当前位置:首页 极科头条 超越美国 中国AI初创企业融资额全球第一 面部识别及芯片是热门 1970-01-01 08:00:00 来源:极科网 领域:行业热点 浏览:21

自从2017年至今,可以说AI人工智能迎来了最好的时代。不仅政策层面,国家出台《新一代人工智能发展规划》,强调要在智能网联汽车、智能服务机器人、智能无人机、医疗影像辅助诊断系统、视频图像身份识别系统、智能语音交互系统、智能翻译系统、智能家居产品等八大人工智能领域率先取得突破。市场层面也是交投活跃,新产品、新技术以及新应用层出不穷,带动国内AI企业的新一轮增长,从初创期步入发展期。

超越美国 中国AI初创企业融资额全球第一  面部识别及芯片是热门

多年来,考虑到像硅谷这样的科技中心一直占据全球科技主导地位,美国一直是希望更多蓬勃发展的人工智能领域的初创公司加入,政府也把其看作是首要资金来源。 但现在,趋势可能会改变。

据美国调查公司CB Insights数据显示,2017年中国人工智能(AI)相关企业融资额已经超过美国,首次跃居全球首位。2017年全球AI初创企业的融资额达到152亿美元,达历史新高,其中,中国企业占到48%,超过美国的38%。而像Momenta、Perceptln、蔚来汽车以及商汤科技这样的中国企业,2017年融资次数达到甚至超过三轮,还有超过10家企业连续获得两轮融资。

从种种迹象及数字来看,对于AI初创公司来说,他们已然遇到了最好的时代;对于中国来说,这也是一次让世界重新认识中国的机会,而包括张艺谋导演操刀的平昌冬奥会上的北京8分钟,融合了AI等技术的文化盛宴也让‘科技’进一步成为中国的又一张新名片。闭幕式现场有24名轮滑演员和24列载着透明冰屏的机器人,象征着24届北京冬奥会。

超越美国 中国AI初创企业融资额全球第一  面部识别及芯片是热门
平昌冬奥会闭幕式的北京8分钟

尽管中国AI初创公司的融资额已经登顶全球,但就AI发展的硬实力而言,并不意味着中国在人工智能产业整体上取代了美国的头把交椅,中国仍然只占人工智能行业个体交易总量的9%,而美国的人工智能初创公司和整体资金数量更多。

在中国,人工智能领域最大的投资产业是面部识别技术,该技术的相关开发产业仅在2017年就确认了41项、总价值16亿美元的交易。该技术在中国各城市普及程度广,主要应用在监控方面,从识别乱穿马路的人到分配厕纸,无所不包。另一个接受大量启动资金的主要部门是人工智能芯片制造产业,像新芯片制造商Cambricon寒武纪这样的公司能够相对容易地筹集大量资金(Cambricon在8月筹集了1亿美元)。

超越美国 中国AI初创企业融资额全球第一  面部识别及芯片是热门
视觉识别企业融资情况(一)

超越美国 中国AI初创企业融资额全球第一  面部识别及芯片是热门
视觉识别企业融资情况(二)

