12月18日，國際數(shù)據(jù)公司(IDC)與英偉達聯(lián)合發(fā)布了《專業(yè)化醫(yī)療人工智能平臺驅(qū)動醫(yī)療AI從實驗到實踐》白皮書，分析了目前醫(yī)療人工智能的發(fā)展現(xiàn)狀及未來趨勢。
在IDC的一項針對醫(yī)院使用醫(yī)療影像人工智能輔助診斷的調(diào)查中，受調(diào)查的36家醫(yī)院中對于使用效果總體上滿意的比率達到 100%。在醫(yī)療影像人工智能系統(tǒng)為診療工作所帶來的價值方面，提高診療工作效率、提升診療水平和提高診斷準確率是該系統(tǒng)帶來的主要價值。
過去兩年，醫(yī)療人工智能取得了突破性發(fā)展，逐漸被醫(yī)院和醫(yī)生所接受。醫(yī)療影像人工智能發(fā)展尤其快速，廣泛應(yīng)用到肺、心臟、腦、眼科、皮膚等多器官的多種疾病診斷中。
醫(yī)療人工智能系統(tǒng)的開發(fā)和運行，需要建立醫(yī)療大數(shù)據(jù)系統(tǒng)、開發(fā)人工智能算法和模型、建立專業(yè)的人工智能平臺。這三項工作的要點如下:
建立起來能夠處理和集成多數(shù)據(jù)源、多種格式的大數(shù)據(jù)系統(tǒng)：在醫(yī)療影像人工智能系統(tǒng)中能夠處理多種醫(yī)療設(shè)備例如 CT、MR、X光、超聲等輸出的影像數(shù)據(jù)，進行專業(yè)的數(shù)據(jù)標記， 以及進行大量運算。
建立專業(yè)的深度學(xué)習(xí)模型，可以選擇專業(yè)的開源模型也可以自己開發(fā)建立模型。模型在深度學(xué)習(xí)訓(xùn)練和人工智能系統(tǒng)運行中需要不斷地升級改進，從而保障模型的精準性和可靠性。
建立專業(yè)的人工智能算法平臺，包括硬件平臺的搭建和計算系統(tǒng)的建立。整體的平臺也可以采用專業(yè)性一體化的平臺式，即打包集成芯片、服務(wù)器、計算系統(tǒng)、算法模型軟件以及人工智能應(yīng)用系統(tǒng)和云服務(wù)的一體化平臺。
先從醫(yī)療影像人工智能系統(tǒng)的開發(fā)和應(yīng)用開始，在此基礎(chǔ)上，進一步集成更多類型的數(shù)據(jù)例如病歷數(shù)據(jù)、檢驗檢查數(shù)據(jù)、患者日常健康監(jiān)測數(shù)據(jù)等，從而構(gòu)建更加豐富和全面的醫(yī)療大數(shù)據(jù)，為開發(fā)更豐富的人工智能系統(tǒng)打好基礎(chǔ)。
在未來醫(yī)療大融合的背景下，搭建的平臺應(yīng)具有弱耦合、強兼容的特性，滿足人工智能系統(tǒng)與醫(yī)療設(shè)備以及醫(yī)院信息系統(tǒng)之間的兼容和集成需求，提升醫(yī)療人工智能系統(tǒng)的性能。
在醫(yī)院建立專業(yè)性醫(yī)療人工智能平臺的基礎(chǔ)上，與醫(yī)院的臨床科室密切合作，選擇適合的疾病種類進行其診斷和治療系統(tǒng)的開發(fā)，從而提高診斷和治療的效果。
醫(yī)療人工智能發(fā)展現(xiàn)狀
根據(jù)《IDC FutureScape：全球醫(yī)療行業(yè) 2018 預(yù)測》，到2021年，通過采用認知技術(shù)和人工智能技術(shù)， 20%的醫(yī)療機構(gòu)和40%的生命科學(xué)組織將獲得15%到20%的生產(chǎn)力增長。
中國的醫(yī)院在采用人工智能技術(shù)方面正在加快步伐，虛擬醫(yī)生、輔助診斷和輔助治療等人工智能系統(tǒng)都在快速發(fā)展，IBM Watson 已經(jīng)在數(shù)十家醫(yī)院使用，而醫(yī)療影像人工智能領(lǐng)域則呈現(xiàn)出雨后春筍般的爆發(fā)式發(fā)展態(tài)勢。
