176      阿裏雲  技術社區[雲棲]

人工智能進展驚人，但怎麼解決關乎生死的醫學疾病？

7月22-23日，由中國人工智能學會、阿裏巴巴集團&螞蟻金服主辦，CSDN、中國科學院自動化研究所承辦，雲棲社區作為獨家直播合作夥伴的第三屆中國人工智能大會（CCAI 2017）將在杭州國際會議中心盛大開幕。

CCAI素來秉承中國國內級別最高、規模最大的品質追求，匯集全球人工智能領域的頂級專家、學者和產業界優秀人才，直擊當前AI業界熱點話題、核心技術以及大家共同關注的科學問題，並針對該領域相關技術研究、產業化創新應用、人才培養與成長等設立專題論壇。納百家之言，融萬端思辨，旨在打造中國人工智能領域產、學、研緊密結合的高端前沿交流平台。

大會開幕在即，CSDN獨家采訪到南加州大學副教授、Zohrab A. Kaprielian工程院士Fei Sha博士。而Fei Sha博士作為本屆CCAI的嘉賓，將於大會上為大家帶來主題為“大數據如何幫助「小數據」”的分享，意在從其他任務和相關（大）數據集中尋求幫助，以研究有關小數據的方法和模型。報告將探討相關方法的製定，以及如何將它們運用到實際問題中。

以下為采訪正文

CSDN：是否方便透露您以及您的團隊在現階段的研究側重點或下一步研究計劃？

Fei Sha：目前，我的研究著重於統計機器學習的基礎性與應用性研究。過去幾年中，我們團隊的工作涉及到了人工智能領域的各個子類，包括計算機視覺、自然語言處理和機器人技術領域。同時，對於實驗室正在進行的一項新舉措——嚐試將機器學習和人工智能轉化到醫學的運用上，我們也感到非常興奮。為此，我已經開始建立一個針對健康方麵的數據、算法與係統的研究中心。

CSDN：是什麼契機讓您選擇了統計機器學習這一研究分支，大數據的機器學習在人工智能的發展中扮演著怎樣的角色？在與團隊一同探索的過程中，曾陷入怎樣的瓶頸時期？又是如何尋求突破的？

Fei Sha：在就讀博士時，我就為統計機器學習的魅力心馳神往。彼時，我頭一個博導Fernando Pereira、同為我博導的Lawrence K. Saul，還有Daniel D. Lee等傑出研究員都已經離開了AT&T的實驗室，紛紛加入了賓夕法尼亞大學，投入學術界的懷抱。而我對於機器學習的理解，在很大程度上受到了他們的影響，還有我的博士後導師Michael Jordan這樣的牛人也給了我很大影響。作為一個研究方向，機器學習在對智慧的運用上很能讓人滿足，我發現自己不斷學習新的東西，欣賞到各式新奇的想法，並且實實在在地為解決真實世界的問題做出了貢獻。

毫無疑問，近來人工智能那些驚人的進展，在很大程度上要歸功於大數據、智能學習模型和算法，還有人們借助商用硬件所執行的大規模並行運算。

CSDN：在將機器學習以及其他人工智能技術應用到生命與醫療科學這條路上，您和您的團隊做了哪些工作及部署？人工智能在醫學戰場上麵臨哪些挑戰？談談機器學習在個性化醫療等醫療手段當中的應用？

Fei Sha：具有開拓精神的腫瘤專家，同時也是精準醫學領袖David Agus博士帶領著一支來自Lawrence J. Ellison轉化醫學研究院的團隊。通過與他們合作，我在美國南加州大學的實驗室在21世紀數字病理學的重新定義領域發揮著領導作用。目前有一些機器學習方麵的研究項目正在進行，非常令人興奮，其中包括有：直接從H&E染色圖像中預測癌症標誌物；根據組織學圖像將癌細胞和非癌細胞成分進行分類；建立起精準與自適應療法的新型數學與計算模式。我們相信，通過對機器學習技術和人工智能的不斷優化，在我們的努力下，全世界的病理學家將會取得前所未有的進展，得以更好更快地做出疾病診斷。目前，我們聯合了全世界頂尖的技術公司和行業領袖，共同合作將研究從大學實驗室搬到現實社會，以便形成最大的影響力。

