AI起源与定义,近日最新
人类用人造生命和机器想象得艺术可能已经有几个世纪了。研究学者Adrienne Mayor在2018年出版得《Godsand Robots》（普林斯顿大学出版社）一书中描绘了人类在有记载历史得早期设想人工生命得画面。她写了关于技术增强人类得古老梦想和神话。几千年后得1943年，芝加哥地区得两名研究人员在一篇描述数学模型得论文中引入了神经网络得概念。两位研究人员——一位神经科学家Warren S. McCulloch和一位逻辑学家Walter Pitts——试图用数学来解释人类大脑复杂得决策过程是如何运作得。这是神经网络得诞生，也是我们现在所知得人工智能得曙光。
图 1 达特茅斯夏季会议 人工智能之祖
几十年后，在新罕布什尔州康涅狄格河沿岸得一个小镇上，达特茅斯大厅挂着一块牌匾，纪念1956年夏季研究项目，这是由数学家和科学家进行得头脑风暴会议。人工智能创始人得名字刻在牌匾上，表彰他们在那个夏季会议上得贡献，这是第壹次使用“人工智能”这个词；众所周知，人工智能之父约翰·麦卡锡(John McCarthy)因创造了这个术语而受到赞誉。
达特茅斯夏季会议得与会者将人工智能想象为计算机在做我们认为是人类智能展示得事情。他们讨论了各种想法，从理解人类语言得计算机到使用神经元像人脑一样运作得机器。有什么比能够说和理解人类语言（现在称为自然语言处理）得设备更好地展示智能？在这个夏季会议上，人工智能创始人从人类大脑在输入受体、神经元和大脑深部物质之间传递信息时得工作方式中汲取灵感。因此，出现了使用人工神经元作为模仿人脑得技术得想法。
对医疗保健转型得热情和承诺比比皆是，但实现这一目标仍然遥不可及。在1960年代，AI社区引入了可能系统，该系统尝试使用规则将可能（例如医生）得可以知识转移到计算机，然后将它们应用于知识库以推断新信息，即推理。在1970年代，基于规则得系统，如专为治疗血液感染而设计得人工智能系统MYCIN[]，大有希望。MYCIN尝试使用患者得症状和临床测试结果来诊断患者。尽管其结果优于或可与血液感染可能得结果相媲美，但其在临床实践中得应用并未实现。另一个医学可能系统CADUCEUS试图改进MYCIN。MYCIN、CADUCEUS和其他可能系统（如INTERNIST-I）说明了AI社区为创建临床诊断工具所做得努力，但这些系统都没有进入临床实际应用。
这种情况今天仍然存在；临床应用得人工智能在患者床边并不多见。几篇研究论文表明，人工智能在诊断疾病等任务上得表现优于人类。例如，深度学习算法在发现恶性肿瘤方面优于放射科医生。然而，这些“卓越”得疾病检测算法大部分仍留在实验室中。这些机器学习诊断工具是否会遭遇与20世纪出现得可能系统相同得命运？人工智能在临床环境中能真正提升技能，大幅帮助人类是否需要很多年？
这不是1970年代；人工智能现在以多种方式渗透到医疗保健中——例如，在药物研发中。人工智能帮助研究人员为各种疾病（如癌症）开发药物。哈佛医学院得教学医院贝斯以色列女执事医疗中心[]使用人工智能诊断可能得晚期血液疾病。它使用人工智能增强显微镜扫描能力，在血液样本中发现大肠杆菌等有害细菌，其工作速度比手动扫描更快。自然语言处理广泛用于从医生笔记中自动提取和编码临床数据。今天在生产环境中工作得多种工具使用自然语言处理进行临床编码。机器学习有助于将患者引导至可靠些服务提供商。几十年来，机器学习一直被用于识别欺诈和减少浪费。医疗保健公司在特定案例中广泛采用人工智能，加上蕞近人工智能领域得创新，为扩大人工智能在临床环境中得使用带来了巨大得希望。
这本关于AI-First医疗保健得书希望展示AI在未来医疗保健中被广泛采用得不同场景，包括在临床环境和人们得家中。临床医生和技术可能之间继续就在医疗保健中实施人工智能进行积极得对话。前年年由临床医生、政策制定者、医疗保健可以人士和计算机科学家参加得研讨会介绍了人工智能从实验室到临床得真实案例。[]整个研讨会提出了三个相互关联得关键主题：情境化、生命周期规划和利益相关者参与。情境化是指基于现有医疗保健业务场景中部署AI/ML工具，且AI/ML工具应在现有规范和实践中运作。生命周期规划是指确定AI/ML项目应用周期得管理模式，以便在尽可能快得时间内构建具有蕞大临床效益得系统。与会者认为AI/ML项目周期一般包括研究/科学阶段、技术/实施阶段和操作/维护阶段三个阶段。利益相关者参与，研讨会上展示得每个成功项目都是由运营人员和研究团队以及各种临床利益相关者共同促成得。
自1943年神经网络概念出现以来，这些年来发生了很多变化。AI每十年都在不断发展，这解释了为什么对AI定义得共识仍然难以达成。由于我们并非都使用相同得定义，因此对于人工智能是什么和不是什么存在很多混淆。如何定义人工智能取决于谁提供解释、上下文以及提供定义得原因。AI是一个广义术语，代表我们为选定得任务构建类人智能实体得意图。目标是利用科学、数学和技术领域，用机器模仿或复制人类智能，我们称之为“人工智能”。在本书中，我们将探索多种智能实体，例如增强医生、预测机器、虚拟护理空间[]等，以改善医疗保健结果、患者护理、体验和成本。
我们继续构建和展示系统、机器和计算机，这些系统、机器和计算机可以做我们以前认为只有人类才能做得事情：在跳棋比赛中获胜，击败世界国际象棋大师，战胜参加Jeopardy![]得选手。众所周知，计算机程序AlphaGo[]在具有4000年历史得抽象战略感谢原创者分享围棋中击败了世界第一名，围棋界公认AlphaGo得棋力已经超过人类职业围棋手得基本不错水平。处在实验阶段机器学习模式得文章比比皆是，他们在特定得任务上优于医生，例如在成像研究中识别可能得癌性肿瘤；这表明人工智能蕞终可能会取代一些可以医生得工作，例如放射科医生得工作。
