watson）”接替“深蓝”继续对人类智能极限发出挑战。2011年2月17日，沃森参加了美国最受欢迎的智力竞猜电视节目《危险边缘（Jeopardy）》，并连续击败了该节目历史上最为成功的两位选手肯·詹宁斯和布拉德·鲁特，成为《危险边缘》节目新的冠军。 

沃森由90台IBM服务器、360个计算机芯片驱动组成，拥有2880个处理器核心，约有10台普通冰箱那么大，内装超2亿页新闻图书等资料。沃森不仅可以识别文字、地理位置，还可以部分感知人的情感，未来还将试图读懂人类的语言，学会思考。IBM将其实现人工智能的方法称为“认知计算（cognitive computing）”。 

外界普遍认为，这是IBM在个人电脑业务及传统IT服务衰落后向死而生的新业务。目前，沃森主要应用集中在医药领域。去年4月IBM宣布，与苹果、强生和医疗器械公司Medtronic合作，目标是“变身”为医疗系统中介，让个人和医院都得通过IBM获取信息，优化数据收集、分析和反馈服务。

 

篇10

然而，从今往后的一个世纪里，没有人会在意人工智能的发展需要多久，只会关心将会出现哪些先进的人工智能。或许在这个世纪末，人工智能就会变得比人类更加智慧――不仅可以解决国际象棋、琐碎小事等等，基本可以处理所有的事物，无论从数学、工厂还是科学和医药。还剩下一小部分创造类工作留给人类，比如演员，作家或是其他创意类工作。最终的电脑系统可以完成自我编程，获取大量的最新信息。我们这些“碳基生物”的模糊印象，他们能够在分分钟就分析处理完成，也不需要长时间的睡眠或休息。

对于支持者来说，人工智能的未来充满希望。库兹韦尔就曾撰文发表自己一个大胆的设想，就是人类与智能机器结合，将人类的灵魂上传到人工智能中，使我们的灵魂永生；彼得・迪亚芒蒂斯则认为人工智能是开启“富裕时代”，拥有富足食物、水源、消费工具的重要因素。不过，反对者像埃里克・布林约尔松和我很担忧机器人职业化和人工智能带来的隐患，即使不去考虑高级人工智能对劳动力市场的影响，功能强大的智能机器也会威胁人类的生活，与人类争夺有限的资源。

大多数人把这种担心看作是科幻小说里的蠢话――像《终结者》和《黑客帝国》这类。在一定程度上，我们需要未来很长一段时间做好打算，我们要担心小行星会撞地球，化石燃料产量下降，全球变暖等问题，而不用担心机器人问题。可是，詹姆斯・巴雷特的黑暗系新书《我们的最终发明：人工智能和人类时代的终结》，描述了一种严峻的情况，我们至少应该有所思考。

如果机器最终取代了人类――正如在人工智能领域工作的人所坚信的那样，真正的问题在于价值观：我们如何把价值观输入机器中，当它们的价值观与我们的价值观发生了很大的冲突时，我们该如何和这些机器协商呢？牛津的哲学家尼克・博斯特罗认为：我们不能乐观地假设，超级智能一定会分享人类的智慧和智能发展形成的价值观――对科学的求知欲，对他人的关心和仁慈，精神启发和沉思，克制物质占有欲，高雅的文化品位，对感受简单生活的快乐，谦虚无私等等。或许通过专门的训练，能够创造出拥有这些价值观的超级智能，或是珍惜人类财富和高尚道德的超级智能，或是设计者想要它拥有一些复杂目标的智能。这是可能的――可能从技术上说更简单――打造一个能够把最终价值都放在计算圆周率小数上的超级智能。

英国控制论学者凯文・沃里克曾问道：“当机器不在我们人类所处的思维次元中思考时，你如何跟它理论，如何与它做交易，如何能明白它的想法？”

如果说巴雷特黑暗系理论有漏洞的话，那就是他未经思考就提出的假设：如果机器人聪明到可以下棋，那它可能也会“想要制造宇宙飞船”――在任何足够复杂，有目标驱动的系统中都是天生具有自我保护和获取资源的本能。现在大部分机器都非常先进，比如，IBM公司的深蓝系列电脑，但是目前它们还没有显示出想要获得资源的兴趣。

可是，在我们感到沾沾自喜，确定无需担心时，别忘了有一点非常重要：我们要意识到随着机器越来越聪明，它们的目标也是会变化的。一旦电脑能够有效地重新给自己编程，成功地提升自己的性能，达到所谓的“技术奇点”或“智能爆炸”，那么我们就不能忽视机器在与人类抢夺资源和自我保护的较量中会有胜过人类的风险。

篇11

人机大战1∶4的比分让相当多的人感到失望和悲观，还有人感到了恐惧，认为人工智能战胜人和主宰人类社会的时代已经开启。

然而，即便“阿尔法围棋”最终以5∶0的大比分大胜李世石，也不意味着人工智能主宰世界和人类被奴役时代的到来，理由也并非只是“阿尔法围棋”是人类设计出来的，而是因为，“阿尔法围棋”其实开启了人类利用人工智能的新时代，准确地说，是拓宽了让人工智能为人类干活的新天地，并有可能深入而广泛地让人类文明迅速发展。

“阿尔法围棋”是靠深度学习、蒙特卡洛树搜索算法和自我进化三招战胜人类棋手的，这三大功能也是人类驾驭人工智能为人类服务的途径。由于人工智能能够自我学习，学习能力会越来越强，而且搜集和贮存的数据会越来越多，将会在更多的方面成为人的助手或替代人的工作。例如，除了替代一些体力劳动以及低级岗位外，会学习的人工智能还会接手一些需要创造性、技术性和复杂运算的工作。此外，在各个领域的新产品的研发、预测分析、推广等方面，人工智能也能产生巨大的作用，创造不可估量的效益。

设计“阿尔法围棋”的深度思想公司（Deep Mind）的CEO杰米斯・哈萨比斯提出了人工智能的通用性，即通用人工智能，这种智能与人类专家协作可以解决和处理更多需要智慧才能解决的问题，如诊治疾病，处理气候变化、能源、基因组学、宏观经济学、金融系统、物理等方面的几乎所有问题。哈萨比斯称，人类想要掌握的学科越来越复杂，即使是最聪明的人，穷其一生也难以掌握其中一个领域。如果将“阿尔法围棋”看成一个能够自动将非结构化信息转化为可用知识的过程，那么通过筛选泛滥的数据得出合理的观点就指日可待。研究人员正在努力研究的是一种可以解决任何问题的人工智能超级解决方案。

