人工智能就像長生不老和星際漫游一樣，是人類最美好的夢想之一。計算機科學之父、人工智能之父艾倫·麥席森·圖靈在著名論文《機器會思考嗎?》里提出圖靈測試的設想，對計算機能否具有人的意識這一命題提出思考。

　　勤快又認真、會思考還連軸轉的員工，請給我來一打

　　近年來，怎樣讓計算機系統具有人的學習能力，即“機器學習”(Machine Learning)愈發成為人工智能方向的科研人員研究的重點。科技巨頭們也將更多的資源投入到該領域，從而顛覆了原有的決策和運營模式。站在變革的路口，如何在這場龐大的數字戰爭中取勝?平安科技選擇“順勢而為”。

　　機器學習是指機器在現有的知識中找到空缺，繼而效仿人腦并模擬進化，系統化地減少不確定性，識別新舊知識的相同點，并完成學習。機器學習包括多種模式，比如可以用基礎算法將數據聚類分析，發現分組數據內存在的隱藏模式，從而實現計算機自動學習。

　　舉個例子，假設要構建一個識別貓的程序，傳統上我們需要輸入一串指令，例如貓長著毛茸茸的毛、有胡子等，然后計算機根據這些指令識別。但如果我們展示一張老虎的照片，程序該作何反應呢?更何況通過傳統方式要制定全部的規則，必然會涉及到一些困難的概念，比如對毛茸茸的定義。因此，更好的方式是讓機器自學。我們可以為計算機提供大量的貓的照片，系統將以自己特有的方式抓取特征，隨著數據的增多，系統會不斷學習更新，最終能夠做出準確判斷。

　　比如平安云RPA安小蜂，它是一個軟件工具平臺，能根據既定規則模擬人操作，與計算機交互處理作業，從而代替人工實現流程的自動化，是提升企業效率的低成本、高效解決方案。而平安科技以AI賦能安小蜂，搭載了機器學習能力，使其在運行過程中可以積累關鍵的流程數據，通過分析各節點運行數據，挖掘其背后反映的流程問題，進行流程診斷和優化，為客戶提供端到端的一站式流程智能自動化解決方案，由RPA朝著IPA邁進。有了機器學習能力， RPA能在流程運行中不斷進行自我調優，實現持續的、動態的智能化。安小蜂負責人曾表示，以前是我們告訴安小蜂流程怎么走，逐漸會變成安小蜂告訴我們流程怎么走會更好。

　　本來就是個王者，然而王者還會自己升級

　　當安小蜂推動企業效率提升和利潤增長、賦能整條產業鏈之時，隨著大數據的完善與強勁的硬體運算能力，讓機器學習有了突破性進展，而其中發展最為快速的一項關鍵技術，就是“深度學習”(Deep Learning)。深度學習是“更深層次”的機器學習。它的靈感來源于人類大腦的工作方式，還是以識別貓的程序為例，深度學習不會以人類提供的信息來區分貓和老虎，而是會掃描圖像中的所有像素，以發現可用于區分二者的邊緣，之后，它會將邊緣和形狀置于可能重要的排序中以確定這兩種動物。因此它需要更多的數據量以及能夠處理數字和巨量大數據的獨立顯卡的高端計算機才能工作。

　　平安在過去31年間，通過醫療相關業務，積累了大量的數據庫和知識庫，為實現醫療領域的深度學習奠定了堅實的基礎，由此構建了醫學大腦，將數據文獻知識轉變為醫療知識圖譜，從而實現智能化的診療。隨著有效的治療案例和數據的不停儲備，具有深度學習能力的醫療圖譜可以不斷累積經驗，持續學習。從治療初步的癥狀詢問、到檢測項目，從診中的判斷確診，到診療用藥方案、診后的治療效果隨訪，賦能診療全流程，類似“老醫師”式的成長模式，時間越久“越吃香”。 如今已成為廣大醫生工作神器的AskBob也是運用該技術達成賦能基層醫生的目標。

　　每一次精度的提升，都意味著有無數人免于疾病之困

　　一直以來，平安還在智能疾病預測方向耕耘不輟，AI深度學習在實時流感預測過程中有何價值呢?目前傳染病的預測主要依賴傳統的時間序列ARIMA(Autoregressive Integrated Moving Average model)模型，數據源單一且預測精度有限。隨著深度學習和人工智能的逐漸興起，對時間序列的分析也有了很大的進步和提升。平安融合了多個數據源(包括歷史發病率，死亡率，百度搜索指數和季節信息)和多個方法(包括非時間序列模型Ridge Regression, XGBoost和時間序列模型ARIMA,LSTM)對中國的傳染病進行預測。科學表明，深度學習中的LSTM模型有更加優越的性能。

　　前不久，平安與重慶市疾病預防控制中心、第三軍醫大學、清華大學聯合發表的智能疾病預測論文首次在國際四大醫學雜志之一《柳葉刀(Lancet)》子刊EBIOMEDICINE發表。該文融合多種前沿人工智能算法，創新性地建立了一個自適應人工智能模型(Self-adaptive AI Model，SAAIM)，動態調整參數，可準確捕捉流感不規律的季節性趨勢，并對流感流行的特征進行分析，揭示出了流感流行的相關因子。可以幫助政府機構對公共衛生資源進行科學的、前瞻性的配置，并使得醫療衛生機構能夠在流感季中提前準備，提高疾病防控效率、降低政府醫療財政負擔和個人疾病經濟負擔。

　　當今時代，無限拓展的存儲能力和驟然爆發的數據洪流的組合拳正在使“機器會思考”這一命題從幻想變為可能，每一次技術的革新都會對時代產生不可估量的推進作用。現如今，人工智能是否可以借助機器學習亦或是更深層次的深度學習實現下一步的技術飛躍，我們拭目以待!