目前，醫(yī)療人工智能的應(yīng)用大多處于實驗階段，一些醫(yī)院使用人工智能技術(shù)做診斷和治療的輔助工作。就各類醫(yī)療人工智能系統(tǒng)在診療工作中的作用而言，醫(yī)療影像人工智能系統(tǒng)在輔助診斷方面所發(fā)揮的作用最大，也是未來一些年中最有發(fā)展?jié)摿Φ南到y(tǒng)。
醫(yī)療人工智能市場成熟度，圖表來自IDC白皮書
在IDC的一項針對醫(yī)院使用醫(yī)療影像人工智能輔助診斷的調(diào)查中，受調(diào)查的36家醫(yī)院中對于使用效果總體上滿意的比率達到 100%。在醫(yī)療影像人工智能系統(tǒng)為診療工作所帶來的價值方面，提高診療工作效率、提升診療水平和提高診斷準確率是該系統(tǒng)帶來的主要價值。
醫(yī)學(xué)影像人工智能為診療帶來的價值，Q.請問醫(yī)學(xué)影像人工智能在如下那些方面為診療工作提供了價值?(Top 3,n=36)，圖表來自IDC白皮書
根據(jù)IDC的調(diào)查訪談，放射科醫(yī)生對于醫(yī)療影像人工智能系統(tǒng)在疾病輔助診斷中的作用感受尤為深刻，基于醫(yī)療影像做出疾病診斷和輔助治療越來越成為診療工作中的必要手段。
醫(yī)療影像人工智能系統(tǒng)在實踐應(yīng)用中，可以幫助醫(yī)生做疾病篩查工作，例如最常見的做肺結(jié)節(jié)篩查、乳腺鉬靶篩查等，通過篩查可以大大降低放射醫(yī)生的工作量。在安裝有影像人工智能輔助系統(tǒng)的醫(yī)院中，放射醫(yī)生醫(yī)生普遍反映系統(tǒng)提高了工作效率，提高了診斷準確性，進而使該醫(yī)院在特定疾病治療中的治療水平得到提升。
醫(yī)療人工智能落地醫(yī)院的使用狀況
截至2018年上半年，美國食品藥品監(jiān)督管理局(FDA) 已經(jīng)批準人工智能相關(guān)產(chǎn)品9項，包括自動監(jiān)測預(yù)警類產(chǎn)品和輔助診斷類產(chǎn)品，許多醫(yī)院已經(jīng)應(yīng)用了這些產(chǎn)品。日本的醫(yī)院開始實驗和試用人工智能系統(tǒng)，尤其是在影像輔助診斷領(lǐng)域，從而提高日本的醫(yī)療服務(wù)的供應(yīng)能力。
中國已有近千家醫(yī)院部署了人工智能系統(tǒng)，其中超過一半的醫(yī)院部署了醫(yī)療影像人工智能系統(tǒng)。
目前中國有超過100家醫(yī)療人工智能公司，其中約有40 家企業(yè)屬于醫(yī)療影像AI公司。一些人工智能系統(tǒng)部署在醫(yī)院內(nèi)部，直接為臨床科室提供輔助支持。
醫(yī)療人工智能系統(tǒng)經(jīng)過初步發(fā)展和使用之后已經(jīng) 獲得了醫(yī)生的廣泛認可，在IDC的一項針對醫(yī)院使用醫(yī)療影像人工智能輔助診斷的調(diào)查中，已經(jīng)部署醫(yī)療影像AI系統(tǒng)的醫(yī)院中，對于使用效果總體上滿意的比率達到100%;而在被調(diào)查的還沒有部署人工智能系統(tǒng)的24家醫(yī)院中，超過35.3%的受訪醫(yī)院計劃在未來一年內(nèi)布署人工智能。
目前中國的醫(yī)療影像人工智能系統(tǒng)可用于支持多個領(lǐng)域的疾病診斷，以肺結(jié)節(jié)和肺癌診斷最為常用，腹部腫瘤、心臟疾病、腦疾病、眼科疾病、皮膚病等輔助診斷都在快速發(fā)展。
目前中國藥品監(jiān)督局(CFDA)正在制定有關(guān)醫(yī)療人工智能系統(tǒng)作為專業(yè)醫(yī)療器械的認證規(guī)范和條 例，目前只有少數(shù)幾個產(chǎn)品獲得了CFDA認證。即便已經(jīng)獲得了認證，人工智能系統(tǒng)在應(yīng)用中也需要與其他的醫(yī)療設(shè)備協(xié)作，共同提供診斷依據(jù)，而不能單獨進行診斷。
預(yù)計在2018年年底，中國藥品監(jiān)督管理部門將會出臺相關(guān)標準和規(guī)范，用來明確人工智能系統(tǒng)的評估和認證。而當人工智能系統(tǒng)獲得了CFDA認證之后，就會進入下一個快速發(fā)展階段。
