每周，伦敦莫菲尔德眼科医院（Moorfields Eye Hospital）要进行3000例眼科相干光学扫描以诊断眼疾。相干光学扫描仪向眼底视网膜发射光束并接收反射光，以此生成视网膜高精度三维图像。每次扫描都要产生大量数据，但目前分析这些数据的效率很低——只能由受过专门训练的眼科专家来一例一例判读某个人是否存在疾病，更不必说通过大数据分析寻找规律来及早发现疾病。
除了AlphaGo，Google人工智能公司DeepMind要进军医疗保健领域
相干光学扫描仪
然而，人工智能可以高效完成这个任务。谷歌旗下的AI先锋DeepMind打造的围棋人工智应用AlphaGo，于今年早些时候击败了世界顶级高手李世石。但DeepMind的野心远不止于此，他们宣布已经和莫菲尔德眼科医院联手，旨在将机器学习应用于视网膜数据的处理。
新的AI软件将处理上百万份视网膜扫描数据，包括传统的视网膜图像数据和最新的光学相干成像数据，并据此建立模型，力图通过识别早期征兆及早发现眼病。
该项目将首先致力于糖尿病和老年性视网膜黄斑病变的自动诊断。糖尿病患者患某些眼病的概率比非糖尿病人高25倍，而老年性视网膜黄斑病变是英国最常见的致盲眼疾。早期发现对这两种疾病的及时治疗意义重大。
视网膜扫描图像
由于该项目刚起步，并且旨在对人眼很难分辨的细微特征进行模式识别，因此该技术没有更多的细节发布。DeepMind称，机器学习能及早发现视力衰退的细微特征，并为治疗争取更多时间。
该项目是DeepMind的首个医疗领域项目，属于纯研究性质。DeepMind之前还跟北伦敦的皇家自由医院（Royal Free Hospital）合作开发过一款名叫Streams的应用来监视肾脏疾病。《新科学家》（New Scientist）称，该项目已经收集了160万病人的数据。
莫菲尔德医院提供的数据将会匿名化。DeepMind称，他们将无法通过医疗数据来确定病人的身份。“该项目可以在不损害任何患者利益的情况下提高医疗服务水平”。看来，皇家自由医院的案例让DeepMind的公关工作谨慎了不少。
当然，这不是深度学习应用于医疗的首次尝试。IBM公司的“沃森”（Watson）超级计算机正在分析60万份病历，以及150万份病人自述和临床诊断书，来帮助医生更好地诊断癌症。同时，英国创业公司Babylon也在开发能为病人提供医疗建议的软件。
然而毫无疑问，医学领域的许多问题极其复杂，需要很长时间才能彻底解决。对于“视网膜特征识别”这样一个被明确定义的任务，DeepMind可以通过开发软件来分析数据，帮助医生发现眼病细微征兆并及早治疗。但它的实际效果如何，我们拭目以待。
【翻译/离子心 DeepTech深科技（微信号：mit-tr）】
·氧分子网（http://www.yangfenzi.com）延伸阅读：
➤ AlphaGo之父戴密斯·哈萨比斯：除了下围棋，AI还要塑造人类未来
➤ Star VC投资商汤科技SenseTime，“明星+星探”双重落地人工智能
➤ 没有任何行业可以忽视人工智能——MIT EmTech Digital 峰会干货
➤ Facebook 田渊栋评 DeepMind 深度强化学习的异步算法
围棋存在了至少2000多年，它一直都是人类挑战自身认知边界的一个很好的工具，是世界公认的最复杂的棋盘游戏。在中国古代，它和琴、书、画一起，被称为文人“四艺”，代表着文人的修养和品格。
围棋是一种如此复杂高深的游戏，就如宇宙一般；围棋运行在如此简单的游戏规则之上，就如宇宙一般。围棋中充满了人世间的各种辩证关系，小与大、虚与实、轻与重、缓与急、强与弱、厚与薄、疏与密、动与静、攻与守、先与后、取与舍、死与活等等，每个人都能从围棋中悟到不同的道理。军事家看到了战场形势的转换，政治家看到了治理天下的玄机。汉代黄宪在他的《机论》中说：