超越美国 中国AI初创企业融资额全球第一  面部识别及芯片是热门
智能芯片企业融资情况

  • 话题标签:
  • 人脸识别
  • AI
  • 芯片
  • 硅谷
  • 0
  • 条评论

评论

您可能感兴趣
人工智能PK“最强大脑” 人脸识别到底有多难 继Master创造围棋连胜纪录后,“百度大脑”又在6日晚登陆 《最强大脑》节目,并在人脸识别上以3:2险胜“最强大脑”的代表王峰。 至此,人工智能在视觉、听觉、深度学习和思考等方面已经展现出了“可怕”的实力。下棋和人脸识别到底有多难?人工智能pk成功意味着什么?未来人工智能还将“碾压”哪些领域? 看点一:人脸识别是不是就靠“一眼准”?下棋是不是就靠背棋谱? 人脸识别,似乎就是“看一看”,但实际并不简单,它挑战的是人类与生俱来的天赋——视觉和听觉,运用的是人工智能领域“兵家必争”的技术——深度学习,背后支撑是万亿级别的参数和超级复杂的算法,未来将应用在非常广泛的领域。 在《最强大脑》pk中,百度人工智能和人类选手通过分析照片中出现的幼年人脸,来识别出现场的成年人,并在30张共近千人脸的小学毕业照中鉴别主人公。 人的面貌在成长过程中受很多因素的影响,儿童时期的面部特征随时间而改变甚至消失。人脸识别并非将诸多图谱记忆就能选出这么简单,这里面涵盖了深度学习能力。 “如果人类识别主要靠‘气质’,那么计算机则是通过算法和学习将‘气质’一一分解。”百度深度学习实验室主任林元庆接受记者采访时说,人脸识别,其实就是计算机视觉。它需要依靠大规模的神经网络,万亿级别的参数,千亿的训练数据,亿级别的特征以及一些推理能力,是非常强大的人工智能系统。 这其中,推理能力并不是传统计算机擅长的,需要通过几步走来实现。第一步,建立起强大的人脸识别数据系统,比如,每个人有一百张不同的照片。然后从海量的数据里面提取共性。如果一个人嘴边长了一颗痔,机器学习就比较难,因为不是共性,只是一个案例里面发生的。但人就可以轻松辨别。此外,还要基于数据和共性提炼设计出非常好的算法。 林元庆说,人脸识别与智能驾驶、增强现实并列,在人工智能深度学习领域,是正在孵化且会产生深远影响的项目。经过几年的技术改进,百度已将错误率降低到2.3%,未来有望降到1%以下。 如果说人脸识别是“算”出来的,那么下棋呢? 和此前不同,很多人注意到,Master在下棋过程中的很多时候并没有按照常理出牌,这与人们理解的人工智能学习人类棋手方式方法并不同。业内专家认为,这里面包括了深度学习和增强学习两个过程。 AlphaGo系统中,有 Monte Carlo tree search(蒙特卡洛树搜索),可以把它理解为武侠小说中的“左右互博”。即自己和自己打。互博时间越长,就是把各种可能的对弈方案训练越长。在自我对弈中成长起来的新一代人工智能,未来可能完全不需要去搜集和背诵人类棋谱。 在林元庆看来,新一代人工智能不仅有对过去的学习,还有对未来的思考和预判。“下一步我要下这,能够给我带来多少得分,这就是增强学习,需要非常好的算法和非常有效的搜索。”林元庆说。 看点二:人脸识别和下棋就是“比着玩玩”吗?将用在哪些领域? 人工智能费这么大劲战胜人类,可真的不是为了“挑衅”。这些技术将在很快走进产业,服务百姓生活。 包括百度在内的诸多人工智能领军企业都表示,人机大战是为了检验人工智能和人类差距。但是,打败人类并不是目的,而是希望在此过程中不断进步,演化出好的技术来服务人类。 人脸识别会用在哪? 比如门禁。基于最新的人脸识别技术做成的门禁系统,人走到闸机前,一秒左右的时间闸机就能够识别成功并进行开门,不会出现误识别、走到一半卡住的现象。 比如金融。基于1:N的超高精度识别系统就能对身份证等信息精确识别。比如安保,可以做到快速“万里挑一”,包括识别被拐卖的儿童等,很多和人脸识别相关的应用都将大力推进。 除了人脸识别,在无人驾驶、智能家居等各个方面,人工智能已经展现出了极强的应用潜力。 比如语音识别,科大讯飞语音输入能实时准确地将语音转换成文本,让人工智能突破“智能认知”;基于人工智能的优化理财资产配置已经开始投入市场,在金融智能投资领域崭露头角;智慧家庭系统、儿童陪伴机器人等终端产品上市,让家庭生活更便捷安全……有人认为,未来很多工作将被人工智能取代,大量独角兽公司将诞生于人工智能领域。 