具体而言，如果“阿尔法围棋”的自我学习能力、大数据存储和分析功能应用到医药领域，将诞生一种新的医疗和医药模式，即智能医疗（有人称智慧医疗，但由于智慧似乎为人类所特有，以人工智能为基础的新型医疗称智能医疗更好）。

智能医疗是指通过打造健康档案区域医疗信息平台，利用最先进的计算机和互联网技术，实现患者与医务人员、基础研究（医学和药物研究）与临床治疗、医疗机构、医疗设备之间的互动，逐步达到信息化防治疾病和健身强体的目标。

例如，通过无线网络，使用掌上电脑便捷地联通各种诊疗仪器，医务人员能随时掌握每个病人的病案信息和最新诊疗报告，随时随地快速制定诊疗方案；在医院任何一个地方，医护人员都可以登录距自己最近的系统查询医学影像资料和医嘱；患者的转诊信息及病历可以在任意一家医院通过医疗联网方式调阅；任何科学研究，包括医学和与医学相关的物理、化学等领域的研究最新成果能在互联网上及时公布等，让诊断、治病和用药以及公众的保健得到最有效、最迅速、最适宜、最廉价和最科学的处理。

智能医疗的具体表现

以“阿尔法围棋”为例，可以知道什么是智能医疗。

研发出“阿尔法围棋”的深度思想公司并非只是专注于让“阿尔法围棋”与人类棋手过招，而是注重把人工智能通过学习解决实际问题的能力贯穿应用到医学领域。2016年2月深度思想公司就已经了在医护领域使用的深度学习程序――深度思想健康（Deep Mind Health）。这是一款手机应用程序（APP），包括“识别风险病人”（Stream）和“早期临床护理管理”（Hark）两个模块。

这种手机应用程序当然也是一种人工智能，它们需要学习和帮助医护人员监护一些表面上不严重但实际很危险的病人，或者一些急性发病者。例如，深度思想健康的“识别风险病人程序”可以及时发现急性肾衰竭高风险病人，以便让医生及时治疗并改善对病人的护理。这个程序是通过检读血液检查报告，以辨别哪些病人存在风险。结果表明，有25%的急性肾衰竭死亡可以通过这个程序避免。“早期临床护理管理程序”则能帮助医生制定治疗方案和采取行动。使用该项程序能避免38%的患者病情恶化。

当然，这些只是人工智能开发和应用的冰山一角。实际上，在医药领域利用计算机技术和人工智能最早和进展较大的是药物的研发与监控。计算机和人工智能对于药物的研发在很多方面都起到了作用，如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等。这实际上已经产生了一门新学科，即药物临床研究的计算机仿真（CTS）。

一种新药的开发一般估计需要15年时间，耗资10亿美元，但最近的估计是可能耗资40亿～120亿美元，还不能保证成功。因为，除了要求新药要有疗效外，还需要安全性的保障。如何监控和预测药物的副作用或不良反应就成为研发一种新药或老药新用的重要保证。

对于传统的药物研发来说，一种药物必须经过动物试验和人体的Ⅰ、Ⅱ、Ⅲ期临床试验。而且，即便Ⅲ期试验后批准上市，还有Ⅳ期临床研究，即新药上市后进行的临床研究，而且一类新药要求进行2000个病例的IV期试验。这也是造成药物研发周期长、费用高的重要原因。

但是，在今天有了计算机程序，特别是以“阿尔法围棋”为代表的能自我学习的计算机程序（软件），就为人们提供了一个检测药物的人工智能安全专家。首先是在新药筛选时可以获得安全性较高的几种备选物质。当很多个甚至成千上万个化合物都对治疗肝癌显示出某种疗效，但又对它们的安全性难以判断时，便可以利用“阿尔法围棋”的策略网络和评价网络，以及蒙特卡洛树搜索算法来挑选最具有安全性的化合物，成为新药的最佳备选者。

同样，对于尚未进入动物和人体试验阶段的药物，也可以利用类似“阿尔法围棋”这样的人工智能来检测新药的安全性。因为，每一种药物作用的靶向蛋白和受体都并不专一，如果作用于非靶向受体和蛋白就会引起副作用。类似“阿尔法围棋”的程序可以通过对既有的数千种已知药物的副作用进行筛选搜索，以判定一种药物是否会有副作用，或副作用的大与小以及最小，由此选择那些副作用概率最小和实际产生副作用最小的药物进入动物和人体试验，就会大大增加成功的概率，节约时间和成本。当然，利用“阿尔法围棋”等程序还可模拟和检测药物进入人体内的吸收、分布、代谢和排泄、给药剂量-浓度-效应之间的关系等情况，让药物研发进入快车道。

大数据和信息共享

大数据和信息共享同样是智能医疗的核心。信息共享成为智能医疗的重要性在于，全球的科研人员只有科研共享，才能对各种危害人们健康的疾病和顽症，如艾滋病、癌症等进行有效的治疗，挽救人们的生命。这一点在突发公共卫生事件，尤其是暴发危害人们生命的疾病时，具有重大的作用，例如最近在南美爆发的寨卡病。

由于医护人员对寨卡病的发病机理、传播途径和危害胎儿和孕妇的机理并不清楚，对待这种疾病既无有效的药物，也没有疫苗，因此需要更多更新的研究结果来指导防治疾病，而对于最新研究信息的共享，则有助于指导全球医务人员和公共卫生专业人员，并通过医护人员向公众提供科学的防治方法。

正是在寨卡病的防治上，信息共享得以突破。现在，美国威斯康星大学麦迪逊分校病毒学家康纳研究团队用寨卡病毒感染猴子进行试验，并在网上公开了首批数据。这一行为改变了过去研究人员只是在学术期刊发表研究结果和数据的传统做法。美国研究人员在网上的是2016年2月15日他们将寨卡病毒注射进3只印度恒河猴体内获得的血液、唾液和尿中所检测到的病毒数量的原始数据。这些数据能让每个人都看到，并且每天都会更新研究结果。

