你所未知的人工智能应用领域
2017-09-29
对有些人来说，人工智能和机器人技术的普及对我们的隐私、工作甚至人身安全构成了威胁，因为越来越多的任务不是由人脑，而是由“硅脑”来执行。
然而，即便是最直言不讳的批评者，也不得不承认人工智能（AI）和自动化系统为人类带来的诸多潜在好处。作为BBC"Future Now"专栏大挑战系列（Grand Challenges）的一部分，一组专家为我们详细描述了随着我们所使用的机器变得越来越智能，我们周围的世界正在如何发生变化的图景。
今天的"大构想"（Grand Ideas）系列中，BBC"Future Now"专栏将对已经开始应用于解决世界上最棘手、最危险的一些问题的尖端AI和自动化技术进行了盘点，这些问题包括了疾病防治到应对暴力。
卡内基梅隆大学机器人教授金出武雄（Takeo Kanade）说:"我们不应该把 AI 视为与人类竞争的东西，而应该看作是可以增强我们自身能力的东西。"这是因为 AI 不仅能做好单调乏味的工作，还能够识别出模式，这种能力甚至远远超过了人类。
它可能会在 21 世纪帮助保护我们的安全。
防治传染病
对于全球数十亿人来说，在耳边嗡嗡作响的蚊子不仅会叮咬人们带来令人恼怒的疼或痒，它们还可能带来疾病甚至致命。特别是已经从非洲传播到几乎所有热带和亚热带地区的埃及伊蚊（Aedesaegypti），它们携带登革热（Dengue fever）、黄热病、寨卡（Zika）以及基孔肯雅热（chikungunya，一种导致严重关节痛的病毒）等病毒。在全球 128 个国家和地区，每年仅登革热就会感染 3.9 亿人。
来自多米尼加共和国的计算机工程师雷尼尔·马洛尔（Rainier Mallol）说："这些蚊子就像小恶魔。"多米尼加共和国是寨卡病毒爆发热点地区。与来自马来西亚（另一个热点）的医学博士达西·拉贾（Dhesi Raja）一起，马洛尔两人开发出一套 AI 算法，能够预测疫情最有可能发生的地方。
他们的医学流行病学（Aime） AI 系统可以将所有当地医院新报告的登革热病例出现的时间和地点与包括风向、湿度、温度、人口密度、住房类型等在内的 274 个可变因素结合起来。"这些因素都是确定蚊子如何传播的因素，" 马洛尔解释道。
到目前为止，在马来西亚和巴西的试点表明，这套系统可以提前三个月准确预测疫情爆发，准确率达到 88% 左右。此外，该系统还可以帮助查明疫情中心及其 400 米范围内的情况，从而使公共卫生官员能够及早利用杀虫剂进行干预，以防蚊虫对当地居民进行叮咬。
Aime 系统也被用于帮助预测寨卡和基孔肯亚热病毒疫情爆发。大型科技公司也在追求自己的宏伟构想：例如，微软的 Project Premonition 项目使用无人机定位蚊子的热点地区，并利用机器人二氧化碳和光捕捉器来收集蚊子样本，包括蚊子以及它们咬过的动物的 DNA，然后通过机器学习算法进行分析，从而找到病原体。这些算法能够从大量的数据中识别出模式，而且会变得越来越精确和强大。
应对枪械暴力
去年，美国有 15,000 人死于枪械暴力，美国也是发达国家中枪械暴力发生率最高的国家。为了解决持续不断的枪击和枪械犯罪问题，许多城市正在试图通过科技寻找解决办法。
有一种自动化系统可以用传感器阵列监听枪声，然后精确定位枪声所在的位置，并在 45 秒内向相关机构发出警报。这种名为 ShotSpotter 系统需要配备大量声音传感器以探测枪械独特的声响，利用其到达每个传感器的时间，通过算法来定位枪击位置，误差在25米之内。
机器学习技术被用来确定声音是否为枪击声，并计算出它们的数量，以帮助警方确定他们要对付的是独行枪手还是有多名行凶者，以及他们是否在使用自动武器。
目前有 90 个城市（多在美国，部分在南非和南美）正在使用 ShotSpotter 系统。美国 9 所大学校园也部署了较小的 ShotSpotter 系统，以应对最近频发的校园枪击事件。而且美国特勤局已将其安装在白宫内。
但 ShotSpotter 公司首席执行官拉尔夫·克拉克（Ralph Clark）认为，该系统未来的用途不仅仅是简单地应对突发事件。
他表示:"我们迫切希望看到，我们的数据如何能够提供更多的预警信息。机器学习可以把它与天气、交通数据、财产犯罪数据结合起来，从而向巡逻警察更准确地通报消息。"
