你所未知的人工智能應用領域

goodperson

你所未知的人工智能應用領域




對有些人來說，人工智能和機器人技術的普及對我們的隱私、工作甚至人身安全構成了威脅，因為越來越多的任務不是由人腦，而是由「硅腦」來執行。

然而，即便是最直言不諱的批評者，也不得不承認人工智能（AI）和自動化系統為人類帶來的諸多潛在好處。作為BBC"Future Now"專欄大挑戰系列（Grand Challenges）的一部分，一組專家為我們詳細描述了 , 隨著我們所使用的機器變得越來越智能，我們周圍的世界正在如何發生變化的圖景。

今天的"大構想"（Grand Ideas）系列中，BBC"Future Now"專欄將對已經開始應用於解決世界上最棘手、最危險的一些問題的尖端AI和自動化技術進行了盤點，這些問題包括了疾病防治到應對暴力。

卡內基梅隆大學機器人教授金出武雄（Takeo Kanade）說: "我們不應該把 AI 視為與人類競爭的東西，而應該看作是可以增強我們自身能力的東西。" 這是因為 AI 不僅能做好單調乏味的工作，還能夠識別出模式，這種能力甚至遠遠超過了人類。

它可能會在 21 世紀幫助保護我們的安全。

防治傳染病

對於全球數十億人來說，在耳邊嗡嗡作響的蚊子不僅會叮咬人, 帶來令人惱怒的疼或癢，它們還可能帶來疾病甚至致命。特別是已經從非洲傳播到幾乎所有熱帶和亞熱帶地區的埃及斑蚊（Aedesaegypti），它們攜帶登革熱（Dengue fever）、黃熱病、茲卡（Zika）以及基孔肯雅熱（chikungunya，一種導致嚴重關節痛的病毒）等病毒。在全球 128 個國家和地區，每年僅登革熱就會感染 3.9 億人。

來自多明尼加的計算機工程師雷尼爾·馬洛爾（Rainier Mallol）說："這些蚊子就像小惡魔。" 多明尼加是茲卡病毒爆發熱點地區。與來自馬來西亞（另一個熱點）的醫學博士達西·拉賈（Dhesi Raja）一起，馬洛爾兩人開發出一套 AI 算法，能夠預測疫情最有可能發生的地方。


微軟的 Project Premonition 項目使用無人機尋找茲卡病毒爆發的熱點地區，然後捕捉它們以尋找病原體（圖片來源：MicrioSoft）

他們的醫學流行病學（Aime） AI 系統可以將所有當地醫院新報告的登革熱病例出現的時間和地點與包括風向、濕度、溫度、人口密度、住房類型等在內的 274 個可變因素結合起來。"這些因素都是確定蚊子如何傳播的因素，" 馬洛爾解釋道。

到目前為止，在馬來西亞和巴西的試點表明，這套系統可以提前三個月凖確預測疫情爆發，凖確率達到 88% 左右。此外，該系統還可以幫助查明疫情中心及其 400 米範圍內的情況，從而使公共衛生官員能夠及早利用殺蟲劑進行干預，以防蚊蟲對當地居民進行叮咬。

Aime 系統也被用於幫助預測茲卡和基孔肯亞熱病毒疫情爆發。大型科技公司也在追求自己的宏偉構想：例如，微軟的 Project Premonition 項目使用無人機定位蚊子的熱點地區，並利用機器人二氧化碳和光捕捉器來收集蚊子樣本，包括蚊子以及它們咬過的動物的 DNA，然後通過機器學習算法進行分析，從而找到病原體。這些算法能夠從大量的數據中識別出模式，而且會變得越來越精確和強大。

應對槍械暴力

去年，美國有 15,000 人死於槍械暴力，美國也是開發國家中槍械暴力發生率最高的國家。為了解決持續不斷的槍擊和槍械犯罪問題，許多城市正在試圖通過科技尋找解決辦法。


人工智能可以追蹤槍聲，並幫助急救人員和執法人員在大規模槍擊擴散之前予以阻止（圖片來源：ShotSpotter）

有一種自動化系統可以用傳感器陣列監聽槍聲，然後精確定位槍聲所在的位置，並在 45 秒內向相關機構發出警報。這種名為 ShotSpotter 系統需要配備大量聲音傳感器以探測槍械獨特的聲響，利用其到達每個傳感器的時間，通過算法來定位槍擊位置，誤差在25米之內。

機器學習技術被用來確定聲音是否為槍擊聲，並計算出它們的數量，以幫助警方確定他們要對付的是獨行槍手還是有多名行兇者，以及他們是否在使用自動武器。

目前有 90 個城市（多在美國，部分在南非和南美）正在使用 ShotSpotter 系統。美國 9 所大學校園也部署了較小的 ShotSpotter 系統，以應對最近頻發的校園槍擊事件。而且美國特勤局已將其安裝在白宮內。

但 ShotSpotter 公司首席執行官拉爾夫·克拉克（Ralph Clark）認為，該系統未來的用途不僅僅是簡單地應對突發事件。

他表示: "我們迫切希望看到，我們的數據如何能夠提供更多的預警信息。機器學習可以把它與天氣、交通數據、財產犯罪數據結合起來，從而向巡邏警察更凖確地通報消息。"