此次康纳等人首先在网上公布动物试验的数据意味着，生物医学已经正式踏入智能医疗门槛。与此同时，中国研究人员也借寨卡的防治和研究而跨入智能医疗和大科技的门槛。中国疾控中心与江西省疾控中心、浙江省疾控中心、军事医学科学院等单位合作，分别对寨卡病毒感染病例血液和尿液标本中的寨卡病毒基因组进行了全面解析，获得病毒全基因组序列，并到网上。

这种科研的资源共享显然为人们认识寨卡病的病理、研制药物和疫苗奠定了基础。而且，基于对不同来源的寨卡病毒特点的认识，将进行针对性的药物和疫苗研发。例如，中国疾控中心和江西省疾控中心合作测序的寨卡病毒基因组有10676个碱基，与目前在美洲的流行病毒株具有高度同源性。但是，浙江省疾控中心测序的寨卡病毒核酸序列与太平洋岛国法属波利尼西亚地区报道的病毒基因组序列高度同源，而与中国其他省份报告的输入病例的病毒核酸序列存在差异。

不过，美国研究人员在网上公布恒河猴试验的数据还具有更多的意义。寨卡病是一起非常紧急的公共卫生突发事件，所有人都在与寨卡病毒赛跑，也与时间赛跑。除了不应让科学家的竞争成为保密理由而延缓对寨卡病的认知和防治外，还要意识到，对人的研究有很多伦理限制而无法获得相应的数据和知识。

由于寨卡病毒感染的形式和机制在人和恒河猴体内相似和相同，研究人员能通过向猴子体内注射不同剂量的寨卡病毒而获得该病有价值的第一手相关信息。科学家能对怀孕恒河猴体内的羊水反复取样，以判断寨卡病毒能否以及多染胎儿。这些数据一方面不可能从人身上快速且合乎伦理地获取到，另一方面也可能因此而延误人们对寨卡病毒是否导致小头儿等的认知。

有了对恒河猴的研究结果，并且能在网上，就能较快地获得诸如寨卡病毒是否与小头儿关联的确切信息和机理，例如，正在发育的胎儿可能何时会被寨卡病毒侵袭而导致出生缺陷，也就能为人们提供防治的线索和方式。

此外，由于世界一些国家反对动物试验，尤其是反对用灵长类动物进行医学试验的呼声越来越大，浪潮越来越高。欧洲一些国家，如德国已经在减少灵长类动物的医学试验，美国国立卫生研究院（NIH）也已决定结束其下属一家实验室存有争议的猴子试验，并终止了对黑猩猩侵入性试验的经费支持。

在这样的情况下，美国研究人员在网上公布寨卡病毒感染猴子的数据就更具有意义，因为这是在实现一个共同的目标，资源共享能让那些并没有进行动物试验的研究人员了解动物试验的情况和数据，也就会减少使用灵长类动物进行试验。

当然，大科技时代的资源共享也会让科研人员产生疑虑，其中最核心的是，研究成果的界定和归属，以及其他研究人员是否采信网上的动物和其他研究数据及结果。

对于第一个问题，也许可以用网上公布的时间来判断一项研究结果的最早时间和进行研究的科研人员，至于对网上公布的研究结果的采信与否，可能会随着大科技时代的进展由实践做出回答。无论其他研究人员是否采信网上公布的结果和数据，都会进行验证，因此，可能会有效地检验网上公布的研究结果。

患者也要利用智能医疗

一般而言，智能医疗通常指的是计算机、大数据和互联网+如何让医生和专业机构对病人的疾病诊治更准确和更科学，让人们既能看病有效，又能少花钱。

例如，现在飞利浦公司设计了一个智能软件飞利浦健康套件数字平台，希望将消费者、患者和医疗服务人员三方进行串连，在互联的护理领域进行尝试。这个平台是一个基于云技术的开放安全平台，能够收集和分析从健康手表、血压计、耳式体温计和身体分析仪等多个设备源头的健康数据。医生也可以在第一时间了解到患者的情况并做出医疗判断和治疗方案，从而大大降低医疗成本和漏诊误诊的发生率。

智能医疗的另一个维度是患者和家属，以及需要保健的正常群体，他们也需要大数据和智能分析来选择自己所需的诊治疾病的方式和程序，以及正常人需要选择的保健措施。

在这方面，利用大数据设计成智能软件，为患者和公众提供就医和保健的信息也格外重要。现在，美国已经出现了主流医院评价平台的智能软件，供广大公众选择。这个平台对美国近5000家医院、约14万医生以及16个医疗领域的137家专业医院排名。这个排名对医院声誉、患者存活率、患者安全性以及其他医疗相关指标在内的数十项评价指标进行综合排序，由第三方公司或组织进行多方位、多元化评价，更加关注医疗产出以及患者满意度。如此，这种智能平台可以向公众提供他们可以选择和信赖的医院进行就诊和治病。

现在，中国对医院和医生的评价还是采用最普遍的医院等级划分标准（3级10等）。医院评审分级标准包括医院的规模、技术水平、医疗设备、管理水平、医院质量等5个标准，但由于其他评审内容设置缺乏直观指标，容易量化的硬件标准（床位、科室设置、医疗设备、人员配备等）成为划分医院等级的决定因素，暂时未能考虑医院的综合医疗效果、患者存活率、患者安全性等。

篇12

前言

随着近年来我国国民经济的迅猛发现，人们的经济水平有了大幅度的提高。因此，人们在日常生活中对电力的需求量也与日俱增，并且对电力供应的质量要求也大大提高。这些因素在一定程度上推动了我国电力行业的快速发展。并且也使得与电力相关的一些行业得到了很大程度上的发展。在这些众多的行业当中发展较为突出的当属电气工程。为了满足人们不断增长的对电力行业的要求，自动化技术在电气工程中的应用越来越广泛，电气自动化技术的重要性也逐步体现出来。电气自动化技术的优势在于，它能够对整个电力系统实施远距离的自动监控管理工作，保证了电力系统的安全、经济运行的同时还能最大程度的保障供电质量，非常符合电力行业的运营要求。但是，在电气工程自动化技术的应用中还是存在一些问题，会有多多少少的缺陷和不足。为了改进电气自动化技术使用过程中的不足，弥补自动化技术的缺陷，在电气自动化技术中引入智能化技术，让电气工程在进一步发展，取得长足的进步。智能化技术它的主要特点就是将人工智能理论融入到计算机技术当中来，利用计算机进行语言、文字识别，信息数据等工作。目前，智能技术在电气自动化控制领域中的应用还是处于最开始的起步阶段，存在很大的开发、利用的空间。

