孫 康

（浙江大學臨床醫(yī)學，浙江 杭州 310000）

醫(yī)學人工智能之邏輯問題

孫 康

（浙江大學臨床醫(yī)學，浙江 杭州 310000）

本文將從人工智能的三大學派出發(fā)，結合數據信息知識智慧線性過程，嘗試統(tǒng)一這三大學派并且分析醫(yī)學人工智能在未來能否實現。

醫(yī)學人工智能；人工智能；智慧；邏輯

1 問題思考的緣由

智能即智與能，也就是智慧和能力。人工智能這門嶄新的技術科學旨在對人類只能的理論及方法進行模擬，以延伸人類智能擴展人的智能而醫(yī)學人工智能沒有準確的定義，從它的英文Artificial Intelligent in medicine（而非Medical Artificial Intelligent），我感覺醫(yī)學人工智能這一學科更像是一種人工智能技術在醫(yī)學上的輔助應用，而非獨立在醫(yī)學領域達到智能的一種嘗試，醫(yī)學人工智能在未來能否獨立達到智能呢？

當前人工智能處于“邏輯主義”“聯結主義”“行為主義”三大學說三足鼎立的階段，各自學說進行輔助的人工智能嘗試。但是統(tǒng)一是人們一直追求的目標。本文嘗試用DIKW理論將三大學說聯系起來，并且論證醫(yī)學人工智能的邏輯問題和是否能獨立達到智能（強人工智能）這個問題。

2 DIKW模型

人如何獲得智慧，一直是一個難以解決的哲學問題（甚至蘇格拉底說真正的智慧是認識到自己的無知），人類的智慧積累可以從經驗開始，對于人工智能來說，原始素材的積累并不一定要基于數據，可以基于傳感器的感知。但是在基于電子病歷和醫(yī)學書籍的醫(yī)學人工智能系統(tǒng)，原始素材需要從數據開始。在大數據時代，醫(yī)學人工智能的發(fā)展有了可能。從數據到智慧需要解決：從醫(yī)學數據到醫(yī)學信息需要解決如何轉化這一問題；從醫(yī)學信息到醫(yī)學知識需要解決如何判斷這一問題；從醫(yī)學知識到醫(yī)學人工智能智慧需要解決如何適應（我認為是智能機器如何適應人類，以及如何適應未來的疾病和醫(yī)學發(fā)展）。

3 如何達到智能

3.1 迷信大數據的失敗------大數據的類比模擬

大數據實質是一種挖掘式查詢，通過對數據的搜索和解析尋求答案。一般做法為將某個疾病提煉為某些特定病癥，對案例數據進行搜索類比和修正獲得解法。

然而這做法本質是通過分析病例以及分析記錄病例者的思維方式，為某待診斷的病征劃定多個假設的解，步步逼近從而縮小問題的范圍。這就出現一個問題，原有病例是一個自發(fā)過程，現在實際病人患病又是一個自發(fā)過程，大數據的類比模擬成了擬合那兩個自發(fā)過程

哲學問題：生命的不可逆性和不可重復性，醫(yī)學判斷永遠不是生命事實的本身，只能參考。

所以簡單的大數據類比模擬式無法達到人工智能的。

3.2 符號主義與概率論（數據到信息）

3.2.1 西蒙和紐維爾基于物理符號系統(tǒng)的假設，提出了符號主義。

符號主義認為：物理符號可以作為人認知和思維過程的基本單元，而符號是可以運算的，認知過程可類比為符號表示程一種運算。符號主義認為既然人與計算機都可以認為是一種符號系統(tǒng)，我們就能夠用計算機來模擬人的智能行為,這便可以用計算機操作符號來對人的認知過程進行模擬。這種思路和人左腦的邏輯思維（抽象）類似，人的認知系統(tǒng)機理的研究，人認知過程符號的描述，輸入計算機的符號的處理，便是模仿人認知過程的途徑，人工智能實現的方法，簡而言之便是IBM所提出的認知即計算

3.2.2 不確定性問題的解決

由于數據到信息的過程基于歸納，而培根的概率論（從經驗到定理到公理）需要基于確定性的模型，從而常識以及不確知的知識表示存在邏輯問題。

貝葉斯概率是解決這一邏輯問題的方法，它將概率解釋為對一個不確定的命題信任程度的概念。設有一事件S：1代表發(fā)生，-1代表不發(fā)生，0代表一無所知，以此建立醫(yī)學診斷數學模型構架。

一個不確定的常識轉化為置信度問題，對于復雜的醫(yī)學診斷，還需要將一個個常識信息聯系起來，人們通過貝葉斯概率和條件概率找到了從常識信息到診療知識的橋梁。

3.3 從條件概率到聯結主義（信息到知識）

3.3.1 條件概率

設有事件A與事件B，P（A|B）記為事件A在B事件發(fā)生下的概率。若只有兩個事件A，B，那么，設若有完備事件組B1,B2,B3,...Bn-1， Bn，對于事件A則有