看点三:中国如何抓住“人工智能”窗口,抢占发展先机? 科技创新在哪里兴起,发展动力就在哪里迸发,发展制高点和经济竞争力就转向哪里。当前,以人工智能为代表的新一轮科技革命和产业变革孕育兴起,世界主要国家争相寻找突破口,抢占未来发展先机。我国也不例外。 当前,人工智能带来的效果正逐步显现。比如,图加科技公司用智能技术对图片信息识别和深耕,挖掘出更多市场信息和消费需求。在不久的将来,拍张照片就能识别景点名称、历史和参观路径;通过秀场直播的图片,就能同步买到最新潮的服装;甚至可以通过用户浏览图片记录,自动分析出消费喜好和流行趋势,进行精准产品推荐。 不仅图片如此,基于人工智能,语音识别、体感交互等技术都将迎来重大突破,催生出一系列创新成果,颠覆人们的传统认知,推开万物互联的大门。 工信部信息化和软件服务业司司长谢少锋认为,信息技术已经成为支撑工业和信息产业发展的基础。在经历自动化、数字化之后,智能化将提升整个产业的技术水平,打开新的空间。这当中,人工智能扮演着极其重要的角色。 工信部也把包括人工智能在内的智能制造列为主攻方向,打好政策措施组合拳,培育融合发展新生态,促进新动能发展壮大。 日前印发的《“互联网+”人工智能三年行动实施方案》提出,到2018年将形成千亿级的人工智能市场应用规模。有统计显示,截至2016年9月,我国人工智能创业公司数量200余家,大部分创建于2010年后。语音和视觉是创业公司的两大方向。 不少专家表示,未来人工智能将在应对挑战的过程中逐步“进化”。中国有望成为人工智能科研与应用的高地。特别是在制造业、物流业、服务业,人工智能将彰显出巨大潜力。
  • 最强大脑
  • 人脸识别
  • 人工智能
0评论 2017-03-29
人脸识别算法公司Top10盘点 1、云从科技 背靠“计算机视觉之父”,中科院实验室创业团队创立云从科技。云从科技团队成员除了来自中科大的校友外,还来自中国科学院各大研究所、UIUC、IBM、NEC、MicroSoft等全球顶尖学府及研究机构; 截止2016年11月,成立一年半,研发团队扩展为200余名,为全国最大的人脸识别研发团队; 并且在金融、安防、教育等领域分别开始了商业化探索,IBIS平台让其成为银行业第一大供应商,动态人脸识别系统在广东的应用成为标杆,被全国推广; 中国科学院院长从团队在中科院时每年视察一次,十分重视,并在会晤外国领导人与代表团时只带了云从科技与科大讯飞两家企业代表中国智造。 首个刷脸支付原型系统。 首个商用人脸识别远程开户系统。 在中科院内部所有计算机视觉团队中脱颖而出,独家负责战略先导科技A类专项。 唯一一家参与人脸识别国标、部标、行标制定的研发企业。 唯一一家让四大行之一在全国范围用上人脸识别的企业。 根据2B行业的实际需求打造了全产业链模式、快速部署平台。 在POC测试中大幅领先来自日本、德国的人脸识别大厂。 2、Emotient Emotient获得600万美元B轮投资(2014/03/10) Emotient起源于加利福尼亚大学的“机器感知实验室”(Machine Perception Lab),他们最终的目的是打造一套“无所不在”的人类情感分析系统。 分析表情并不需要特别的硬件设备,至少48像素的、从耳朵到耳朵的全脸图像就能满足。 Emotient同时还提供API接口,能够将其技术轻松地与任何硬件或者软件进行整合。目前,Emotient已经将其服务与Google Glass搭配,开始进行私密的测试。 Emotient也将同时作为英特尔RealSense技术SDK的一部分,来迅速的与世界上的开发者进行对接。 Emotient已经将其表情识别服务部署到了零售行业,通过对顾客感受的实时分析,帮助零售业主提升销量。 Emotient利用人工智能扫描人脸,然后可在数秒钟内解读出他们的面部表情所代表的意义,这种技术过去主要是帮助广告商和销售人员判断消费者对广告或产品的反应。 Emotient创始人、首席科学家玛丽安巴利特(Marian Bartlett)解释了其工作原理。她说:“首先需要抓取面部照片,然后对其进行扫描。一旦发现这些面部照片后,它就会利用识别技术识别出面部表情。” 