后深度学习时代,如何探索医疗 AI 的突围之路?( 三 )

电子科技大学教授李纯明曾在接受雷锋网采访时谈到 , 深度学习吸引人的地方在于 , 原则上它在不同的应用中均可以使用同样的训练算法框架 。 只需替换训练数据和相应的标注进行训练 , 即可得出一个具有某种输入输出关系的多层神经网络 。 但这种看起来一劳永逸的框架 , 在实际应用中还有一些局限 。

最近 , 中国科学院院士、清华大学人工智能研究院院长张钹在接受《经济观察报》采访时表示 , 历史上 , 人工智能曾因公众期待过高而几经回落 。 尽管产业层面还有空间 , 但目前基于深度学习的人工智能在技术上已经触及天花板 。

人工智能在语音识别、图像识别、围棋三个领域显现了强大的潜力 , 但是AI技术的应用边界和条件已经逐渐清晰 。

张钹的观点在医学领域同样适用:医学AI将进入后深度学习时代 。

另外 , 医疗AI在商业化上的难题也还没有得到很好的解决 。 经过了三年多的发展 , 影像AI领域内的公司很多还没有清晰的商业模式与盈利场景 , 医院的付费意愿很低 。

推荐阅读