全文共字，预计学习时长20分钟
图源：unsplash很多医生、护士、牙医或其他医疗专家对人工智能、机器学习和深度学习之类的相关热词已经很熟悉了，但并不是所有人都意识到了它们可能产生的后果。
大多数人，尤其是千禧一代，似乎对人工智能技术持非常乐观的态度，认为其整体上是振奋人心的。
深度学习是机器学习的一个分支，机器学习是一种颇具综合性的技术组合。深度学习规定了人工神经网络在模仿学习中的范围。更确切地说，深度学习也因此被称为深度结构化学习或可微分编程，可以采用监督、半监督或无监督任一种学习方式。
深度神经网络、深度信念网络、循环神经网络和卷积神经网络主要应用于语音识别、自然语言处理、计算机视觉、音频识别、社交网络过滤、机器翻译、生物信息学、药物设计、医学图像分析、材料检测和棋牌游戏程序等领域。深度学习技术的每一部分产出的成果都可以媲美人类的专业水准，甚至超越了人类。
一般来说，机器学习的概念如下：这种精巧的设计应该能够借助经验学习和适应环境，并能够“聪明地”执行任务。
通过从机器学习、深度学习或其他系统中学到的东西，人工智能可解决实质性的问题。在计算机科学领域，人工智能也被称为机器智能，无非是机器的演示能力，这不过是人类和动物天生的典型智力特征。
人工智能和机器学习的用处
有了人工智能，人们可以完成各种各样的任务。利用AI，人们可以通过语音提问，得到很多小众问题的答案，甚至计算机可以找到人脑永远无法想到的数据；AI利用深度学习，对数据进行总结，并提供对信息进行进一步探索的方案。
同样，人工智能会进一步将提取的信息分享至先前其他人所提出的同样问题中，人们可在屏幕上或直接通过对话得到答案。
图源：unsplash人工智能和深度神经学习的效用，特别是在提高人类生活质量这方面，似乎具有潜在的合法性和发展前景。但是，现实生活中的信息是多样的。确实，这些技术在医疗中可以即时确定治疗效果，在零售业里可以快速提供库存建议，而在金融业中，不再限于发现，还可以预防诈骗。
计算机能有效地识别出必要信息，分析所有因素之间的关系并形成答案，然后将其自动传给用户。这为后续的查询提供了选择，甚至可以在不需要人工干预的情况下更好地执行额外的预设任务。
每一种人工智能、机器学习、深度学习技术都依赖于一套限定的、可由计算机实现的明确指令或算法序列，这些指令或算法通常是不公开的。但随之而来的是，人工智能的效用喜忧参半，因为技术的风险与收益取决于其特定的算法。
人工智能实现了真正的人机互动，它凭借不断提高的精确度真正放大了人类的潜力。随着时间的推移，智能机器利用各种机器学习技术，能够理解各种请求，无论善恶。人工智能不会考虑道德后果，只负责连接数据点并得出结论，然后学会推理、观察和计划。
从亚马逊的Alexa到苹果的Siri，所有的进步都让人工智能更接近创造智能机器的初衷，人工智能被广泛应用于日常生活中。从我们最喜欢的零售网站上的推荐到社交媒体上自动生成的照片标签，许多常见的网络设施都是由人工智能驱动的。
但随着人工智能技术的进步，越来越多的隐私被公之于众，个人自由也随之变得越发微不足道。
医疗领域的人工智能
人工智能正在成为医疗领域的一股变革力量，正在如预想的那样颠覆医疗领域的方方面面。
人工智能有望通过接口融合人机思维
在不使用键盘、鼠标和显示器的情况下，在技术和人脑之间建立直接的联系，是目前最先进的研究课题，在病人护理中有大量的应用。例如，神经系统疾病和神经系统创伤可能对某些生理功能造成损害，而这项技术可以对此进行弥补。人工智能还可以为无法说话的患者发声，为瘫痪的患者挪动手臂。
下一代人工智能可进行放射性读数
通过核磁共振成像机、CT扫描机和X射线拍摄的放射图像，人们可以非侵入性地看见人体解剖结构内部运作。尽管一些诊断过程仍然依赖于直接组织取样或组织活检，存在感染和出血的风险，但人工智能将使下一代放射机器在选定的情况下，能完全不用诊断性活检。人工智能正在通过推进“放射组学”这一创新领域，实现“虚拟活检”。
人工智能将极大提高农村等服务不足地区的医疗服务
图源：unsplash缺乏合格的医生，包括放射技师和放射科医生，可能会阻碍全球范围内发展中国家的急救医疗。人工智能可以通过担起一些通常指定由人类承担的责任，缓解合格临床工作人员严重不足的问题。
人工智能算法让电子健康记录（EHR）更高效
在医疗行业向文档化和“经济与临床健康卫生信息技术(HITECH)”迈进的过程中，电子健康记录发挥着越来越积极的作用。然而，健康记录在向数字化转型的过程中，存在着从认知超载、持续记录，到医生的职业倦怠等许多问题。
经济与临床健康卫生信息技术行业现在正在使用人工智能和深度学习，通过自动处置一些占据医生大部分时间的形式规则来创建更加自发的界面。机器学习和人工智能很可能会进一步支持准备收件箱中的常规请求，如药物补充和通知结果。此外，它还可协助处理要求临床医生优先重视的任务。
医疗设备成为独立运作的机器人
智能医疗设备正在充实用户场景，从肠道内部的实时视频，到感知面部表情来诊断早期的自闭症，这些都可以实现。
在医疗环境中，智能机器对于从重症监护室到家庭护理等各种场景中监测患者具有重要作用。通过人工智能，医生将借助更强的能力，识别各种病理恶化，如败血症是否情况紧急，或在并发症发生之前检测其发展情况，从而显著改善临床表现，并可能降低院内感染产生的费用。
人工智能可避免抗生素抗药性的风险
抗生素耐药性对人们来说是一个日益严重的危险，因为过度使用这些基本药物促进了某些细菌菌株的进化，这些菌株对未来的治疗将不产生反应。
图源：unsplash精确分析病理图像
如今，病理标本为医生提供70%以上的诊断数据来源，涉及整个医疗服务领域。而且在电子健康记录系统中，可获得几乎所有提取到的数据。因此，数据越精确，就能越早得到正确的诊断，数字病理、数据和人工智能能提供更好医疗服务。
深度学习算法和人工智能分析技术，可以在大型数字图像上精确到微小的精度，从而使医生能够精确地指出肉眼所看不到的细微之处。在临床医生研究数据之前，人工智能可以通过识别病理准备中值得