3.3.2 聯結主義

聯結主義從認知科學神經學心理學等現代科學成果出發(fā)，把人類智能解釋為人腦高層網絡的活動，它通過神經網絡和網絡間的連接進行智能的模擬。

3.3.3 由此20世紀80年代提出人工神經網絡（ANN），它由神經元結構模型、網絡連接模型、網絡學習算法等要素組成

人工神經網絡是一種具有大量連接的并行分布式處理器,具有通過學習獲取知識并解決問題的能力。人工神經網絡與基于符號主義的處理離散符號的計算系統(tǒng)不同,描述認知和智力活動的單元已經不是離散符號了,而是亞符號的數值變量。聯結主義者工作的目標也從用符號模擬大腦轉變成用大規(guī)模并行計算建構大腦。

3.3.4 聯結主義在醫(yī)學人工智能的應用

例如“辯證論治”，這是中醫(yī)學診療的方法，這里的“證”市一中帶有模糊與不確定的主觀論證，一個診斷及的科學與否和醫(yī)師的臨床經驗多少及水平高下密切相關。中醫(yī)的“證”需要整理前人書籍、進行實驗研究、觀察臨床病征、整理病例與總結經驗。人工神經網絡可部分替代“證”，把某些典型癥狀作為基本樣本，結合智能神經網絡模型，能根據這些樣本（累死中醫(yī)醫(yī)師的經驗）分析提出診斷。

這與醫(yī)生正常并行式醫(yī)療思路邏輯相仿：診斷時比如會問你是否發(fā)燒（醫(yī)生的可能性分析，ANN作為一個網絡節(jié)點賦予各種疾病的數值變量），繼續(xù)問你是否腹瀉（作為另一個數值變量），在獲得一定的信息后拋棄某些與該疾病無關的問題，在更有可能的疾病上進一步提出病癥的問題。神經元結構模型與網絡學習算法幫助醫(yī)學人工智能更好地解決如何判斷這一問題。

3.4 行為主義（知識到智慧）

3.4.1 人工智能應模仿自然智能的進化過程

行為主義者認為人的智能在于感知與行動，因此他們認為行為智能模擬方法在于適應環(huán)境而不是像符號主義的表示連接主義那樣推理。認知主體在感知后，產生學習、適應等行動的相應。布魯克斯對傳統(tǒng)人工智能提出批判否定,認為智能行為無需符號表示經驗知識積累無需邏輯推理。他認為自然界中的智能生命都是由進化產生,那么人工智能應模仿自然智能的進化過程，任何表達都無法真實地反應客觀世界，所以不應用符號、符號串、符號運算、符號邏輯表達智能，智能只能存在于與環(huán)境的交互作用之中

3.4.2 機器也可以以適應周圍環(huán)境

1948年維納在《控制論》中指出：“控制論是在自控理論、統(tǒng)計信息論和生物學的基礎上發(fā)展起來的,機器的自適應、自組織、自學習功能是由系統(tǒng)的輸入輸出反饋行為決定的”?？刂普摓樾袨橹髁x提出提供理論基礎。

這樣一來，機器也可以以適應周圍環(huán)境，也可以受激于環(huán)境進行學習進行對環(huán)境的判斷，新的機器可以基于此從另一個方面逐步達到人工智能，只是我們對于如何控制醫(yī)學機器達到這一高度尚未清楚地了解。

4 結 論

可是，人是如何適應社會的？哲學至今沒有得出結論，主觀結果還是客觀結果，是否是目的論的產物？

人類是如何獲得知識的認識世界的？各種知識論認識論并未得出一致結果。

心理學和社會學生命科學的研究也未取得突破，真正要達到人工智能并非在計算機科學技術和理論上進步就能達到的。

在三大主義的提出中，人們對人工智能有了不斷深入的了解，我認為三大主義并不必然三足鼎立代表目前三種取得片面人工智能的方法。在科學的不斷發(fā)展中，我認為醫(yī)學人工智能的實現是一種邏輯到聯結到行為三種階段不斷前進的過程。雖然目前行為主義難以實現，從知識到智慧難以質的飛躍，如何適應沒有解決，現今人工智能最多處于能否正確判斷這一命題上，但是我認為遙遠的未來，人們在清楚了解人類智能后，必然能創(chuàng)造出人工智能，醫(yī)學人工智能不再是人工智能在醫(yī)學領域上的一種輔助運用，而成為真正適應人類社會和醫(yī)療發(fā)展的技術。

[1] 鄭小雪.基于模式挖掘及人工神經網絡的量化投資實證研究[D].浙江大學,2015.

[2] 晏家紅.面向語義物聯網的語義匹配算法設計與系統(tǒng)實現[D].大連海事大學,2016.

本文編輯：王雨辰

R311

B

ISSN.2095-8242.2017.02.1176.02