圖表來自IDC白皮書
醫(yī)療人工智能生態(tài)體系逐步形成
圖像識別、神經(jīng)網(wǎng)絡(luò)等技術(shù)逐漸成熟，讓人工智能技術(shù)在醫(yī)療行業(yè)中擁有比較廣泛的場景，輔助醫(yī)療影像診斷和臨床診斷領(lǐng)域中有新興的創(chuàng)業(yè)公司如推想科技，視見科技，匯醫(yī)慧影等，有方案提供商如東軟集團，東華軟件等，有系統(tǒng)集成商如中科曙光，浪潮等，也有提供基礎(chǔ)設(shè)施的AI芯片廠商如英偉達，智能診斷設(shè)備如三星等，這些公司初步構(gòu)成了中國輔助影像診斷行業(yè)的生態(tài)體系。
圖表來自IDC
芯片廠商
輔助影像診斷的關(guān)鍵是使用深度學(xué)習(xí)識別并提取影像中的特征點，基于大量影像數(shù)據(jù)進行模型訓(xùn)練。使用圖形處理器(GPU)作為加速方案可以大幅提高圖像分類的效率，在卷積神經(jīng)網(wǎng)絡(luò)框架(Caffe)下，一塊GPU可以在一天之內(nèi)進行幾千萬次的影像運算。
技術(shù)提供商
目前中國人工智能創(chuàng)業(yè)公司的業(yè)務(wù)主要面向應(yīng)用層，這主要是因為應(yīng)用層產(chǎn)品變現(xiàn)能力較強，人工智能的引入有助于平衡我國醫(yī)療水平不均衡的現(xiàn)狀。業(yè)務(wù)場景也多集中在病灶篩選和語音電子病歷等方面，這得益于圖像和語音識別技術(shù)比較成熟; 而基因測序，藥物研發(fā)等方面的公司并不多，這主要是因為目前人工智能還處于弱人工智能，數(shù)據(jù)質(zhì)量、模型算法還有待進一步優(yōu)化。
目前輔助醫(yī)療影像診斷目前研究較多的領(lǐng)域是肺結(jié)節(jié)和肺癌等領(lǐng)域的。
解決方案供應(yīng)商
目前人工智能在醫(yī)療行業(yè)中的應(yīng)用一部分以嵌入式系統(tǒng)應(yīng)用于醫(yī)療儀器端，即在醫(yī)療設(shè)備端使用人工智能技術(shù)，優(yōu)化設(shè)備性能。
例如通過動作捕捉技術(shù)判斷患者康復(fù)情況，提供可視化的數(shù)據(jù)影像展示，為醫(yī)生制定康復(fù)計劃提供有力數(shù)據(jù)支持;另一部分以數(shù)據(jù)中心里的影像數(shù)據(jù)、病歷等為基礎(chǔ)，在輔助影像診斷、輔助臨床決策等領(lǐng)域發(fā)力。
醫(yī)療數(shù)據(jù)提供方
深度學(xué)習(xí)特別適合大量數(shù)據(jù)的應(yīng)用，例如常規(guī)檢查產(chǎn)生的大量數(shù)據(jù)。提高診斷效率和準確度的能力對于疾病的早期診斷和治療至關(guān)重要。對于因為醫(yī)生短缺導(dǎo)致評估影像和病理切片需要耽擱很長時間的地區(qū)，可以派上很大的用處。
作為醫(yī)療影像提供方的基層醫(yī)院、專科醫(yī)生、省級醫(yī)院和新興的獨立影像中心對人工智能輔助影像診斷系統(tǒng)有迫切的需求。
醫(yī)療人工智能平臺建設(shè)
醫(yī)療人工智能平臺包括數(shù)據(jù)資源層、人工智能平臺和醫(yī)療應(yīng)用層。數(shù)據(jù)資源層提供基礎(chǔ)數(shù)據(jù)，通過采集各個科室的醫(yī)療影像數(shù)據(jù)，病歷數(shù)據(jù)等，打通業(yè)務(wù)系統(tǒng)間的數(shù)據(jù)壁壘，為人工智能平臺提供數(shù)據(jù)基礎(chǔ)。
人工智能平臺由計算能力、開源框架、算法和技術(shù)構(gòu)成。計算能力為人工智能平臺的運算速度提供保障，以肺結(jié)節(jié)醫(yī)療影像數(shù)據(jù)為例，每位患者平均擁有20-30張片子，在自動識別肺結(jié)節(jié)時常用的計算機視覺模型如殘差神經(jīng)網(wǎng)絡(luò)，它可以使數(shù)十層甚至上百層的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練成為可能。
