随着科技水平的不断提高, 越来越多的领域开始被机器替代. 机器不知疲倦, 有较高的工作效率, 只要输入规定的算法, 确保能正常执行, 基本上就可以万事大吉. 在我们的印象中, 那些平常分拣任务就可以交给机器人 http://www.zhanhuigang.com/zhuanti-10000036.html 帮我们完成, 可以解放我们的双手. 毕竟这些都比较简单, 但要是像是做手术这种工作, 你敢让机器人做么?
下次你去医院做手术时, 你的医生助手就有可能是一位机器人.
在谷歌大脑 (谷歌旗下的深度学习 http://www.zhanhuigang.com/zhuanti-10001030.html 与人工智能 http://www.zhanhuigang.com/zhuanti-10000001.html 的科研项目团队), 英特尔公司和加州 http://www.zhanhuigang.com/zhuanti-10000941.html 大学伯克利分校的一个合作项目中, 研究人员通过运用教学视频,"训练" 机器人模仿手术过程. 此前, 加州大学伯克利分校的教授们曾使用油管视频作为指导, 让机器人学会了各种动作 (如跳跃), 而谷歌则训练了机器人理解深度和动作.
研究小组将这一知识应用到了他们最新的项目 Motion2Vec 中, 在该项目中, 研究者用实际手术过程的视频对机器人进行指导, 在最近发布的一篇研究论文当中, 研究人员概述了他们如何使用油管视频来训练一台拥有两只手臂的达芬奇手术机器人 (达芬奇外科手术 http://www.zhanhuigang.com/zhuanti-10000772.html 系统是一种高级机器人平台, 其设计理念是通过使用微创的方法, 实施复杂的外科手术), 在布料设备上扎针并进行缝合.
该医疗 http://www.zhanhuigang.com/zhuanti-10000008.html 团队依靠的是孪生神经网络. 孪生神经网络是一种深度学习的结构, 内含两个或更多共享相同数据的网络. 该系统最适合用于比较和评估数据集之间的关系. 过去, 这样的网络层用于面部检测, 签名认证, 语言检测.
肯. 戈德伯格医师是加州大学伯克利分校的实验室负责人, 他解释说, 对于这个深度学习项目而言, 油管是丰富的教学材料来源."每分钟, 油管都会收录五百小时的新素材, 是一个非常棒的知识库." 他说,"任何人都可以观看并理解其中任意一个视频, 但机器人目前还不行它们只将其视为一连串的像素. 因此, 这项工作的目标是尝试让机器理解这些像素. 也就是说, 观看视频, 分析视频, 然后... 能够将视频分割成有意义的序列."
该团队只需要 78 个医学教学视频, 就可以训练人工智能引擎完成缝合任务, 他们声称成功率达到了 85%. 这意味着机器人最终可以承担外科手术中一些更为基本的, 重复性的任务, 并让外科医生将时间和精力集中在更为困难的步骤上.
机器人会很快取代外科医生吗?
"我们还没走到哪一步," 戈德伯格说,"但是未来有可能的方向是: 外科医生能够边看着系统, 边指出他们希望在那里进行缝合, 向机器人传达出他们需要缝出六道锁边缝线. 之后, 机器人基本上就会开始根据要求去做, 外科医生就能放松一点, 这样他们就可以恢复更多精力, 能够专注于手术中更复杂或更精细的部分."
近年来, 机器学习为生物 http://www.zhanhuigang.com/zhuanti-10000093.html 技术做出了很大贡献. 借助人工智能快速处理海量数据的能力, 人们在以下方面取得了进展: 基于计算机 http://www.zhanhuigang.com/zhuanti-10000190.html 层析成像扫描检测肺癌和中风风险; 基于心电图和核磁共振图像估算心脏病和心脏骤停的风险; 根据照片对皮肤病病变进行分类; 以及根据眼部图像检测糖尿病痛的迹象.
而在如今的疫情当中, 人工智能正在帮助科学家寻找可以抑制新冠肺炎传播的药物, 并最终找到治愈方法和疫苗 http://www.zhanhuigang.com/zhuanti-10001042.html .
来源: http://www.ailab.cn/Intelligent_Robots/20200821102885.html