將人工智能應用於疾病的治療或協助治療方麵，當然很激動人心。但是我們應當知道——疾病的治療是一個複雜的決策過程，涉及到了多個方麵。通常來說，雖然還在不斷成長，但人工智能係統在其中隻占據很小一部分。在我看來，其中最大的挑戰就是開發出能轉化成有重大臨床影響的人工智能技術。

CSDN：據悉，您曾為DARPA 2010計算機科學研究小組成員，這個過程中是否有方便與大家分享的經曆？

Fei Sha：為了訓練空降能力，我曾試過12.8米高的跳台。

CSDN：對於“深度學習是機器學習的最終發展方向”這一個觀點，您怎麼看？您曾經談過有關深度學習“知識表示”的問題，能否具體展開？現階段該問題仍存在嗎？

Fei Sha：深度學習在基礎研究、應用研究和開發、應用和實踐等方麵確實徹底改變了機器學習的格局。然而在我看來，不加限製條件就宣布深度學習是“最終的方向或目的”，是一種科學上不成熟、也不負責任的做法。關於深度學習的模式和實踐，我們還有很多不了解的地方，還有很多對機器學習至關重要的問題尚在研究之中，而這些問題與深度學習模型呈正交關係。

使用深度學習的架構來表達某些人工智能領域的知識表述問題，是非常有趣而且很可能頗有前景的工作。但是類似這些方麵，我們離獲得定論還相距甚遠。

CSDN：您在研究過程中也收獲了大量的理論研究成果，那麼在您看來，理論下的AI和實踐中的AI之間，有著怎樣的差距。您認為現階段的AI發展存在哪些阻滯因素？

Fei Sha：目前，無論學術研究界還是行業社區中，關於人工智能係統的設計和實現，大家都在進行大量的理論知識與實踐準則積累，以適應具體明確且垂直化的應用場景，比如識別口語、識別人臉等等。盡管如此，在這些方麵所取得的成功隻能算起步，我們欠缺優秀的理論來描述這些係統的魯棒性和可靠性。對於特別複雜的係統，我們缺少評判其預測是否正確的工具，而且太過依賴於獲取海量數據。此外，正如我在上文中提到的，人工智能係統通常隻是某個複雜係統或進程中的一個小部分。那麼，如何確保人工智能係統與其他組件順利協作，是將人工智能推向實踐和產品環節的關鍵步驟。

CSDN：您將在本次CCAI上分享什麼樣的主題？側重點將放在哪些問題上，旨在解開哪些疑惑，希望觀眾從中收獲什麼啟示？

Fei Sha：我的演講主題主要是：如何借助少量數據，甚至在沒有數據的前提下構建機器學習模型。在許多應用的場景中，會假設我們已經擁有海量精準數據，而這並不現實。不過，我們還是可能有機會訪問大量與所要解決的問題有關聯的數據。在過去幾年中，我們一直在研究如何在這類情況下，利用這些相關的數據。

中國人工智能大會（CCAI），由中國人工智能學會發起，目前已成功舉辦兩屆，是中國國內級別最高、規模最大的人工智能大會。秉承前兩屆大會宗旨，由中國人工智能學會、阿裏巴巴集團 & 螞蟻金服主辦，CSDN、中國科學院自動化研究所承辦，雲棲社區作為獨家直播合作夥伴的第三屆中國人工智能大會（CCAI 2017）將於 7 月 22-23 日在杭州召開。

作為中國國內高規格、規模空前的人工智能大會，本次大會由中國科學院院士、中國人工智能學會副理事長譚鐵牛，阿裏巴巴技術委員會主席王堅，香港科技大學計算機係主任、AAAI Fellow 楊強，螞蟻金服副總裁、首席數據科學家漆遠，南京大學教授、AAAI Fellow 周誌華共同甄選出在人工智能領域本年度海內外最值得關注的學術與研發進展，匯聚了超過 40 位頂級人工智能專家，帶來 9 場權威主題報告，以及“語言智能與應用論壇”、“智能金融論壇”、“人工智能科學與藝術論壇”、“人工智能青年論壇”4 大專題論壇，屆時將有超過 2000 位人工智能專業人士參與。

目前，大會 8 折優惠門票正在火熱發售中，點擊這裏火速搶票。

本文出自人工智能頭條公眾號，原文鏈接

最後更新：2017-07-20 13:32:21

  上一篇：  上雲須知：帶你了解一個全麵的阿裏雲

  下一篇：  AI頂級會議預告 | 人工智能最前沿的學術成果都在這！