除了計算能力外，開源框架和算法的選擇也同樣占有重要地位，例如選擇工程化能力較強的 TensorFlow或在圖像方面表現(xiàn)良好的Caffe等開源框架，選擇在圖像識別方面常用的卷積神經(jīng)網(wǎng)絡(luò)(CNN)，循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)算法模型等，這些開源框架和算法的選擇影響著醫(yī)療人工智能應(yīng)用效果的呈現(xiàn)。
圖表來自IDC白皮書
平臺模式一：建設(shè)獨立的醫(yī)療人工智能平臺
醫(yī)院利用大量醫(yī)療數(shù)據(jù)建設(shè)獨立于業(yè)務(wù)系統(tǒng)的人工智能醫(yī)療平臺，將分散在各個業(yè)務(wù)系統(tǒng)中的多源異構(gòu)數(shù)據(jù)進行整合，利用自然語言處理技術(shù)將臨床描述信息轉(zhuǎn)化為結(jié)構(gòu)化語言，生成醫(yī)療知識圖譜，把寶貴的醫(yī)學(xué)知識和治療經(jīng)驗保留并快速復(fù)制到醫(yī)療資源不足的地方。
獨立醫(yī)療平臺的建設(shè)周期較長，涉及對接的業(yè)務(wù)系統(tǒng)較多，在建設(shè)過程中面臨更多的挑戰(zhàn)。
為了獲得效果較好的算法模型，通常需要對醫(yī)療數(shù)據(jù)進行標注。即便是采用非監(jiān)督學(xué)習(xí)或半監(jiān)督學(xué)習(xí)，在早期也同樣需要輸入標注好的醫(yī)療數(shù)據(jù)進行模型訓(xùn)練。數(shù)據(jù)標注工作耗費時間長，門檻高，對標注人員有很高的要求。
目前從事數(shù)據(jù)標注工作的人員以經(jīng)驗豐富的專業(yè)醫(yī)生為主，而且整個過程都是以手動標注完成。
同時，醫(yī)療系統(tǒng)IT廠商的協(xié)同合作意識有待進一步提高。數(shù)據(jù)作為醫(yī)療發(fā)展的“血液”，需要在各個系統(tǒng)間自 由的流轉(zhuǎn)，打通醫(yī)院各個業(yè)務(wù)系統(tǒng)間的壁壘是醫(yī)療人工智能系統(tǒng)發(fā)展的關(guān)鍵。
平臺模式二：建設(shè)嵌入式醫(yī)療人工智能平臺
醫(yī)院原有信息化系統(tǒng)作為支撐醫(yī)院正常運行的業(yè)務(wù)系統(tǒng)，結(jié)構(gòu)復(fù)雜，改造成本巨大，市場上新興的人工智能醫(yī)療診斷系統(tǒng)很難代替原有業(yè)務(wù)系統(tǒng)。多數(shù)情況下人工智能系統(tǒng)提供服務(wù)接口，對接到原有業(yè)務(wù)系統(tǒng)中，將人工智能技術(shù)與原有業(yè)務(wù)系統(tǒng)有機結(jié)合。
以醫(yī)療影像為例，疑似病灶的結(jié)果輸出不需要醫(yī)生打開另一個系統(tǒng)，而是在原有的影像歸檔和通信系統(tǒng)(PACS)中提示疑似病灶的信息。這種內(nèi)嵌式的人工智能模塊可以降低系統(tǒng)開發(fā)成本，更重要的是這一模式不改變醫(yī)生原有的診斷流程，操作習(xí)慣，可以降低醫(yī)護人員的學(xué)習(xí)成本。不改變既定模式的人工智能系統(tǒng)更容易被醫(yī)院方接受，系統(tǒng)的使用率較高。
采用嵌入式人工智能平臺不依賴原有系統(tǒng)的數(shù)據(jù)。在數(shù)據(jù)的重要性日益凸顯的現(xiàn)在， 無需開放原有系統(tǒng)的數(shù)據(jù)庫，既可以確保原有醫(yī)療系統(tǒng)的數(shù)據(jù)安全，又可以增加各廠 商間配合力度，有利于人工智能技術(shù)在醫(yī)療行業(yè)中的推廣。