3、Affectiva 成立于2009年的Affectiva是一个基于云端的面部情绪识别解析服务公司,通过面部动作编码(Facial Coding)——捕捉识别对象的面部动作如皱眉、挑眉、傻笑、微笑等等判断人们的情绪。目前还主要用于市场营销,但Affectiva下月会面向第三方开发者推出其SDK开发工具。 埃及科学家RanaelKaliouby了。她现居波士顿,2009年成立公司Affectiva,许多员工都来自于M.I.T. Affectiva坐落于马萨诸塞州沃尔瑟姆市,在双行道沿街商业区后的办公园区,是波士顿模仿硅谷而建立的走廊地带的一部分。 装有Affdex的iPad,被简化成一个能追踪四种情绪的“分类器”:开心,疑惑,惊讶和厌烦。用这个软件在脸上扫描一下就能辨别出情绪;如果同时有多张脸,它就会将其分开,一个一个来。然后,识别脸上的一些主要部位——嘴巴,鼻子,眼睛和眉毛——将像素点分别归位到每个部位,再用简单的几何模型渲染特征。 ffedex一直被当做一种可靠的情绪推测工具——能够进入潜意识领域的工具。 Affdex已经做了8万次皱眉试验。她站在台上公布结果时说:“我们的正确率能达到90%”。 她的公司已经分析了200多万个视频,受试者来自全球80多个国家,在Affectiva初创的时候,她就已经用了几百个表情训练她的软件。 Affectiva有赖于Paul Ekman的研究成果。他是一个心理学研究者,他是在六十岁开始研究并建立了权威的理论体系:人类至少有六种普遍的表情,这些表情不论性别,年龄,或是文化背景,都会在每个人的脸上一模一样地呈现出来。Ekman致力于解密这些情绪,他把它们分解成46个独立动作,称其为“动作单元”的结合。把它们分为可变形和不可变形的点,将这些不可变形的点作为锚点,能够帮助我们判断其他点移动的距离。 面部识别解析服务Affectiva将推SDK包,希望在市场营销以外的领域如游戏、教学等发挥作用 Affectiva研究发现,人们对广告做出的反应——表情数据可以用来预测销量,精确度达75%,虽然这仅比传统的市场调研方式准确率仅提高了5%。 Affectiva已经在全世界各地收集了10亿多个面部表情 此前它已获得总计2020万美元的投资(李嘉诚参与过其投资),共有员工35名。(13年数据) McCann(Affectiva在巴塞罗那) McCann分部没有帮这个俱乐部制定出一个广告作战计划,而是建议它在座位上安装一个像Affdex的软件,并允诺观众剧院免费对外开放,但是,每笑一次要收取0.3欧元,上限是80次。如果观众试图掩盖笑容,或是隐瞒笑的次数,就要收取全票价:24欧元。这家店的营业额一下子就上来了。美国,法国及南非的剧院都联系McCann,希望能了解到更多方法。 4、Face++ 清华创业团队推出人脸云识别开放平台Face++ Face++团队成员除了几名来自清华校友外,还有来自美国哥伦比亚大学、英国牛津大学和美国南加州大学的科研及开发人员。 并且在金融、安防、零售领域分别开始了商业化探索成功发育出Face++Financial,Face++Security,Face++BI等垂直人脸验证解决方案产品。 魔漫相机是全球首款将真人拍成幽默漫画的手机应用,用户数超过2亿,通过Face++对人脸自动捕捉和人脸关键点检测技术并结合表情迁移以及图像融合技术生成用户私人漫画形象,打造用户百变造型。 乌鸦来了是一款iOS体感交互游戏,使用前置摄像头捕捉玩家的头部动作进行游戏操控,是iOS平台上第一款头部操控的体感游戏。乌鸦来了是一款iOS体感交互游戏,使用前置摄像头捕捉玩家的头部动作进行游戏操控,是iOS平台上第一款头部操控的体感游戏。 5、Linkface 全球领先的人脸检测, Linkface提供全球领先的人脸检测、识别技术服务,LFW人脸识别准确率已达99.5%以上。 6、SenseTime 2014年9月,SenseTime的科学家们首次出征ImageNet竞赛,在大规模物体检测比赛中以40.7%的成绩获得世界亚军,仅次于谷歌的43.9%;2015年3月,该团队将此成绩提高到50.3%,超越谷歌,达到世界第一的水平,并将这一成果以论文的形式发表在2015年国际计算机视觉与模式识别大会(CVPR)上。 2015年,ImageNet新增了一项视频物体检测的任务,比静态图像中的物体检测的难度更高。