解构华为AI技术布局：构建无所不及的智能( 八 )_图1

图7/10

第二类场景是专家辅助型。国内现阶段非常稀缺的是技术专家资源，他们的能力和经验都极其宝贵。使用 AI 技术辅助专家决策，未来甚至可以将专家经验固化下来，形成一套辅助专家进行决策的系统。

周延青以医疗行业宫颈癌病发检测为例进一步做了解释，据相关的医疗机构统计，全国大约仅有 5000 名合格的医生可以进行宫颈癌检测，在检测的过程中需要看片子、查数据资料，这就导致宫颈癌的诊断和检测工作需要花费医生大量的时间。如果全国所有的适龄妇女都要做一遍宫颈癌筛查，靠 5000 名医生的人工工作至少要花费 20 年时间。如果使用 AI 辅助医生诊断，可以快速地帮助医生排除 90% 的病例，使得医生诊断效率提升 10 倍。这样，在两年内就可以将全国所有的适龄妇女排查一遍。

图8/10

第三类场景是真正的复杂场景。这种场景是 AI 面临的最大挑战。例如，如何利用 AI 技术来提升城市的交通的效率，是非常有挑战的课题。交通治理牵涉到非常多因素，比如道路情况、车流、天气以及突发事件等，所有这些都需要综合考量和安排，仅仅依靠人工很难完成如此复杂的计算。但是如果利用 AI 将这些信息输入到系统里，使用机器学习技术就能让机器自己学习、自己训练、自己提升。在华为与深圳交警合作的案例中，以八个路口为试点，经过 AI 优化平均每辆车大概能节省两到三分钟，路口加总起来大概能节省平均十分钟的上班时间。接下来，华为还将把这套系统扩展到更多的区域和城市。