模式對比：獨立搭建醫(yī)療人工智能平臺與嵌入式醫(yī)療人工智能平臺
醫(yī)療人工智能平臺的發(fā)展很大程度上依賴于醫(yī)院原有信息化程度。
人工智能發(fā)展的基礎(chǔ)是數(shù)據(jù)，醫(yī)院方需要大量的歷史數(shù)據(jù)支撐醫(yī)院醫(yī)生的科研工作、病歷分析、治療方案制定等方面的工作。醫(yī)療系統(tǒng)IT廠商的協(xié)同合作意愿影響著人工智能技術(shù)在醫(yī)療機構(gòu)中 的應(yīng)用情況。數(shù)據(jù)作為醫(yī)療發(fā)展的“血液”，需要在各個系統(tǒng)間自由的流轉(zhuǎn)，打通醫(yī)院各個業(yè)務(wù)系統(tǒng)間的壁壘是醫(yī)療人工智能系統(tǒng)發(fā)展的關(guān)鍵。
同時，產(chǎn)品的設(shè)計需要符合醫(yī)生日常的操作習(xí)慣和診斷流程。以超聲檢測是醫(yī)生在操作的過程中看到實時影像時就做出診斷，這要求人工智能技術(shù)支持實時診斷，對計算能力有了更高的需求。如果按照傳統(tǒng)的先采集后識別，有違醫(yī)生的操作習(xí)慣和診斷流程。因此人工智能技術(shù)在醫(yī)療行業(yè)的發(fā)展不僅依賴技術(shù)的發(fā)展，也需要對行業(yè)理解深入的人才。
醫(yī)療領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)提出了更高的要求。醫(yī)學(xué)是一個系統(tǒng)且完整的體系，當前人工智能公司在醫(yī)療領(lǐng)域的研究很多都集中在單一病種的識別，這對學(xué)術(shù)研究是具有價值的，但單獨研究單一疾病的人工智能輔助診斷對實際臨床工作意義不大。
醫(yī)療機構(gòu)表示，單一病種的識別對他們的吸引力有限。人工智能技術(shù)需要滿足臨床的基本應(yīng)用，支持某一器官絕大多數(shù)疾病的識別或支持某一系列疾病的識別時，才有可能產(chǎn)生商業(yè)價值，從而進一 步推動相關(guān)的研究，產(chǎn)生持續(xù)的經(jīng)濟效益。
圖表來自IDC白皮書
三大關(guān)鍵要素
醫(yī)療人工智能系統(tǒng)的建立和應(yīng)用中需要處理好如下三個關(guān)鍵要素，克服處理三個要素中面臨的挑戰(zhàn)，才能取得成功。三個要素如下:
數(shù)據(jù)，即用于機器學(xué)習(xí)從而建立智能的數(shù)據(jù)，包括病歷的各類數(shù)據(jù)、醫(yī)療影像數(shù)據(jù)等。
機器學(xué)習(xí)/ 深度學(xué)習(xí)算法模型，是構(gòu)建自動化輔助診斷的關(guān)鍵技術(shù)。
人工智能平臺，即用來支撐機器學(xué)習(xí)訓(xùn)練和系統(tǒng)運行的平臺。
數(shù)據(jù)
醫(yī)療大數(shù)據(jù)主要包括醫(yī)學(xué)教科書、病歷尤其是針對某類疾病的病歷、數(shù)字化醫(yī)療影像、學(xué)術(shù)論文等。對于醫(yī)療影像人工智能系統(tǒng)來說，則是需要數(shù)字化影像數(shù)據(jù)，包括CT、MRI、超聲、病理等影像數(shù)據(jù)，作為機器學(xué)習(xí)的原料。因為病歷數(shù)據(jù)、數(shù)字化醫(yī)療影像數(shù)據(jù)等屬于醫(yī)院的知識財 產(chǎn)，所以人工智能系統(tǒng)的知識產(chǎn)權(quán)歸屬原則和管理方法，需要在實踐中不斷探索。
醫(yī)療數(shù)據(jù)種類繁多，來源廣泛，數(shù)據(jù)格式千差萬別。 所以，快速處理數(shù)據(jù)的收集、集成和加工用以保障人工智能模型的訓(xùn)練和學(xué)習(xí)，這是開發(fā)人工智能系統(tǒng)需要克服的基本挑戰(zhàn)。