SenseTime联合香港中文大学媒体实验室组成的团队再次出征。最终,团队在ImageNet视频物体检测竞赛中检测一举夺得数量、检测准确率两项世界第一的成绩,以压倒性的优势击败了对手。成为首个在ImageNet夺冠的中国企业。 SenseTime在2015年年底刚刚完成并购了另外一家人脸识别技术领域的创业公司Linkface。后者也是一匹创业黑马,同样拥有诸多超越业界大佬的出色成绩单。 公司的研发团队有超过50多名博士全职任职。该团队在三大国际顶级机器视觉会议CVPR、ICCV、ECCV上共发表论文超过150篇,在亚洲企业中排名第一。 戴宇荣博士,两任ICCV(国际计算机视觉大会)领域主席;80余篇著作发表于顶级会议期刊;韩国科学技术学院(KAIST)终身教职;2011年KAIST杰出教授;微软学者。为加入SenseTime而放弃终身教职,因为他更看中SenseTime能将技术转化为业界实际成果的优势,以及其在人才和资源方面对于科研的助力; 张伟博士,安徽省高考状元,本科就读于清华大学,并于香港中文大学获得博士学位,曾在Kaggle数据科学家排行榜上排名第六,亚洲科学家中排名第一。放弃对冲基金CTO加入SenseTime。 孙祎博士,本科就读于清华大学电子系,并于香港中文大学获得博士学位,人脸识别算法DeepID系列发明人。超越人眼识别准确率,打败Facebook。 周斌博士,中国首位HPC(高性能计算)和GPU(图形处理器)跨领域研发高级工程师,他是全球第12个NVIDIA CUDA Fellow称号获得者,也是目前中国唯一一位获得此称号的学者; 邱石博士,清华大学电子系第一名,并于香港中文大学获得博士学位,2014年,邱石所在的DeepID-Net团队首次参加ImageNet大规模物体检测任务比赛中,并以40.7%的优异战绩位居第二名,仅次于谷歌。 石建萍博士,微软学者,谷歌奖学金,香港政府奖学金,从浙江大学到香港中文大学,从本科时代顶级会议CVPR第一作者Oral到加入创业团队。 夏炎博士,微软研究院计算机视觉博士,中科大第一名,郭沫若奖获得者。专注深度学习,文字识别。 曹旭东,深度学习专家。清华大学物理系,前微软研究员。其开发的现象级产品如How Old.net有数亿用户。该技术广泛用于微软产品,如Xbox。 7、Amscreen 将面部识别技术与传统广告板相融合的创举来自欧洲户外广告巨头Amscreen,在欧洲四处可见该公司架设的广告牌。据TNW报道,Amscreen这项大胆创举已经试运行一段时间了,他们与技术提供方Quividi合作,为“呆滞”的广告牌装上了“智慧的眼睛”。 8、Faceshift 基于Kinect开发的Faceshift能将面部表情实时映射到游戏中 Faceshift面部表情捕捉工具,可以几乎无延时地把你的表面表情实时反馈到3D模型中。 Faceshift可以让视频游戏、聊天以及动画电影制作变得更快更有趣,也将给游戏开发商带来新的机会。事实上面向动画和游戏制作者发布的SDK已经发布,当然你也可以把它用在其它你能想像到的领域。 9、小丘机器人 国内首款垂直心理的AI情绪关怀师,给每个人提供随时随地的情绪陪伴和积极心理管理服务。 小丘的优势:小丘是“暖丘”App的关联产品。 暖丘是目前中国最活跃的普通人的C2C情绪互助社区,暖丘在国内最早专注情绪语料库,从2014年9月至今目前有500万优质语料,并迅速增长。竞品可以利用公共知识做出AI,但没有优质语料库,后期质量提升是重大瓶颈。 10、飞搜科技 飞搜科技公司是一个以科技创新,自主研发,把机器学习,尤其是深度学习的研究成果应用到人脸识别、图像识别、视频内容识别等领域的高科技公司。 飞搜的实时人脸识别算法,在世界公开测试基准数据集Labeled Faces in the Wild(LFW)上准确性高于99.0%,超过Facebook于2014年6月份在同样人脸数据集上测试后公布的97.35%的准确率。
  • 人脸识别
  • 算法
0评论 2017-03-29