预防饥荒
全世界目前大约有 8 亿人依靠木薯根作为主要碳水化合物（为人体提供热能的主要营养素）的来源。这种淀粉类蔬菜与山药相似，经常被人像土豆那样食用，但也可以磨成粉做面包和蛋糕。它能在其他农作物没法生长的地方种植，这使它成为世界上第六大粮食作物。但是这种木本灌木极易受到疾病和害虫的侵害，可以让整片田地都颗粒无收。
位于乌干达坎帕拉（Kampala）马凯雷雷大学（Makerere University）的研究人员与植物病专家合作开发了一套旨在打击木薯疾病的自动化系统。Mcrops项目允许当地农民使用便宜的智能手机拍摄植物，并使用经过训练的计算机视觉来发现造成木薯作物损害的四种主要疾病的迹象。
计算机技术研究员欧内斯特·姆贝泽（Ernest Mwebaze）是这个项目的带头人，他解释说："这些疾病真的很难识别，需要采取不同的行动根治。我们正在为农民提供'口袋中的专家'，以便让他们知道自己是否需要为作物喷药，或者完全毁掉这批作物以便种植其他作物。"
该系统诊断木薯疾病的准确率目前高达 88%。以前，农民必须打电话给政府雇佣的专家来他们的农场查明疾病，这可能需要几天甚至几周的时间，而虫害在此期间可能已经大范围扩散。
MCrops 还利用上传到网上的图片来寻找疾病暴发的模式，这可以让官员们阻止可能导致饥荒的流行病。姆贝泽和他的同事们希望利用这项技术来研究香蕉疾病，并开发自动检测其他作物害虫的系统。
抗击癌症和失明
全世界每年有 880 万人死于癌症，另有 1400 万人被诊断出患有某种癌症。尽早发现癌症能够极大地提高患者的生存机会，并降低复发的风险。筛查是早期发现癌症的关键方法之一，但通过扫描和其他方法检测结果费时费力。
不过，谷歌母公司 Alphabet 旗下 AI 子公司 DeepMind 和 IBM 都在应用自己的 AI 技术来解决这个问题。DeepMind 与伦敦大学学院医院的英国国家卫生署（National Health Service）医生合作，通过识别头部和颈部肿瘤中的健康组织区域，来训练其 AI 帮助制定治疗癌症的方法。此外，该公司还与伦敦 Moorfields 眼科医院合作，在眼部扫描中识别失明的早期迹象。
DeepMind Health 的临床主管多米尼克·金（Dominic King）说："我们的算法能够在扫描中解释视觉信息。这个系统学会如何识别潜在的问题，以及如何向临床医生推荐正确的行动。现在我们对结果发表评论还为时过早，但早期的迹象非常令人鼓舞。"
金指出，通过筛选扫描图像，并优先考虑那些临床医生最迫切需要的信息，AI 技术可以帮助医生更快地识别和判定病例。
IBM 最近宣布，Watson AI 可以分析图像，并评估病人的诊断书，从而准确地识别出肿瘤病例，准确率高达96%。世界各地 55 家医院的医生正在对该系统进行测试，以帮助诊断乳腺癌、肺癌、结肠癌、宫颈癌、卵巢癌、胃癌以及前列腺癌。
控制电力应用
目前关于气候变化是否导致了美国历史上两场连续灾难性飓风的争论不断升温，那么我们如何才能最大限度地利用清洁、可再生能源来防止对气候模式造成进一步的负面影响？
世界各地的人们越来越依赖可再生能源来应对气候变化和化石燃料造成的污染，而平衡电力供应的任务变得越来越艰难。智能电表（如可自动记录使用情况的数字能源监视器）的普及，也提供了比以往任何时候都更多的数据，用来说明消费者使用能源的方式和时间。仅欧盟就计划到 2020 年在家庭中安装 5 亿个智能电表。
爱丁堡赫里瓦特大学（Heriot Watt University）智能系统助理教授瓦伦丁·罗布（Valentin Robu）表示："对人类操作者来说，管理所有这些事情是不可能的，尤其考虑到这些事情要求的反应时间通常只有几秒钟。"罗布一直在与英国的初创公司 Upside Energy 合作，开发管理电网的新方法。
他们正在开发机器学习算法，以实时监控能源生产和需求。这样做有什么意义？在平峰时间，能源可以储存起来，然后在高峰的时候释放。随着人们家里的电动汽车和电池越来越普及，这项技术可以利用这些设备储存能源，并消除可再生电力供应不稳定的问题。
罗布还表示，AI 可以在更基础的层面上使用，以帮助减少这些设备对电网的需求。例如，电冰箱可以通过 AI 远程控制，只有在电网需求较低的时候它们才会开启制冷功能。