1 智能技术理论分析

1.1 人工智能理论

人工智能（Artificial Intelligence），英文缩写为AI。“人工智能”理论的首次提出是在1956年，到目前为已经有50多年的时间。在这50多年的时间里，人工智能技术发展迅速，并且取得了很多成果，取得了长足的进步。可以不夸张的说人工智能已经成为一门较为前沿的科学，并且具有广泛性和交叉性，应用领域不断扩大，涉及方面不断拓广。人工智能技术已经在哲学、医学、生物学、心理学，自动化技术、控制理论、信息技术以及数理逻辑等学科中取得了许多成果。人工智能技术作为一项新兴的计算机科学分支，充分展现了智能的本质特点。人工智能技术能够应用在多个方面中主要的运用基础在于，它涵盖了众多的学科知识，例如：控制学、语言学、信息学、生物学还有医药学等等。智能化技术主要研究的是如何让计算机拥有像人类一样的智慧，使其完成某些高要求、高难度、高危险的活动。伴随着科学技术的不断发展和进步，计算机技术已经能够实现通过编制一套特定的程序来模仿人类的大脑，可以模仿人类大脑进行收集、分析、处理数据，还可以进行交换信息和信息反馈。计算机技术的发展也在一定程度上促进了电气自动化的发展。

1.2 人工智能的优越性

人工智能理论在电气工程中的主要应用是针对和电气工程有关的自动控制、系统运行、信息处理、电子电气技术、研制开发、信息处理和计算机与电子应用等。智能技术在电气工程自动化中的运用主要是针对控制器，让传统的控制器实现智能化，发挥其更大的优势。

智能化技术在运用过程中的主要优势在于：

1）可以不再建立专门的控制模型。电气自动化技术中传统控制器在控制时，要根据控制对象建立复杂的动态方程。在利用动态方程模拟设计时会有很多不确定、无法估计的客观因素的存在；有些参数变化情况难以掌握，这使得设计的控制模型不够精准，影响自动化控制工作的实际效率。智能化技术能够有效的解决这样的不足，在智能化控制器中不再需要建立复杂的动态方程工作，有效的回避了不确定因素对控制精度的影响。

2）对电气系统实施更加便利的调控。智能化控制器的另一大优势就体现在此，它是通过鲁棒性、时间变化、响应时间来对系统进行实时的调节和控制，大大提升了系统自身的工作性能。因此，较传统的控制器而言，智能化控制器更加稳定，更加符合应用在实际工作当中去。另外，智能化控制系统在对电气设备进行调整控制的时候，是利用相关数据的变化进行的自动调节，这个过程中是不需要任何技术人员在场的；在条件允许时还可以实现远距离的自动调节。这一优点真正实现了电气工程中无人监控的自动化控制的目标。

3）智能化控制系统在处理数据时有很强的一致性。这一优点主要是体现在处理数据的时候，当系统中输入的是比较复杂或是非常陌生的数据时，同样也是能够得到较高的估计来满足自动化控制的要求。

2 智能化技术在电气自动化控制中的具体应用

目前，人们对人工智能技术的研究进一步加深，使得人工智能技术取得了不错的成就，其应用范围在不断的扩大。有非常多的专业研究人员对人工智能技术在电气工程自动化控制方面的应用展开了深入的研究。主要是针对以下方面进行的：将人工智能技术应用到电气工程自动化控制的故障预测与诊断、或是针对电气产品设计的优化、保护与控制等领域。

1）电气产品的优化设计、保护与控制。电气产品、设备的设计工作是电气工程自动化控制过程中不可或缺的一项工作。设计工作本身就是一项技术含量较高、综合性较强的工作，电气产品、设备的设计也不例外，相当复杂并且繁琐。设计电器产品、设备时要就设计人员要具备两方面的知识内容：一是理论学科的知识，主要包括了电磁场、电路、电器电机等。二是具有相关经验，设计时要根据以往设计时的相关经验和实验作为基础，然后进行传统的手工设计。传统的电器产品、设备设计时依照经验知识，依靠手工进行设计，设计中缺少技术支持，设计工作量非常大，工作效率比较低；设计后方案达标率不高，之后的修改工作难度也很大。人工智能技术的应用使得设计工作由手工慢慢转变成为计算机辅助设计，缓减了人工的压力，一定程度上提高了工作效率，减少了电气产品、设备从构思到设计再到生产的时间，而且计算机的投入更使得设计工作开始逐渐步入智能化、优质化、高效化。

在电气产品设计中主要用两种人工智能方法：遗传算法、专家系统。遗传算法是电气产品优化设计时主要应用智能化技术的具体形式之一。遗传算法之所以能够应用在设备优化设计当中，主要是因为它能够直接操作对象，还具备隐并行性、全局寻优等能力，可以通过自身调整搜素的能力来对设计进行优化指导。专家系统是计算机系统与人工智能技术的结合。它有效的利用了专家们在某一个领域的经验知识，通过一个或是多个专家对肯定领域的经验来对问题进行合理的分析、推断和处理。专家系统中是利用计算机程序来模拟人类专家处理信息、分析问题、解决问题的过程。在这个系统中存有大量的专家经验知识数据，利用这些知识来解决问题。这种方式也是优化设计方法中比较重要的一种方法，不过这种理论方法还不是很完善，仍然有很大的发展空间。

2）设备故障的预测与诊断。在电气自动化系统运行过程中，难免不会出现一些小毛病、小故障。即使是在我们非常重视对电气自动化系统的检测检查工作，不定时的安排专门的技术人员对系统的运行情况给予检查、检测、维修，但电气工程系统设备任然会出现一些设备故障。所以说这些情况是不可避免的。不过在故障发生之前一定会有一系列的征兆或是其他与故障有联系的现象出现。因此，可以利用智能化技术对电气系统进行监控，对系统实时进行全面、准确的分析诊断，预防设备出现故障；在出现故障时给予及时准确的诊断处理，将损失降到最低点。而人工智能的技术运用在故障的诊断方面主要有三种：神经网络、模糊逻辑以及专家系统。