以后救命靠AI:它已开始颠覆医院 这五个领域首当其冲 看病难,看病贵?这不是中国特色,某种程度上美国比中国要严重得多。全球都面临着类似的问题。世界卫生组织估计,全球约有430万医生和护士的缺口。这种欠缺在不发达国家更为严重,而发达国家也面临医疗费用日益高昂的挑战。 资源缺乏带来的影响,往往体现在每个患者可以得到的诊疗时间。一项研究估计,美国医生在每个病人身上平均花费13-16分钟。而在国内,此前有报道称医生平均接诊时间4-6分钟,更有调查称:“门诊医生平均只肯听病人述说病情19秒”。 然而我们并不能据此过多指责医生,至少“量子位”遇到的医生绝大多数认真负责,候诊的病患每日数以百计,忙得中午饭都来不及好好吃。怎么办? 人工智能(AI)也许是解决之道。至少在以下五个方面,AI已开始发挥作用: 替医生做诊断 去年8月,老牌人工智能产品IBM Watson分析了数千个基因突变,最终确诊一位60岁的日本女性,患有一种非常罕见的白血病,并提供了适当的治疗方案,而几个月前她曾被医院误诊。Watson的整个诊断过程不到10分钟,如果换做人类医生,这个诊断需要耗时数周才能做到。 东京大学附属医院的Arinobu Tojo医生表示:“说AI拯救了她的生命可能有一点点夸张,但是AI确实非常迅速的给出了所需数据”。现在,Watson的肿瘤解决方案已经进入了21家中国医院。 在人工智能诊疗领域,除了Watson这样的成熟应用,还有活跃于学术界的各种创新研究。 比如说最近一期(第542期)Nature的封面,就是关于人工智能诊断皮肤癌的。斯坦福大学人工智能实验室在Nature发表论文展示了这一成果:他们用12.9万张皮肤病变的照片训练深度卷积神经网络,让它对皮肤损伤进行分类,诊断皮肤癌。这一算法的准确率达到91%以上,与人类皮肤科医生无异。未来,这种算法可以用于移动App,让用户在家就能自行拍照诊断皮肤癌。 国内的中山大学最近也有AI诊断方面的成果发表。该校科研人员在Nature biomedical engineering上发表的论文显示,他们开发的人工神经网络CC-Cruiser诊断先天性白内障的准确率,已经达到人类眼科医生的水平。这些科研人员表示,该技术未来也可以别用于诊断其他疾病。 机器学习技术也被用到了精神疾病的诊断中,比如说纽约大学Langone医学中心的Charles Marmar就在使用机器学习来挖掘语音中的特征,从而帮助医生来诊断PTSD(创伤后应激障碍),Sonde Health则用类似的方法来诊断产后抑郁,以及老年痴呆症、帕金森病等老年性疾病。 解读医疗影像 如果说AI替代医生做诊断,甚至给出治疗方案似乎还是巨头和科研界的游戏,离我们稍嫌遥远,那么人工智能帮医生解读医疗影像则是正发生在我们身边的现实,大量国内外创业公司涌入了这个热门的领域。 我们还从老牌厂商IBM说起。去年8月,IBM斥资10亿美元,将一家医疗影像公司Merge收入麾下,并与Watson健康部门合并。Merge是美国最具影响力的医疗影像公司,不仅拥有大量的医学数据和图像(CAT扫描、乳房摄像),还有帮助医生存储、分析医学图像的顶尖技术平台。 2014年创立的Enlitic也专注于这一领域,该公司的图像识别软件利用CNN(卷积神经网络),读取X光片和CT图像筛查恶性肿瘤。 国内,也有众多创业公司在研究如何用AI解读医疗影像,“量子位”根据公开数据进行的不完全统计显示,仅在去年完成天使轮融资的就有6家,包括推想科技、DeepCare、图码深维、连心医疗、森亿智能和迪英加。 科研领域也依然在研究这一课题,伦敦帝国学院的研究人员正在尝试应用机器学习治疗创伤性脑损伤。研究人员把这种损伤的图片,“喂送”给人工智能算法进行学习,随后电脑学会了识别脑损伤,并能够分辨灰质和白质。这种能力将为研究人员提供有价值的信息。 慢性病预测和健康管理 在健康管理方面,IBM同样早有布局。IBM的人工智能系统Watson与美国药店CVS合作,CVS向Watson开放海量患者行为信息,包括临床数据、购药数据和保险数据等,Watson对用户行为和相关指标进行分析,来提前预知患者的病情。 长期血糖偏高会引发多种并发症,例如导致失明等。去年,Google发出最新研究成果:利用深度学习算法,来筛查糖尿病患者的视网膜病变情况。结果显示,人工智能做出的判断与专业医生旗鼓相当,甚至在部分指标上比医生还好。 同样是针对眼部疾病。微软去年在印度利用了Azure的机器学习能力来处理数据,并用Power BI服务将数字可视化,以从中找出隐含的意义。