人工智能就像长生不老和星际漫游一样，是人类最美好的梦想之一。计算机科学之父、人工智能之父艾伦·麦席森·图灵在著名论文《机器会思考吗?》里提出图灵测试的设想，对计算机能否具有人的意识这一命题提出思考。
勤快又认真、会思考还连轴转的员工，请给我来一打
近年来，怎样让计算机系统具有人的学习能力，即“机器学习”(Machine Learning)愈发成为人工智能方向的科研人员研究的重点。科技巨头们也将更多的资源投入到该领域，从而颠覆了原有的决策和运营模式。站在变革的路口，如何在这场庞大的数字战争中取胜?平安科技选择“顺势而为”。
机器学习是指机器在现有的知识中找到空缺，继而效仿人脑并模拟进化，系统化地减少不确定性，识别新旧知识的相同点，并完成学习。机器学习包括多种模式，比如可以用基础算法将数据聚类分析，发现分组数据内存在的隐藏模式，从而实现计算机自动学习。
举个例子，假设要构建一个识别猫的程序，传统上我们需要输入一串指令，例如猫长着毛茸茸的毛、有胡子等，然后计算机根据这些指令识别。但如果我们展示一张老虎的照片，程序该作何反应呢?更何况通过传统方式要制定全部的规则，必然会涉及到一些困难的概念，比如对毛茸茸的定义。因此，更好的方式是让机器自学。我们可以为计算机提供大量的猫的照片，系统将以自己特有的方式抓取特征，随着数据的增多，系统会不断学习更新，最终能够做出准确判断。
比如平安云RPA安小蜂，它是一个软件工具平台，能根据既定规则模拟人操作，与计算机交互处理作业，从而代替人工实现流程的自动化，是提升企业效率的低成本、高效解决方案。而平安科技以AI赋能安小蜂，搭载了机器学习能力，使其在运行过程中可以积累关键的流程数据，通过分析各节点运行数据，挖掘其背后反映的流程问题，进行流程诊断和优化，为客户提供端到端的一站式流程智能自动化解决方案，由RPA朝着IPA迈进。有了机器学习能力， RPA能在流程运行中不断进行自我调优，实现持续的、动态的智能化。安小蜂负责人曾表示，以前是我们告诉安小蜂流程怎么走，逐渐会变成安小蜂告诉我们流程怎么走会更好。
本来就是个王者，然而王者还会自己升级
当安小蜂推动企业效率提升和利润增长、赋能整条产业链之时，随着大数据的完善与强劲的硬体运算能力，让机器学习有了突破性进展，而其中发展最为快速的一项关键技术，就是“ 学习”(Deep Learning)。 学习是“更深层次”的机器学习。它的灵感来源于人类大脑的工作方式，还是以识别猫的程序为例， 学习不会以人类提供的信息来区分猫和老虎，而是会扫描图像中的所有像素，以发现可用于区分二者的边缘，之后，它会将边缘和形状置于可能重要的排序中以确定这两种动物。因此它需要更多的数据量以及能够处理数字和巨量大数据的独立显卡的高端计算机才能工作。
平安在过去31年间，通过医疗相关业务，积累了大量的数据库和知识库，为实现医疗领域的 学习奠定了坚实的基础，由此构建了医学大脑，将数据文献知识转变为医疗知识图谱，从而实现智能化的诊疗。随着有效的治疗案例和数据的不停储备，具有 学习能力的医疗图谱可以不断累积经验，持续学习。从治疗初步的症状询问、到检测项目，从诊中的判断确诊，到诊疗用药方案、诊后的治疗效果随访，赋能诊疗全流程，类似“老医师”式的成长模式，时间越久“越吃香”。 如今已成为广大医生工作神器的AskBob也是运用该技术达成赋能基层医生的目标。
每一次精度的提升，都意味着有无数人免于疾病之困
一直以来，平安还在智能疾病预测方向耕耘不辍，AI 学习在实时流感预测过程中有何价值呢?目前传染病的预测主要依赖传统的时间序列ARIMA(Autoregressive Integrated Moving Average model)模型，数据源单一且预测精度有限。随着 学习和人工智能的逐渐兴起，对时间序列的分析也有了很大的进步和提升。平安融合了多个数据源(包括历史发病率，死亡率，百度搜索指数和季节信息)和多个方法(包括非时间序列模型Ridge Regression, XGBoost和时间序列模型ARIMA,LSTM)对中国的传染病进行预测。科学表明， 学习中的LSTM模型有更加优越的性能。
前不久，平安与重庆市疾病预防控制中心、第三军医大学、清华大学联合发表的智能疾病预测论文首次在国际四大医学杂志之一《柳叶刀(Lancet)》子刊EBIOMEDICINE发表。该文融合多种前沿人工智能算法，创新性地建立了一个自适应人工智能模型(Self-adaptive AI Model，SAAIM)，动态调整参数，可准确捕捉流感不规律的季节性趋势，并对流感流行的特征进行分析，揭示出了流感流行的相关因子。可以帮助政府机构对公共卫生资源进行科学的、前瞻性的配置，并使得医疗卫生机构能够在流感季中提前准备，提高疾病防控效率、降低政府医疗财政负担和个人疾病经济负担。
当今时代，无限拓展的存储能力和骤然爆发的数据洪流的组合拳正在使“机器会思考”这一命题从幻想变为可能，每一次技术的革新都会对时代产生不可估量的推进作用。现如今，人工智能是否可以借助机器学习亦或是更深层次的 学习实现下一步的技术飞跃，我们拭目以待!
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