智能化技术在对变压器故障进行诊断处理时，诊断的最主要方法就是针对故障变压器中会有漏油的现象出现，因此可以根据渗漏出的油的分解气体进行分析处理。针对分解气体的分析能够将变压器发生故障的大致范围锁定，然后在进一步的进行分析、检查缩小发生故障的排查范围，最后准确的找到故障的具体发生地点并对故障进行及时的修理。智能化技术的运用大大加快了查找故障、诊断故障、检查修理的速度；除此之外，还有效的避免了故障设备损坏的情况。智能化技术使得电气设备在运行当中的安全性大幅度的提高，同时也增加了电气自动化系统运行的经济效益。

3）电气工程自动化控制中引入智能化技术进行

智能控制。人工智能控制在电气自动化系统中已经得到了较为广泛的使用。智能控制是一类无需人的干预就能够独立地驱动智能机器实现其目标的自动控制。或者说，智能控制是驱动智能机器自主地实现其目标的过程。在电气工程自动化控制中主要体现在：自动记录故障、实行在线处理、分析数据；自动采集全部模拟量与开关量的实时的数据并能够对数据进行处理；能够实现远程、实时、智能监视各个主要的设施、系统的运行状态；可以实现通过鼠标或是键盘来控制系统。智能化控制系统可以真实实现电气自动化系统的无人操作化、远程化、高效化、自主化。

3 结论

综上述所，可以看出智能化技术的优势明显，并且能够很好的引入到电气自动化系统当中来，符合自动化技术的特点和要求。因此，智能化技术在电气自动化系统中的作用是巨大的，不仅可使促进电气设备设计的优化、控制，还能及时诊断故障，进行智能控制。所以。应用智能化技术到电气工程中能够大大提升电气工程自动化控制系统的工作效率，加强自动化系统的控制能力；更为重要的是智能化技术的引入给电气工程带来了更深远的发展空间。

[参考文献]

[1] 褚凯. 基于人工智能技术的电气自动化控制研究[J].科技创新导报，2012，（03）：157-158.

篇13

2015年12月，微软亚洲研究院首席研究员刘铁岩博士去蒙特利尔参加了NIPS年会(Annual Conference on Neural Information Processing Systems)，这是人工智能领域的顶级学术会议。但与会期间，他印象最深的不是同行的专业进展，而是一位科学家告诉台下的与会者，早些年，他的博士生根本找不到工作，今年却被一抢而空。

 

这也是中国正在发生的故事。从硅谷到北京，人工智能都是热浪滚滚。这个在上世纪50年代和80年代掀起过两次的技术，现在似乎真的到了产业化的临界点。互联网时代的思想家和预言家凯文·凯利宣称，人工智能是下一个20年里颠覆人类社会的技术，它的力量堪比电与互联网。

 

人工智能(Artificial Intelligence)，缩写为AI。它是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

 

人工智能快速进入大众视野，源于今年3月谷歌围棋人工智能程序AlphaGo战胜世界冠军李世石。人机围棋对弈只是普及人工智能的一个秀。它的背后是规模千亿级的人工智能产业市场。BBC预测，2020年全球人工智能市场规模将达1190亿元人民币。

 

目前看，这一数据远比不上2015年中国移动互联网的产业规模。但人工智能的意义不仅于此，人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代。它甚至将超越移动互联网，全面改变人类的生活和工作方式。

 

离人工智能最近的IT互联网公司敏锐嗅到了这一机遇。从2011年开始，包括深度学习算法、计算资源和大数据产业的成熟令人工智能技术实现飞跃，包括微软、IBM、谷歌、Facebook、BAT在内的国内外企业都开始深度布局人工智能，试图把握风口，成为下一个产业变革的巨擘。

 

已布局人工智能的IT和互联网巨头们，最有资格成为这一轮革命的获益者。但这终究是一个漫长的耐力游戏，除了技术布局，产业布局和战略视野也是决定成败的关键因素，短视者将随时出局。

 

BAT保守布局

 

中国的所有行业中，以BAT为代表的互联网行业在人工智能研究和商业化探索方面走得最早，也看得最远。其中，技术起家的百度走在最前端。

 

2012年10月，百度董事长兼首席执行官李彦宏参加了内部的一个基于深度学习的语音识别产品研究会。当时该产品的主导者余凯回忆，那是李彦宏第一次知道深度学习，他非常吃惊，并给全公司写信，让所有产品经理都要了解人工智能技术的发展。

 

当年12月，李彦宏开始和余凯讨论成立深度学习研究院的可行性。次年7月，这个研究院成立，李彦宏任院长，余凯为常务副院长。这是中国公司里的第一个人工智能研究院。

 

李彦宏很快将相关技术投入到搜索的核心业务中。2014年的百度内部统计数据显示，深度学习技术的应用，让百度和竞争对手的Diff(different，内部叫Diff)指标提升了若干倍。

 

但人工智能的科研，尤其是基础科学研究，是一个冗长寂寞的过程。此后，迫于财务数据和竞争压力，百度的决策者们更加注重眼前的布局和资源。

 

“到了后期，太长远项目，或是比较创新的项目，百度总部确实不太支持了。百度i站的项目、百度快搜这样的项目没了。”一位不愿具名的前百度人工智能研究岗位人士评价。一位现任百度相关人士对《财经》记者表示，百度前些年确实剔除了不少经过验证没有商业化前景的分支项目，但最近两三年，百度明显加大了在人工智能上的投入，包括无人驾驶汽车等长期项目。

 

6月8日，在2016百度联盟峰会上，李彦宏将百度无人驾驶汽车称作“一台带轮子的电脑”。他现场播放了百度无人车路测的实况录像，百度无人车已经可以像正常车辆一样加速、并线、超车，他同时表示，三五年之内，无人驾驶一定可以成为现实。

 

从整体来看，百度仍是BAT三家中首先完成有关人工智能技术体系整合的公司。目前，百度研究院、百度大数据、百度语音和百度图像等技术都已归入人工智能技术体系。李彦宏多次向外界强调，百度未来的发展将严重地依赖人工智能。

 

IBM研究院一位人工智能专家告诉《财经》记者，百度是被他们列入竞争列表的唯一中国公司。

 