对有些人来说，人工智能和机器人技术的普及对我们的隐私、工作甚至人身安全构成了威胁，因为越来越多的任务不是由人脑，而是由“硅脑”来执行。
然而，即便是最直言不讳的批评者，也不得不承认人工智能（AI）和自动化系统为人类带来的诸多潜在好处。作为BBC"Future Now"专栏大挑战系列（Grand Challenges）的一部分，一组专家为我们详细描述了随着我们所使用的机器变得越来越智能，我们周围的世界正在如何发生变化的图景。
今天的"大构想"（Grand Ideas）系列中，BBC"Future Now"专栏将对已经开始应用于解决世界上最棘手、最危险的一些问题的尖端AI和自动化技术进行了盘点，这些问题包括了疾病防治到应对暴力。
卡内基梅隆大学机器人教授金出武雄（Takeo Kanade）说:"我们不应该把 AI 视为与人类竞争的东西，而应该看作是可以增强我们自身能力的东西。"这是因为 AI 不仅能做好单调乏味的工作，还能够识别出模式，这种能力甚至远远超过了人类。
它可能会在 21 世纪帮助保护我们的安全。
防治传染病
对于全球数十亿人来说，在耳边嗡嗡作响的蚊子不仅会叮咬人们带来令人恼怒的疼或痒，它们还可能带来疾病甚至致命。特别是已经从非洲传播到几乎所有热带和亚热带地区的埃及伊蚊（Aedesaegypti），它们携带登革热（Dengue fever）、黄热病、寨卡（Zika）以及基孔肯雅热（chikungunya，一种导致严重关节痛的病毒）等病毒。在全球 128 个国家和地区，每年仅登革热就会感染 3.9 亿人。
来自多米尼加共和国的计算机工程师雷尼尔·马洛尔（Rainier Mallol）说："这些蚊子就像小恶魔。"多米尼加共和国是寨卡病毒爆发热点地区。与来自马来西亚（另一个热点）的医学博士达西·拉贾（Dhesi Raja）一起，马洛尔两人开发出一套 AI 算法，能够预测疫情最有可能发生的地方。
他们的医学流行病学（Aime） AI 系统可以将所有当地医院新报告的登革热病例出现的时间和地点与包括风向、湿度、温度、人口密度、住房类型等在内的 274 个可变因素结合起来。"这些因素都是确定蚊子如何传播的因素，" 马洛尔解释道。
到目前为止，在马来西亚和巴西的试点表明，这套系统可以提前三个月准确预测疫情爆发，准确率达到 88% 左右。此外，该系统还可以帮助查明疫情中心及其 400 米范围内的情况，从而使公共卫生官员能够及早利用杀虫剂进行干预，以防蚊虫对当地居民进行叮咬。
Aime 系统也被用于帮助预测寨卡和基孔肯亚热病毒疫情爆发。大型科技公司也在追求自己的宏伟构想：例如，微软的 Project Premonition 项目使用无人机定位蚊子的热点地区，并利用机器人二氧化碳和光捕捉器来收集蚊子样本，包括蚊子以及它们咬过的动物的 DNA，然后通过机器学习算法进行分析，从而找到病原体。这些算法能够从大量的数据中识别出模式，而且会变得越来越精确和强大。
应对枪械暴力
去年，美国有 15,000 人死于枪械暴力，美国也是发达国家中枪械暴力发生率最高的国家。为了解决持续不断的枪击和枪械犯罪问题，许多城市正在试图通过科技寻找解决办法。
有一种自动化系统可以用传感器阵列监听枪声，然后精确定位枪声所在的位置，并在 45 秒内向相关机构发出警报。这种名为 ShotSpotter 系统需要配备大量声音传感器以探测枪械独特的声响，利用其到达每个传感器的时间，通过算法来定位枪击位置，误差在25米之内。
机器学习技术被用来确定声音是否为枪击声，并计算出它们的数量，以帮助警方确定他们要对付的是独行枪手还是有多名行凶者，以及他们是否在使用自动武器。
目前有 90 个城市（多在美国，部分在南非和南美）正在使用 ShotSpotter 系统。美国 9 所大学校园也部署了较小的 ShotSpotter 系统，以应对最近频发的校园枪击事件。而且美国特勤局已将其安装在白宫内。
但 ShotSpotter 公司首席执行官拉尔夫·克拉克（Ralph Clark）认为，该系统未来的用途不仅仅是简单地应对突发事件。
他表示:"我们迫切希望看到，我们的数据如何能够提供更多的预警信息。机器学习可以把它与天气、交通数据、财产犯罪数据结合起来，从而向巡逻警察更准确地通报消息。"
预防饥荒
