微信直播

当医生遇到阿法狗

Published at: 2015年第1卷第S1期

章仲恒
关键词:

在这乍暖还寒的时节里,一则新闻刷爆了朋友圈,那就是:谷歌开发的围棋智能程序(AlphaGo)战胜了韩国世界冠军李世石,至少也是个暂时领先,因为后面还有几局。该新闻之所以成为了火爆头条,根本原因在于其涉及了人工智能和人类智慧孰优孰劣的根本性命题。许多文化名人也参与了讨论,六神磊磊说:“最后的武士倒下了。”而冯唐则说:“把计算留给机器,我们去:焚香、试茶、洗砚、鼓琴、校书、侯月、听雨……”,如此说来一切有规律可循的事物都可以交给机器来做,人类可以退守自己的情感领域了。为什么要选择围棋呢,而不是飞行棋、斗兽棋,亦或是其它的人类智能活动?因为围棋代表了最为复杂的智能活动,棋盘内纵横各19条直线组成的361个交叉点产生了最为复杂的棋局规律。至少这比看病诊疗是复杂多了。20多年前的深蓝在国际象棋上战胜了人类,但其复杂程度与围棋相比仍然略逊一筹,因此今日阿法狗的胜利似乎更加具有颠覆性的意义。

回到医疗领域,作为医务工作者我们该如何看待人工智能这一重大的进步呢?首先我们要谈谈医生的作用,在中世纪以及更早时候,医生是由神职人员担任的,那是一个没有自然科学,也没有循证医学的混沌时代。医生起到的基本上是安慰作用,患了疾病只有到医院才能获得一丝安慰,看到一丝生的希望,有时候这点希望也有着神奇的治愈作用。文艺复兴以后,自然科学开始迅猛发展,同时也席卷了医疗领域,循证医学开始出现,即要求以科学的态度对待疾病。于是人类在诸如传染病方面取得了巨大成就,人类寿命大大延长。但之后人类的疾病谱发生了变化,肿瘤、心血管疾病成为了危害人们健康的主要疾病,虽然每天都有数以万计的论文发表,而且都号称“发现新的××发病机制,并为治疗提供新思路。”但这些就永远停留在了思路阶段,实质性的进展似乎没有。循证医学的范式似乎也有些江郎才尽,黔驴技穷 。这个曾经创造了巨大辉煌的医学巨人,现在也逐渐开始变得步履蹒跚。

接着历史进入了21世纪,计算机大数据开始兴起了,并在各个领域发挥出了巨大作用。大数据发掘中有一门学科叫机器学习,机器学习中有一个很有趣的方法叫神经网络模型,也正是这个神经网络模型打败了李世石。其基本思路就像一个人大脑的学习过程。首先是个初生的婴儿,对世界充满了好奇与无知,这时机器是傻瓜的。然后我们给机器输入些棋谱模型,机器会对输入信息作出反应,自然初始的时候这个反应基本上是错误的,于是它会把这个错误的结果跟正确结果进行比较,这之间存在一个误差,每次学习都会在一定程度上减少误差。就像一个在山林里迷路的探险者,只要他不断沿着地势低的地方走,总能最后找到水源。机器学习也是不断往误差小的方向走。当阿法狗学习了几十万、几百万的优秀棋谱后,它就成了绝世高手,但要称霸武林,还必须跟李世石交手几次,熟悉其套路规则,最后果然赢了,事实证明这个机器学习的算法还是非常有用的。这里面透露的一个重要信息就是:我们可以不熟悉具体的机制,比如李世石为什么这么出招?他可能会因为闻到边上美女的香水味而分心、可能因为想到了打完这盘棋可以回去见女儿而高兴得突发灵感。总之出一招有太多可能的影响因素,但机器学习并不在乎这个,它只关注结果,关注你出了什么招式,从而进行调整,这就是所谓的黑匣子模型。

这与医学诊疗有异曲同工之妙,诊疗过程我们最为关注的是患者的体验和实实在在的疗效,而其中千回百转的分子机制和病理生理学除了满足一下人们的好奇心之外也没有什么用处,至少我没有听说能从病理生理机制推断预测出疗效或转归的,我只听说过,牛顿能够通过公式推断出行星的位置。我斗胆推测世界上应该存在两种科学,一种是确定性的,一种是不确定性的。对于后一种,其中的缘由就在于事实上得出某种转归可能有一亿条通路在起作用,而我们知道的只有其中微不足道的几十条,这又何以能运筹帷幄而决胜千里呢?这种状态下黑匣子模型就有其用武之地了。当机器对同样的疾病做了几百万次的学习,我想其准确度应该不会亚于一个高年资主任医生的水平。因为我们几乎可以承认,我们诊断治疗的过程所耗费的智力远远没有李世石的棋局来得复杂。

那么医生是否就可以退出诊疗,把这个任务交给机器人呢?当然是否定的,科学的诊治疗效只是医生的一个很小的功能,医生更大的功能是给患者带来的安慰,当看到温文尔雅而富于经验的主任来到你的床边,拿着顶级的3M听诊器在为你仔细诊疗的时候,你会觉得心安,你会感觉治愈的希望。“有时去治愈,常常去帮助,总是去安慰。”——正如冯唐说言的那样,人类的情感世界是技术和知识无法企及的,就算失去了智能的领地,我们还可以“焚香、试茶、洗砚、鼓琴、校书、侯月、听雨……”。

doi:10.3978/kysj.2014.1.1715

comments powered by Disqus

附件