硅谷尤其关心“百度大脑”的进展。百度大脑是百度在人工智能领域的核心。百度此前的诸多人工智能产品，如无人驾驶、智能搜索等，都是基于百度大脑的能力。

 

百度高级副总裁、自动驾驶事业部总经理王劲称，百度大脑已具备视、听、说和预测、规划决策以及行动控制的能力。在数据方面，百度有万亿级的网页、移动和行为数据可供分析。在深度学习方面，百度的万亿参数排在世界第一。

 

2015年，百度的研发投入超过100亿元。占百度2015年总营收663.82亿元的15%。

 

百度正在计划将百度大脑在金融、汽车、医疗等领域商业化。李彦宏称，人工智能的“井喷式”创新，将推动互联网进入第三幕，并将重构传统产业。比如“人工智能+金融”，可以快速地实现征信升级，实现“秒放”贷款。

 

阿里巴巴和腾讯的布局则更加克制。或者说，它们更代表中国公司的普遍做法，从业务驱动开始，逐渐加大档位。

 

阿里从2011年开始布局互联网医疗，投资收购和战略合作的公司数以百计。围绕医院、医保、医药做了大量布局。最新的统计数据显示，全国已经有超过400家大中型医院加入阿里的“未来医院”计划，覆盖全国90%省份。阿里云人工智能首席科学家闵万里博士告诉《财经》记者，阿里在健康医疗领域的布局快慢，取决于阿里在人工智能领域的技术突破。

 

阿里的设想是，未来，在阿里遍布全国边远山村的医院医疗点里，病患足不出户，只需拍一张CT，通过远程技术来完成专家级的诊疗过程。这种诊疗，依赖的就是基于阿里云的人工智能医疗系统。随着学习数据的不断增加，机器会变得越来越聪明，最终成为一个“永不退休的医学专家”。

 

多位接受《财经》记者采访的专家评价，阿里这个技术并不复杂，医疗诊断是基于经验的专家型劳动，是机器擅长的经验学习，三年内该技术便可成熟。

 

闵万里告诉《财经》记者，要实现这个目标，除了技术平台，还需要整个医疗体系的打通，需要政府和社会共同推动设备和资源的开放。一旦打通，聚合在一个人工智能服务平台之上，就将衍生出更多的应用服务场景，从而实现“商业和技术互为驱动”。

 

阿里是目前中国所有公司里，数据生态最完善、最健全的公司。iPIN创始人兼CEO杨洋认为，阿里的MaxComputer数据通道，是非常健康的数据大动脉，可以将阿里的所有数据资源非常高效地结合在一起。

 

此外，阿里云也是目前世界上最接近AWS(亚马逊云服务)的云计算平台。数据生态体系是做人工智能的重要基础。因此，在这场有关未来的布局中，阿里云的主导地位清晰。

 

阿里的人工智能研究分散在其各个业务分支之中，有待整合。闵万里说，阿里希望在算法能力上有所突破，这需要一个集中的技术机构来整合阿里的所有相关技术资源。

 

腾讯和阿里的情况类似。腾讯在人工智能上的布局，以IM和SNS业务为基础。例如语音识别主要是在微信部门、图片识别主要是在QQ，支付和金融业务方面植入了人脸识别，搜索部门则关注自然语言识别。

 

其中一些技术已在腾讯内部实现产品化。SNG(社交网络事业群)的优图团队聚焦图象识别领域，推出了黄图识别功能，并为腾讯内部产品如图片优化工具“天天P图”提供技术支持。WXG(微信事业群)则人机互动领域的拓展，也对图像和语音识别进行了原发。WXG推出了智能机器人“小微”，用户可以用自然语言与之沟通，解决此前语音助手智能机械应答的短板。对于未来，工程师希望“小微”成为一种“连接器”——与微信支付串联起来，接入微信公众号以及钱包内的各种生活服务，打造完整的微信内O2O闭环生态体系。

 

腾讯高级副总裁姚星在接受《财经》记者采访时表示，腾讯越来越重视在人工智能领域的技术开发，这包括两个路径：一是整合腾讯自身的技术资源，形成体系和重点;二是加快对优秀公司的收购和合作步伐。

 

腾讯参与了多个人工智能项目的早期投资。腾讯投资并购部一直在为公司寻找需要的标的，服务于腾讯的整体战略。腾讯日前与硅谷风投机构Felicis Ventures领头了人工智能创业公司Diffbot 1000万美元的A轮。这家公司通过人工智能技术，让“机器”抓取网页关键内容，并输出软件可以直接识别的结构化数据。

 

BAT的人工智能技术研发从第一天开始就是商业需求驱动的，他们从业务入手，收购甚至模仿别人的东西，这种做法避免了漫无目的研究和不必要的失败，但也无法保证在下一轮的人工智能平台大战中胜出。

 

今年，阿里和腾讯均有组建人工智能研究院的想法。姚星对《财经》记者说，很快，腾讯人工智能研究院就会成立。

 

国际巨头深入无人区

 

如果说BAT的人工智能布局处于对标和追赶的状态，那么以IBM、微软、谷歌、Facebook为代表的美国巨头公司已经开始深入科技无人区。

 

这些公司技术和业务各有所长，面向的用户也不同，但它们的目标一致：把人工智能机器做大、做强、再做没。

 

IBM和微软可能没有谷歌、Facebook看起来那么酷，但在人工智能领域有深厚的技术底蕴，IBM甚至已经开始用人工智能赚钱。

 

IBM人工智能研究可以追溯到1997年“深蓝”战胜当时的国际象棋世界冠军卡斯帕罗夫。2011年，代表着IBM在认知计算领域最先进技术的Watson在一个电视节目中一战成名，被认为是人工智能历史上的一个里程碑。

 

今天可以代表IBM在人工智能领域最高技术水平的，是不断进化中的Watson系统，和已经可以量产的人脑模拟芯片SyNAPSE(超大规模神经突触计算机芯片)。

 

Watson是一台超级计算机，最初由90台IBM的Power 7服务器并行组成。和Google、微软的人工智能相比，它从硬件芯片构架就开始模拟人类神经元，基于IBM的“DeepQA”技术开发。2014年1月初，IBM宣布组建“Watson Group”，旨在进一步开发、商用和增强“Watson”及其他认知技术，此外还投入10亿美元用于其他相关项目。

 