全世界目前大约有 8 亿人依靠木薯根作为主要碳水化合物（为人体提供热能的主要营养素）的来源。这种淀粉类蔬菜与山药相似，经常被人像土豆那样食用，但也可以磨成粉做面包和蛋糕。它能在其他农作物没法生长的地方种植，这使它成为世界上第六大粮食作物。但是这种木本灌木极易受到疾病和害虫的侵害，可以让整片田地都颗粒无收。
位于乌干达坎帕拉（Kampala）马凯雷雷大学（Makerere University）的研究人员与植物病专家合作开发了一套旨在打击木薯疾病的自动化系统。Mcrops项目允许当地农民使用便宜的智能手机拍摄植物，并使用经过训练的计算机视觉来发现造成木薯作物损害的四种主要疾病的迹象。
计算机技术研究员欧内斯特·姆贝泽（Ernest Mwebaze）是这个项目的带头人，他解释说："这些疾病真的很难识别，需要采取不同的行动根治。我们正在为农民提供'口袋中的专家'，以便让他们知道自己是否需要为作物喷药，或者完全毁掉这批作物以便种植其他作物。"
该系统诊断木薯疾病的准确率目前高达 88%。以前，农民必须打电话给政府雇佣的专家来他们的农场查明疾病，这可能需要几天甚至几周的时间，而虫害在此期间可能已经大范围扩散。
MCrops 还利用上传到网上的图片来寻找疾病暴发的模式，这可以让官员们阻止可能导致饥荒的流行病。姆贝泽和他的同事们希望利用这项技术来研究香蕉疾病，并开发自动检测其他作物害虫的系统。
抗击癌症和失明
全世界每年有 880 万人死于癌症，另有 1400 万人被诊断出患有某种癌症。尽早发现癌症能够极大地提高患者的生存机会，并降低复发的风险。筛查是早期发现癌症的关键方法之一，但通过扫描和其他方法检测结果费时费力。
不过，谷歌母公司 Alphabet 旗下 AI 子公司 DeepMind 和 IBM 都在应用自己的 AI 技术来解决这个问题。DeepMind 与伦敦大学学院医院的英国国家卫生署（National Health Service）医生合作，通过识别头部和颈部肿瘤中的健康组织区域，来训练其 AI 帮助制定治疗癌症的方法。此外，该公司还与伦敦 Moorfields 眼科医院合作，在眼部扫描中识别失明的早期迹象。
DeepMind Health 的临床主管多米尼克·金（Dominic King）说："我们的算法能够在扫描中解释视觉信息。这个系统学会如何识别潜在的问题，以及如何向临床医生推荐正确的行动。现在我们对结果发表评论还为时过早，但早期的迹象非常令人鼓舞。"
金指出，通过筛选扫描图像，并优先考虑那些临床医生最迫切需要的信息，AI 技术可以帮助医生更快地识别和判定病例。
IBM 最近宣布，Watson AI 可以分析图像，并评估病人的诊断书，从而准确地识别出肿瘤病例，准确率高达96%。世界各地 55 家医院的医生正在对该系统进行测试，以帮助诊断乳腺癌、肺癌、结肠癌、宫颈癌、卵巢癌、胃癌以及前列腺癌。
控制电力应用
目前关于气候变化是否导致了美国历史上两场连续灾难性飓风的争论不断升温，那么我们如何才能最大限度地利用清洁、可再生能源来防止对气候模式造成进一步的负面影响？
世界各地的人们越来越依赖可再生能源来应对气候变化和化石燃料造成的污染，而平衡电力供应的任务变得越来越艰难。智能电表（如可自动记录使用情况的数字能源监视器）的普及，也提供了比以往任何时候都更多的数据，用来说明消费者使用能源的方式和时间。仅欧盟就计划到 2020 年在家庭中安装 5 亿个智能电表。
爱丁堡赫里瓦特大学（Heriot Watt University）智能系统助理教授瓦伦丁·罗布（Valentin Robu）表示："对人类操作者来说，管理所有这些事情是不可能的，尤其考虑到这些事情要求的反应时间通常只有几秒钟。"罗布一直在与英国的初创公司 Upside Energy 合作，开发管理电网的新方法。
他们正在开发机器学习算法，以实时监控能源生产和需求。这样做有什么意义？在平峰时间，能源可以储存起来，然后在高峰的时候释放。随着人们家里的电动汽车和电池越来越普及，这项技术可以利用这些设备储存能源，并消除可再生电力供应不稳定的问题。
罗布还表示，AI 可以在更基础的层面上使用，以帮助减少这些设备对电网的需求。例如，电冰箱可以通过 AI 远程控制，只有在电网需求较低的时候它们才会开启制冷功能。