目前影像人工智能輔助診斷系統(tǒng)在醫(yī)院落地使用的時候，通常需要利用該醫(yī)院的影像數(shù)據(jù)重新學(xué) 習(xí)，以及需要挑戰(zhàn)模型參數(shù)，才能適應(yīng)醫(yī)院的需求。這是因為在影像數(shù)據(jù)這一關(guān)鍵因素中，目前各家醫(yī)院之間因為在影像生成中采用的標準不一致。
例如關(guān)于顯影劑的服用量標準、設(shè)備參數(shù)設(shè)置不一致造成影像灰度的差別等，造成各個醫(yī)院之間針對同一個患者的影像數(shù)據(jù)不同，用來支持機器學(xué)習(xí)的時候，其模型參數(shù)也會不同。為了能夠加大人工智能系統(tǒng)的適用性，需要在開發(fā)人工智能系統(tǒng)的時候能夠快速集成多方來源的數(shù)據(jù)，從而訓(xùn)練出更加精準、適用性更廣的人工智能系統(tǒng)。
深度學(xué)習(xí)算法模型
除了處理數(shù)據(jù)之外，選用或開發(fā)深度學(xué)習(xí)的模型算法也是發(fā)展過程中的一大挑戰(zhàn)。目前深度學(xué)習(xí)的算法很多，但是這些算法很難直接應(yīng)用，而是需要做 一定的改進開發(fā)，然后應(yīng)用到數(shù)據(jù)訓(xùn)練中，并在訓(xùn)練中不斷的改進和完善，才能使算法模型越來越精確。所以，選擇合適的算法或者開發(fā)算法、以及建立算法調(diào)整和改進的平臺系統(tǒng)，這是人工智能系統(tǒng)成功的要素之一。
未來五年中AI系統(tǒng)會成為醫(yī)院的標配系統(tǒng)。醫(yī)療人工智能系統(tǒng)在未來發(fā)展中，將逐漸從目前以技術(shù)推動為主轉(zhuǎn)變?yōu)榕R床需求拉動為主，從當前起步階段的支持臨床診斷而逐步轉(zhuǎn)變?yōu)橹С峙R床治療，到逐漸支持手術(shù)規(guī)劃、治療方案制定等工作中。
由于醫(yī)療人工智能系統(tǒng)具有非常強的專業(yè)性，需要開發(fā)者搭建好人工智能開發(fā)平臺，并很好地集成和使用醫(yī)院的醫(yī)療數(shù)據(jù)進行深度學(xué)習(xí)，然后在醫(yī)院里建立人工系統(tǒng)的運行平臺，支持臨床科室的日常使用。建立醫(yī)療人工智能系統(tǒng)是一個系統(tǒng)工程，建議人工智能系統(tǒng)的開發(fā)者堅持一定的工作原則方法，從而加快開發(fā)速度并提高人工智能系統(tǒng)的精確性和可靠性。
人工智能平臺的計算能力
構(gòu)建一個算力強大的計算平臺是人工智能開發(fā)成 功的根本要素之一。因為深度學(xué)習(xí)中需要非常巨大數(shù)量的數(shù)據(jù)輸入給訓(xùn)練模型，訓(xùn)練模型則需要進行巨大規(guī)模的運算來訓(xùn)練模型使其具有智能，所以人工智能平臺的計算能力(算力)是其成功的一個關(guān)鍵要素。
目前，人工智能計算平臺主要使用GPU芯片，醫(yī)學(xué)影像人工智能系統(tǒng)更是依賴于GPU來進行訓(xùn)練和學(xué)習(xí)。也有一些AI系統(tǒng)使用CPU、FPGA、高性能處理器(TPU)等芯片。
目前各大服務(wù)器廠商也都開發(fā)了用于機器學(xué)習(xí)和運行人工智能系統(tǒng)的服務(wù)器，例如戴爾、新華三、聯(lián)想、浪潮等服務(wù)器廠商。NVIDIA推出了計算平臺Clara，打包集成了NVIDIAGPU的計算能力，為深度學(xué)習(xí)和人工系統(tǒng)運行提供支持。
人工智能平臺的計算系統(tǒng)目前大多使用開源系統(tǒng)， 在開源系統(tǒng)上做出定制化開發(fā)以滿足自己產(chǎn)品的需要。目前使用的主流開源系統(tǒng)有TensorFlow，分布式機器學(xué)習(xí)工具包(DMTK)，Caffe等。
京公網(wǎng)安備 11010502049343號