25全体大会和闭幕式.pptxVIP

全体大会

●1●

LSTM之父JürgenSchmidhuber：具有好奇心的人工智能是AI的美好愿景

整理：智源社区沈磊贤

在第二届北京智源大会全体大会中，LSTM之父JürgenSchmidhuber教授做了题为《AIagainstCovid-19》的报告。JürgenSchmidhuber教授是瑞士人工智能实验室（IDSIA）的研发主任，LSTM（长短期记忆网络）的提出者。在报告中Jürgen回顾了一系列基于LSTM的深度神经网络模型在病毒传播分析、药品设计、蛋白质折叠预测、医疗图像识别，以及语音识别、机器翻译等方面的应用，提出了其对AI未来的愿景：具有好奇心的人工智能，能够自我设定目标、自我学习、自我提升、实现目标。

Jürgen教授首先通过一张卡通漫画引入本次演讲的主题，这张漫画源于他创建的“AI-vs-Covid19”网站（）上，本次报告的绝大部分内容都将可以在该网站中找到。Jürgen教授本次演讲的主题是在covid-19病毒的背景下，基于深度神经网络和深度学习的人工智能是如何通过多种方式帮助对抗病毒，这其中的基本原理是神经网络可以从病、患者等各种数据中学习各种行为模式，然后使用这些神经网络来预测采取行动可能带来的后果，从而最大程度地减少损失。

图1：AI-vs-Covid19

一、人工智能在新冠疫情中的贡献

Jürgen教授介绍了一些人工智能应用的具体例子。首先是通过模式识别来跟踪人群。智能手机上的蓝牙P2P应用程序能够在一定程度上防止疫情中人与人之间危险的接触，这样的应用程序不需要太多的人工智能技术。相

●2●

比之下，更具挑战性且更难应用的是，在无人机或在街上拍摄的视频中识别人的面孔、步态及行人之间的接触。但得益于神经网络，这样的想法在今天能够成为现实。2011年，Jürgen教授的博士后DanClaudiuCiresan创建了第一个能够在模式识别竞赛中获胜的快速深层神经网络。大概十年前，在硅谷的一次竞赛中，计算机视觉领域首次出现了超过人类视觉的应用。现代计算机视觉的许多应用方面都是在这种方法基础之上进行的拓展。而如今在中国，计算机视觉技术已被广泛使用。

在2010年至2020年这10年间，计算机的运行计算速度飞速提升，很多历史久远的技术在短时间内获得了巨大的商业成功。实际上，如今非常流行的基本概念可以追溯到90年代初。但是那个年代的计算机运行速度比今天低了一百万倍，几乎没有科学家能借助计算机实现太多工作。而如今这一切已经发生了很大的变化。算力的发展使得复杂的神经网络可以大展身手，在今年抗击疫情的过程中，神经网络作为人工智能技术的核心，也被应用在诸多领域。

1.1疾病爆发预测

神经网络通过对历史数据的分析，可以预测疾病的爆发，建立预警系统。对此，近期还有一个与之相关的Kagglecovid-19预测挑战，对人类抗疫工作有一定的帮助。

1.2资源需求预测

对过去资源需求数据的学习之后，神经网络可以预测未来对有限资源的需求，例如预测呼吸机和医生资源需求，从而优化物流配送等流程。

1.3基因测序

神经网络还可以对病毒基因组进行测序，并且预测下一个相似的基因组将在何处出现，这是AI科学家们一直在做的事情。尽管病毒基因组一直在随机变异，但是这种方法可以追溯其来源。将这些数据输入系统，AI可以学会预测病毒基因组未来的发展。

1.4健康检测

神经网络的一个典型应用是监视患者的健康状况。例如，他们可以监视心跳频率，追踪生物信号，比如呼吸，咳嗽等，从而帮助医生做出更具针对性的诊断。

1.5医学图像分析

神经网络的另一个重要应用是医学图像分析，例如分析患者肺部或胸部的X射线图像，从而诊断出病理。由深度神经网络赢得的第一场医学影像竞赛可以追溯到2012年，这个比赛是关于癌症检测，比赛的赢家是Jürgen教授的博士后DanClaudiuCiresan及其团队。下图为一张女性乳房的切片照片，可以看到的是其中一些细胞是无害的，其他则是危险的。

●3●

图2：女性乳房的切片照片

通常情况下，需要训练有素的组织学家才能将好的细胞和坏的细胞区分开。但是在比赛中，AI科学家能够训练一个神经网络来模仿医生的诊断。如今，许多企业都在这样的领域中都采用了类似的想法。不仅是初创公司，还有西门子，谷歌和IBM等大公司。

1.6药物设计自动化

随着AI技术的不断发展，神经网络也被应用到药物设计流程的部分自动化。例如，神经网络可以帮助找