据报道这些数据不但能帮助医生确定病人的眼部疾病离恶化还有多长时间,而且能预测进行眼部手术的成功率。 不久前,英国科学家公布的研究成果显示,AI还能预测心脏病人何时死亡。通过分析血检以及心脏扫描结果,人工智能可以发现心脏即将衰竭的迹象。 此外,Lumiata推出的Risk Matrix能够基于唾液分析等数据,预测食管癌发病的风险。Next IT推出的Alme Health Coach通过人工智能技术评估慢性病人的整体状态,并给出个性化的健康管理方案。虚拟护士Molly也能通过机器学习的方式帮助患者康复。 走进手术室 这个领域最知名的莫过于达芬奇。 2000年,Intuitive Surgical达芬奇系统正式获批上市。这个手术机器人最初用于支持微创心脏搭桥手术,后来又在前列腺癌治疗方面取得进展。达芬奇机器人由三部分组成:外科医生控制台、床旁机械臂系统、成像系统。 数据显示,目前美国四分之一的手术中都使用了达芬奇系统。2006年,301医院引入第一台达芬奇手术机器人。但有报道说达芬奇价格高昂,后续的维护成本也不低。 除了达芬奇之外,还有很多公司也在不同领域推出了手术机器人。人工智能也在手术室里辅助进行麻醉管理,包括术前评估、方法选择以及术中管理等等方面。 值得一提的是,Google母公司Alphabet旗下生命科学部门Verily与强生合作,共同创立了Verb Surgical公司,主打机器人手术助手。将来,可能会有更多企业进入该市场,并探索不同的细分空间,打造出一个感知、数据分析和自动化生态系统。 机器人还被用于在医院内进行送餐送货等服务。Aethon公司推出的TUG机器人,能够包揽医院里各种事务杂活等后勤工作,比如处理递送药品、医疗用品、实验室标本,处理医疗垃圾等任务。还能让医护人员与病人远程聊天和互动。 医生的助理 《福布斯》此前曾经报道:医生花费27%的时间在诊室问诊,还有49.2%的时间在做书面工作,其中包括使用电子健康记录系统。即便在诊室,医生只花52.9%的时间在跟患者沟通,还有37%的时间在处理书面工作。 一些医疗健康机构已经开始使用人工智能程序来减少医生和护士收集患者信息的时间,这有助于降低成本,但是有可能反而进一步减少医生和患者交流的时间。 除了在工作中协助医生之外,人工智能系统也在协助医生更好地学习新知识。扎克伯格夫妇的慈善组织“陈-扎克伯格行动”(CZI)半个月前收购的科研搜索引擎Meta,就是这样一个产品。 Meta使用人工智能技术,帮助科研人员跟进自己领域的最新进展,目前主要用于医疗领域。科研人员可以利用Meta找到新技术,理解冠状动脉疾病;研究生可以看到,两种疾病以同样的方式激活人体的免疫机制;医生可以更快地找到正在开发寨卡病毒治疗手段的科学家。
  • AI
  • 颠覆技术
  • 医院
0评论 2017-03-29
微软沈向洋:人工智能在认知方面尚待突破 “我觉得,接下来五年可能会是最多AI(人工智能)技术进行商业应用的时候。”4月2日,微软全球执行副总裁、人工智能与研究事业部负责人沈向洋在2017中国(深圳)IT领袖峰会的高端对话中做出这一表示。 沈向洋认为,人工智能的研究方向大体可分为两块,一块是感知方面,一块是认知方面。现在人们感受到的主要是机器在语音和视觉方面的发展,即感知层面。 沈向洋认为,接下来5到10年,机器在感知方面的发展将非常快,会超过人类。这主要是因为三方面原因,一是互联网的出现产生了海量数据,二是强大的运算能力和新的算法使这些数据可以被处理,三是深度学习在过去五六年取得突破,并被许多互联网企业应用,才使很多以前不能解决的问题现在可以解决。 但沈向洋也表示,在认知方面,比如自然语言、知识的获取、情感等领域,业内还没有“搞得很清楚”。因此,他呼吁,在激动之余,科研人员还是要有一颗平常心,“因为很多科研的进展还需要一些时间”。 作为微软人工智能领域研究的负责人,沈向洋介绍,微软现有7000多名工程师和科学家在研究人工智能。微软判断,接下来的商机主要存在于那些有大量数据,并且从业人员并不开心的行业。他举例,像市场销售、人事招聘、客服等行业,接下来都有可能被颠覆掉。而微软的主要研究方向也是可以与人对话的人工智能,来满足这部分需求。
  • AI
  • 商业化应用
0评论 2017-04-05
近期热榜