預防饑荒

全世界目前大約有 8 億人依靠木薯根(又稱樹薯)作為主要碳水化合物（為人體提供熱能的主要營養素）的來源。這種澱粉類蔬菜與山藥相似，經常被人像馬鈴薯那樣食用，但也可以磨成粉做麵包和蛋糕。它能在其他農作物沒法生長的地方種植，這使它成為世界上第六大糧食作物。但是這種木本灌木極易受到疾病和害蟲的侵害，可以讓整片田地都顆粒無收。

位於烏干達坎帕拉（Kampala）馬凱雷雷大學（Makerere University）的研究人員與植物病專家合作開發了一套旨在打擊木薯疾病的自動化系統。Mcrops項目允許當地農民使用便宜的智能手機拍攝植物，並使用經過訓練的計算機視覺來發現造成木薯作物損害的四種主要疾病的跡象。

計算機技術研究員歐內斯特·姆貝澤（Ernest Mwebaze）是這個項目的帶頭人，他解釋說："這些疾病真的很難識別，需要採取不同的行動根治。我們正在為農民提供'口袋中的專家'，以便讓他們知道自己是否需要為作物噴藥，或者完全毀掉這批作物以便種植其他作物。"

該系統診斷木薯疾病的凖確率目前高達 88%。以前，農民必須打電話給政府聘僱的專家來他們的農場查明疾病，這可能需要幾天甚至幾周的時間，而蟲害在此期間可能已經大範圍擴散。

MCrops 還利用上傳到網上的圖片來尋找疾病暴發的模式，這可以讓官員們阻止可能導致饑荒的流行病。姆貝澤和他的同事們希望利用這項技術來研究香蕉疾病，並開發自動檢測其他作物害蟲的系統。

抗擊癌症和失明


谷歌 DeepMind 可以通過利用機器學習識別病人人體組織內的健康區域來幫助醫生提供癌症治療方案（圖片來源：DeepMind）

全世界每年有 880 萬人死於癌症，另有 1400 萬人被診斷出患有某種癌症。早期發現癌症能夠大大提高患者的存活率，並降低復發的風險。篩檢是早期發現癌症的關鍵方法之一，但通過掃描和其他方法檢測費時費力。

不過，谷歌母公司 Alphabet 旗下 AI 子公司 DeepMind 和 IBM 都在應用自己的 AI 技術來解決這個問題。DeepMind 與倫敦大學學院醫院的英國國家衛生署（National Health Service）醫生合作，通過識別頭部和頸部腫瘤中的健康組織區域，來訓練其 AI 幫助制定治療癌症的方法。此外，該公司還與倫敦 Moorfields 眼科醫院合作，在眼部掃描中識別失明的早期跡象。

DeepMind Health 的臨牀主管多米尼克·金（Dominic King）說："我們的算法能夠在掃描中解釋視覺訊息。這個系統學會如何識別潛在的問題，以及如何向臨牀醫生推薦正確的行動。現在我們對結果發表評論還為時過早，但早期的成果非常令人鼓舞。"

金指出，通過篩選掃描圖像，並優先考慮那些臨牀醫生最迫切需要的訊息，AI 技術可以幫助醫生更快地識別和判定病例。

IBM 最近宣佈，Watson AI 可以分析圖像，並評估病人的診斷，從而凖確地識別出腫瘤病例，凖確率高達96%。世界各地 55 家醫院的醫生正在對該系統進行測試，以幫助診斷乳腺癌、肺癌、結腸癌、宮頸癌、卵巢癌、胃癌以及前列腺癌。

控制電力應用

目前關於氣候變化是否導致美國歷史上兩場連續災難性颶風的爭論不斷升溫，那麼我們如何才能最大限度地利用清潔、可再生能源來防止對氣候模式造成進一步的負面影響？


AI可以實時監控能源需求和生產-從而幫助我們更明智地使用能源、遏制污染以及減少有害氣體的排放（圖片來源：Getty Images）

世界各地的人越來越依賴可再生能源來應對氣候變化和石化燃料造成的污染，而平衡電力供應的任務變得越來越艱難。智能電表（如可自動記錄使用情況的數字能源監視器）的普及，也提供了比以往任何時候都更多的數據，用來說明消費者使用能源的方式和時間。僅歐盟就計劃到 2020 年在家庭中安裝 5 億個智能電表。

愛丁堡赫里瓦特大學（Heriot Watt University）智能系統助理教授瓦倫丁·羅布（Valentin Robu）表示："對人類操作者來說，管理所有這些事情是不可能的，尤其考慮到這些事情要求的反應時間通常只有幾秒鐘。" 羅布一直在與英國的初創公司 Upside Energy 合作，開發管理電網的新方法。

他們正在開發機器學習算法，以實時監控能源生產和需求。這樣做有什麼意義？在平時，能源可以儲存起來，然後在高峰的時候釋放。隨著個人家裏的電動汽車和電池越來越普及，這項技術可以利用這些設備儲存能源，並消除可再生電力供應不穩定的問題。

羅布還表示，AI 可以在更基礎的層面上使用，以幫助減少這些設備對電網的需求。例如，電冰箱可以通過 AI 遠程控制，只有在電網需求較低的時候它們才會開啟制冷功能。

英倫網