Watson已经开始为IBM赚钱了。法国农业信贷银行预测，Watson系统创造的收入将在2018年占IBM总收入的12%以上。Watson已经被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、微软等大型科技公司在云计算领域展开竞争的武器。

 

另一个代表性产品是IBM在2014年的人脑模拟芯片SyNAPSE。该芯片能够模仿人脑的运作模式、低功耗，在认知计算方面要远胜传统计算架构。和其他芯片公司的纸上规划不同，这款芯片已达到量产要求。

 

IBM将其技术和商业实力总结为“认知计算体系”。IBM大中华区副总裁、战略部总经理郭继军向《财经》记者表示，IBM推动认知计算体系，目标是把IBM在人工智能、大数据、深度学习、模式识别等所有领域里所做的积累应用到各个行业中去，帮助各行各业客户提升效率，解决他们所面临的现实挑战。

 

微软人工智能技术的研究已超25年。1991年微软成立研究院，最早的五个研究组，研究方向分别是人机交互、自然语言处理和机器学习、语音识别和语音合成、计算机视觉。这些恰恰是今天人工智能的几个最重要的分支。

 

微软的人工智能研究方向要宽泛很多，微软研究院拥有超过1000位科学家，在包括深度学习的多个领域的技术布局处于世界顶端。

 

微软最新的深度学习系统在2015年ImageNet计算机视觉识别挑战赛中，将计算机视觉系统错误率降低至3.57%，相比于人眼辨识的5.1%，这是人工智能首次在识别图像的错误率上超越人类水平。这些机器由微软的Azure云服务提供支持。

 

微软不仅将人工智能技术应用于如Windows、Azure等核心业务中，还构建开放的平台，将多年的技术积累开放给产业界，它的目标是打造一个人工智能生态圈。

 

它在无人区走得最远，在现实商业世界中隐蔽得最深。

 

和前辈相比，年轻的谷歌在人工智能领域做的事情更让外界看得懂，也更兴奋。谷歌一方面不知疲倦地做底层人工智能技术的积累，研发更加高级的深度学习算法，增强图形识别和语音识别能力。另一方面亲力亲为布局了包括智能家居、自动驾驶、机器人(2013年收购了8家机器人公司)等领域，前者为后者带来基础技术支撑，后者为前者提供数据和反馈。

 

值得一提的是，谷歌在无人驾驶汽车领域的技术积累，已经远远超过传统汽车厂商和其他互联网公司。

 

更加年轻的Facebook，将人工智能视为未来的三大方向之一。Facebook天然拥有全球范围内的海量社交数据，但在基础科学的研究上依然不遗余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员田渊栋称，FAIR的研究方向自由宽松，研究所需的计算资源(如GPU)相对丰富，同时也没有近期的产品压力，可以着眼长远做困难和本质的研究。他称，这样的学术氛围在各大公司是极其少见的。

 

如果说前述几大巨头都是从人工智能技术出发，结合云计算赋予技术更多势能，那么亚马逊的路径正好相反。亚马逊是全球第一大云服务提供商，它的云服务收入超过微软、IBM、谷歌、Salesforce等所有对手的总和。但亚马逊目前的人工智能技术，多数集中在提升购物体验的深度学习领域。

 

人工智能技术有两大要素：核心技术平台和数据循环。只拥有技术是不够的，需要业务和数据结合，才能打造好的技术。对循环数据的获取，巨头们也都不遗余力。

 

以最热衷开源的微软为例，去年，微软了“牛津计划”(现更名为“微软认知服务”)，这是一个基于微软云平台的智能API(应用程序编程接口)，涵盖了五大方向的人工智能技术，包括了计算机视觉、语音、语言、知识、搜索五大类API。去年夏天火爆的How-Old.net，就是借助该平台快速开发出来的一款应用，一共只有20多行代码。

 

类似的工具包微软还有很多，例如深度学习工具包(CNTK)和微软亚洲研究院主导的微软分布式机器学习工具包(DMTK)等。

 

这些对于创业公司和中小企业来说相当实用。他们不用从底层技术一点点学，在小集群上或者是云服务上就可以直接调用。

 

对于巨头来说，算法已经不再是竞争的障碍，数据和用户习惯才是山头。大量的初创企业会采用开源做很多垂直领域的业务，其中包括海量试错和验证，最终也会反馈回开源，而这正是巨头们所期望的。

 

做B2B生意的IBM对数据的专业度要求更高，无法仅依赖搜索引擎和大量应用的交互来训练Watson系统，因此通过深度合作和并购来获取专业数据。

 

以医疗领域为例，IBM和多家世界级顶尖医院合作，向医院部署Watson的智能系统，通过分析这些医院的病历、专家的治疗经验、现有的学术研究等，帮助它们制定、观察和调整癌症患者的治疗方案。在这一过程中，Watson也就有了这一领域的数据积累。

 

2015年4月，IBM收购了Explorys，它是一家可以查看5000万份美国患者病历的分析公司。类似的收购IBM还有不少，并且出手相当大方。

 

Watson已经可支持针对乳癌、肺癌和结肠直肠癌、皮肤癌等癌症的初期诊断。在皮肤癌领域，在一项对3000幅皮肤镜检查图像的研究中，Watson识别皮肤癌的准确率高达95%以上。而人类识别皮肤癌的准确率只有84%。

 

国内的一位人工智能业者调侃，国际巨头在人工智能领域真正有价值的是它们的那些你看不见的、没开源的、国际会议上含含糊糊一笔带过的技术。“那些才是可以颠覆未来的弹药。”

 

填补断层

 

人工智能的产业结构可以分为三层：应用层、技术层和基础层。应用层聚焦在人工智能和各行业各领域的结合;技术层是算法、模型和技术开发;基础层则是计算能力和数据资源。

 

BAT擅长第一层。BAT手中，天然握有全球最大的数据资源。但在第二层和第三层严重断层。中国在人工智能领域的科研水平停留在工程数学、物理算法等工程科学的创新层面，基础理论研究领域的人才和资源很少。

 

多位接受《财经》记者采访的中外业者认为，BAT的优势在于海量数据，和国际巨头的核心差距在技术。

 

腾讯高级副总裁姚星告诉《财经》记者，今年初，他和腾讯的投资并购部达成了一个共识，开始大量考察美国的机器学习平台类创业公司。一则中国这类技术公司不多;二则收购这种公司可以快速补足腾讯在算法领域的不足。