“弈之机，虚实是已，实而张之以虚，故能完其势；虚而击之以实，故能制其形。是机也，圆而神，诡而变，故善弈者能出其机而不散，能藏其机而不贪，先机而后战，是以势完而难制，虽然，此特弈之道耳。”
这种虚和实的辩证，让围棋超出了一般意义上的游戏。“黑白演绎如世事，纹枰对弈悟人生”，一张19×19的棋盘，一副黑白两色的棋子，承载了几乎全部的东方智慧和人生哲学。通过流传下来的古代棋谱，今人可以与古人手谈，感知前人的情感，传承前人的智慧。围棋演进数千年，却让人越发发现未知之大，感叹已知之小。日本棋圣藤泽秀行有言：“棋道有百，我只知七。”对一名狂放不羁的顶尖棋手来说，这话真的不是谦虚。
但是，这么复杂、这么玄妙、这么博大精深、这么经过数千年积累、穷尽无数人心血的围棋，竟然被一个完全不依赖人类数据的计算机程序给彻底破解了。10月18日，DeepMind团队的最新论文在《自然》杂志上发表，揭示了其最新一代计算机围棋程序AlohaGo Zero，在完全不依赖人类数据的情况下，凭借强化学习的方法，从零开始学棋，结果，仅用3天就以100:0的战绩打败曾战胜李世石的那个版本的AlphaGo，21天就达到战胜柯洁的那一版AlphaGo的水平，40天时间已成为拔剑四顾心茫然的绝世高手。
AlphaGo Zero训练天数与Elo等级分
在此之前，人类顶尖棋手输给AlphaGo，还可以说，毕竟计算机的状态不会像人类一样受情绪影响，毕竟计算机强大的计算和记忆能力绝非肉身所能比，毕竟计算机超强的棋力也是来自对人类棋谱的研习，所以，输给计算机不丢人，那不过是输给了更强大的我们自己而已。但是面对AlphaGo Zero，柯洁说：“一个纯净、纯粹自我学习的AlphaGo是最强的。对于AlphaGo的自我进步来讲，人类是多余的。”
柯洁的微博
没错，人类历经数千年积累下来的所有棋理、定势和手筋，其实不过是基于人类对围棋的有限认知，正如地心说是基于人类对宇宙的有限认知。对于AlphaGo Zero来说，这些积累下来的棋理、定势和手筋，确实是多余的，甚至是错误百出的、完全误导的。抛开人类的所有经验和谬误，不受人类影响，回到围棋本身，从零开始自我进化，才有可能逼近围棋真理。
但是，人类又不完全是多余的，至少人类设计出了围棋这个精妙的游戏，即使这个游戏计算机比人类玩得更好。AlphaGo Zero不需要人类的经验和知识，但需要确切了解围棋的游戏规则，比如死活的界定、打劫的规矩、胜负的判断，等等。就像通过禁区、越位、任意球和点球等规则的设计，人类界定了足球这种游戏的边界和内涵。AlphaGo Zero是辆无人驾驶汽车，但它行驶在人建造的道路上，遵守红灯停绿灯行的人类交通规则。
无师自通的AlphaGo Zero，对围棋之外的世界是否也能无师自通？难。外部世界有多少类似围棋这样的有着清晰的边界、清晰的规则，并且所有步骤全都摆在明面上的领域？
一段时间以来，大数据与人工智能的结合，被认为是令信息技术如虎添翼的关键一步。人工智能近些年得到高度关注，全因为互联网经过二十多年的发展，已经积累并且还在每天不断产生有价值的海量数据，人工智能和大数据的结合，让两者都发生了核聚变，因此，得数据者得天下。像阿里巴巴、腾讯这样的掌握海量数据的公司，大有挟数据以令诸侯的豪气和霸气。这时AlphaGo Zero猛不丁跳出来说，数据根本不重要，算法才是王道，颇有点逆潮流而动的架势。
DeepMind创始人兼CEO哈萨比斯说：“AlphaGo就是新的哈勃望远镜。”这话不错，人类借助新的哈勃望远镜，来突破自身局限，重新认识世界。这等好事，求之不得。
马云说，AlphaGo羞辱了人类，剥夺了人类的乐趣，我并不这么看。如果你有个小孩，五六岁了，我建议你送他（她）去学围棋，比围棋还好的思维训练、认知训练和情操陶冶的游戏，说实话真的不多。