人工智能正在逐步加速寻找癌症治疗方法

大约一百万年来，人类一直处于创新的曲线上，从控制火到发明机械移动式印刷机，到创造可以击败人类最有成就的游戏玩家的人工智能 (AI) 系统，这是一个向上的弧线。如今，人工智能系统正在使人类的创新曲线进一步向天空弯曲，加快了进步的步伐，并实现了重大突破，例如结束恐怖主义或治愈癌症。

事实上，一些研究人员认为，人工智能辅助的癌症治疗还不到十年。然而，即使有了人工智能的加速器，迈向无癌症世界的旅程也将是迭代的，建立在小步骤上 -- 就像过去的创新导致了今天的尖端技术一样。

人工智能已经在癌症诊断方面取得了突破，但该技术将经历多次迭代，在接受最终挑战之前解决了许多较小的问题。这一过程将为人工智能技术提供商提供大量机会，为这一巨大的挑战做出贡献。

但是，要参与这项工作，技术提供商需要了解创新的顺序，这些创新使我们走到今天的位置以及我们最终将到达的未来。让我们看一下精选的人工智能创新的时间表，这些创新可能以征服癌症而告终:

1952-马文·明斯基 (Marvin Minsky) 推出了随机神经模拟强化计算器 (SNARC)，这是第一台连接主义神经网络学习机-可能也是第一台自学习机器。1975年-开发了反向传播算法，以解决计算机器的挑战，允许多层神经网络的训练，并导致神经网络在20世纪80年代中的广泛使用。大约2000年 -- 第一次使用 “深度学习” 来描述一种机器学习，这种机器学习能够以无监督的方式从非结构化数据中学习的网络。2011-2012-卷积神经网络alexNet在视觉识别方面达到了前所未有的精确度，为深度学习进入主流铺平道路。2017年1月-斯坦福大学的研究人员开发了深度学习技术，该技术可以以与人类皮肤科医生相同的准确性在视觉上识别出癌性皮肤痣和病变。2017年2月-微软建立了医疗保健下一步，一项旨在将人工智能和机器学习技术应用于包括癌症治疗在内的健康问题的倡议。2017年3月-谷歌的GoogleNet深度学习技术比人类临床医生更准确地检测癌性肿瘤。2017年10月-英特尔宣布其Nervana神经网络处理器 (NNp) 芯片的第一个硅，这可以加速深度学习任务，包括诊断癌症。大约2021到大约2026年，微软预计将发布一台人工智能计算机，该计算机在人体内部运行，以检测和重新编程癌细胞，使它们无害。

正如这个时间表所显示的那样，深度学习和基于人工智能的癌症研究的创新步伐正在加快。然而，现阶段的进展仍然涉及相对较小的步骤，以实现未来的最终目标。

这种情况反映了AI创新的现状，即使用特定于单任务的认知引擎来执行对人们具有挑战性的平凡和重复的任务，例如检查组织样本的大量图像以检测癌性病变的迹象。

这些技术统称为人工狭义智能 (ANI)。当今最成功的人工智能技术正在利用这些引擎实现广泛的特定目的，从为亚马逊DeepLens video cameras提供动力的对象识别技术到控制Apple iphone X上的face ID身份验证的人脸识别算法。

这些解决方案被称为 “一次性” (1x) AI转换。它们代表了务实的工具，可以在促进战略目标的同时满足眼前的需求。

这样的1x转型在人工智能的发展中起着至关重要的作用。根据埃森哲 (Accenture) 的一份报告，成功将1x AI创新整合到其运营中的企业，预计在未来五年内将其员工人数增加10%，收入增加38%。

这些类型的创新将导致下一代人工智能: 两倍 (2倍) 的转变。这样的2倍转换通过使用ANI来看待更大的图景，使事情更进一步。例如，他们可以组合来自各种来源的大量数据，对其进行处理和分析，以使其对特定任务有用。

下一个级别是10倍的变革，人工智能技术变得足够强大，足以解决重大挑战。未来将通过两种技术的发展来实现10x转换: 人工通用智能 (AGI) 和人工超级智能 (ASI)。

AGI被定义为可以像人类一样执行任何智力任务的机器。人工超级智能通过提供具有优于人类的智力能力的机器而超越了AGI。

癌症治愈之路将从今天的ANI支持的1x转型，通过2x解决方案，发展到未来的AGI和ASI驱动的技术。为了参与这一过程，医疗人工智能技术的提供者和用户将不得不参与人工智能创新的迭代过程，朝着最终目标迈出一小步。