 

姚星向《财经》记者分析，同样提供10万个样本给机器，优秀的算法平台可能只需要几个小时，速度慢的可能需要几天时间。

 

对于海外收购，搜狗公司CEO王小川则更加直白：“国内适合收购的标的公司很少，因为根是断的，(技术和基础研究)源头在国外，要到国外看。”

 

在快速迭代的互联网世界里，即便是互联网巨头，单打独斗练独门秘籍也会错失良机。最佳方式，就是拥有数据和拥有技术的公司，通过各种结盟方式形成优势互补，快速抢占市场。

 

2014年11月，蚂蚁金服宣布和旷视科技战略合作，利用后者的人脸识别技术Face++软件去确认开立在线银行账号的用户身份，即“人脸支付”。

 

Face++在人脸检测的多项指标评测中接连拿下世界第一。2013年，在极难识别的互联网新闻图片上，获得了97.27%的准确率，这个指标高于Facebook团队。三年后，这一准确率已提高至99.5%。

 

进行面部识别，需要处理大量来自面部的数据信息，包括结构、五官以及肌肉等方面的数据分析。阿里云为这个合作注入自身的数据和分析能力。

 

“凡是花钱解决的问题都不是问题，阿里可以自己完成这些事情，但时间成本是相当昂贵的。”闵万里对《财经》记者说，“阿里有1000件同级别的事情要做，能做好的只有其中几件，剩下的用投资+合作，这是时间和资本效率最高的做法。”

 

技术和数据的结盟并不限于BAT，更多的公司希望通过结盟方式获得未来，新的巨头或许从中诞生。

 

搜狗CEO王小川的思路是社交化，做更多连接，通过建设社群关系，把人大脑里的智慧表达出来，从而解决目前搜索技术存在的内容不够精准和实用性较差的问题。2013年腾讯入股搜狗后，先后向搜狗开放了微信公众号数据和QQ兴趣部落，为搜狗输入数据资源。除此之外，搜狗还在去年11月战略投资知乎1200万美元，全面接入知乎内容。

 

王小川想让搜狗的人工智能机器不断学习社群数据，他对《财经》记者说，“人工智能下一个五年不在于人工智能本身，而是让机器找到人。”

  

  李彦宏称，人工智能拥有广泛的商业用途，人工智能的“井喷式”创新将重构传统产业。

 

今天，技术和数据的天然开放性让各公司之间的竞争变得“我中有你、你中有我”，最终的赢家是可以将技术和数据平衡利用，达到平台效益最大化的公司。

 

微软亚洲研究院常务副院长芮勇认为，横向对比，中国和国际领先公司在核心技术上确实存在差距，国外更加注重基础研究和技术研发，国内企业可以将国外的研发工具化、商业化;从纵向看，中国在人工智能领域的技术积累近几年确实出现了飞跃，无论是最底层的计算机体系架构，还是智能硬件，或是上层软件应用，都有质的进步。

 

“只要不太急于求成，持之以恒地投入，中国的人工智能产业相当值得期待。”芮勇说。

 

挤出泡沫

 

马云在一次内部讲话中强调：“全球都在讲人工智能，到了风口浪尖，在创新面前，没有第二只有第一，创新落伍了，你就输了。”

 

焦虑的不仅是BAT，华为公司创始人任正非5月30日在全国科技创新大会上发言提到，“未来二三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。如果不能坚持创新，迟早会被颠覆。”

 

开放趋势之下，人工智能也注定不是一场巨头间的战争。

 

市场调研机构CB Insights的统计数据显示，2014年风险资本对人工智能的投资增长302%，达到3.09亿美元。

 

中国人工智能领域已有近百家创业公司，65家获得投资，共计29.1亿元人民币，其中旷视科技、优必选、云知声、SenseTime四家公司登上艾瑞独角兽榜单。

 

更多初创公司只是打上了人工智能的标签。它们本质上是用国际开源的平台，用数据训练一两个模型，甚至照搬国际模型，这其实潜含危险，最大的风险是产品严重同质化，尤其在人脸识别、语音识别等成熟领域，这些公司的产品没有突破性创新，根本没有继续走下去或被收购的价值。

 

姚星常常为投资人鉴定真伪人工智能公司。他说，辨识伪人工智能公司有两个关键点：一是这家公司所采用的技术是否是最新、最前沿的技术，如果不是，则是用人工智能概念包装的伪人工智能。

 

其二，这家公司的技术和业务是否具备可扩展性?若否，则是采用部分机器学习算法或浅层人工智能技术的商业公司，而非真正的人工智能公司。

 

iPIN是一家拥有文本认知智能技术的公司，从去年开始，iPIN收到了不少投资机构的投资意向，该公司创始人兼CEO杨洋告诉《财经》记者，到目前为止，他还没有遇到真正有能力鉴别人工智能技术水平的投资机构。

 

“这对于做伪人工智能的公司绝对是一个好消息。”杨洋调侃说。

 

危险在于，就算是一些初创时期确实手握人工智能独特技术和商业模式的公司，也在资本的胁迫下慢慢走形。

 

在资本的压力之下，一些人工智能创业公司开始过早商业化，研发投入逐步降低，人员结构也发生变化，销售开始主导公司，最终技术公司变成营销公司，失去了被并购的价值。

 

投资人工智能公司，需要专业技术知识和长线投资眼光。根据Gartner的“智能机器炒作周期图”，由人工智能驱动的应用中，语音识别产业化最高，自动驾驶汽车和智能顾问处于炒作最高点，智能机器人、自然语言处理/生成和虚拟个人助手则处于爬坡期。这些都属于5年-10年内能广泛普及的颠覆性技术。而神经形态硬件(如神经元芯片等)属于10年以后才能普及的技术，但该技术可能还没研发成熟就被淘汰了。

 

需要在这一轮变革中保持耐心和恒心的还有政府和高校。人工智能涉及计算机科学、生物学、社会学、哲学、材料学、工程学等多个学科，中国高校基础学科的研究能力无法被充分利用，体制内缺乏一套产学研流畅对接的机制。这导致中国高校在这次产业变革中严重缺位。从美国的经验来看，正是其从法律、机制上保证了产学研的平滑转换，才令美国在这一轮的人工智能研究中占据上风。