第四章 AI时代：人类将如何变革？（第22/27页）

与其他行业的大数据相比，获取高质量的医疗影像数据相对比较困难。不同医疗机构的数据，目前还很少互通、共享。而单个医疗机构积累的数据往往不足以训练出有效的深度学习模型。此外，使用医疗影像数据进行人工智能算法的训练还涉及保护病人隐私等非技术问题。因此，在基于医疗影像的智能诊断方面，无论是数据还是算法，都有相当大的提高空间。

2017年1月，著名的机器学习算法竞赛平台Kaggle宣布，作为2017年度的数据科学大赛的首要目标，设立100万美元的奖金，奖励能够在肺癌检测中大幅提高自动检测准确率的团队。这是工业界对人工智能辅助医疗科研提供大力支持的有效方法之一。124

围绕Kaggle这一竞赛，学术界和工业界预计将有数千支团队投入到肺癌影像的智能识别研究上。这将极大地促进肺癌智能诊断技术的发展。据统计，美国每年新增的肺癌患者就有22.5万人，每年消耗在肺癌诊疗上的经费大约为120亿美元。如果相关的人工智能算法能大幅提高肺癌早期诊断的准确率，这对人类整体健康而言，的确具有难以估量的现实意义。

顺便提一句，机器学习算法竞赛平台Kaggle于2017年3月被谷歌收购，成为谷歌云服务平台的一部分，这从另一方面展示了数据与算法竞赛对于人工智能科研的重要性。

艺术创作：AI与人类各擅胜场

我们通常说，目前的人工智能更擅长从大量数据中发现规律，帮助人类完成那些人类只需要简单思考就能做出决策的重复性工作。而人类相比人工智能的一个优势是人类有情感、明善恶、懂美丑，更擅长从事对创造性要求很高的文艺类工作。但这只是从普遍规律的角度来区分机器与人的最大不同。在一些特定的案例中，其实机器也可以用非常有趣的方式，完成某些足以令人类刮目相看的“艺术创作”。

2017年1月，我在瑞士达沃斯出席世界经济论坛时，就有三部由软件算法驱动的智能机械手，拿画笔为我画了三幅有趣的肖像画。

图51　达沃斯论坛上，三部智能机械手执笔为我画肖像画

从算法上说，智能机械手为我作画时，电脑所做的事情包括采集我的面部影像，用人工智能算法将影像与电脑事先学习过的某一种绘画风格关联起来，利用一种叫作“风格迁移”的技术，将我面部的每一个特征映射到一种特定的表现手法，并最终计算出画笔的移动方位和运笔力度，以完成最终的肖像画创作。

图52　机器为我画的三幅肖像画，风格完全不同

有趣的是，三部机械手为我画的三幅肖像画竟然是三种完全不同的画风。照片里，最左边一幅画的风格是“写实”，中间一幅画的风格是“疯狂”，而右边一幅画的风格是“抽象”。大家觉得，哪一幅画得更好些？

基于深度学习的“风格迁移”技术，可以为计算机绘画或计算机修图软件带来许多难以置信的功能。在本书开头，我们已经见识了名为Prisma的手机应用程序将普通照片变为或曼妙或奇幻的不同风格绘画作品的神奇魔力，也看到了著名的手机app美图秀秀提供的手绘自拍功能。

其实，除了绘画、修图，人工智能算法还可以模仿人的笔迹创作书法作品。2017年春节前夕，阿里巴巴在公司的西溪园区，展示了一个能够自动创作春联的机器人——阿里云人工智能ET。这部阿里云人工智能ET可不简单，它不但会根据之前学习的书法风格现场挥毫泼墨，而且它写出来的春联内容，也是由人工智能算法根据人类体验者的具体要求，现场创作出来的。人工智能算法既可以写出很有传统意味的春联，如“九州天空花俊丽，未央云淡人泰康”，也可以根据体验者的要求，写出颇具调侃意味的词句，如“貌赛西溪吴彦祖，才及阿里风清扬”，真是妙趣横生。125

用机器进行音乐创作，也是人工智能领域长期以来的研究方向。加州大学圣克鲁兹分校的戴维·柯普（David Cope）就是这一方向最有名的研究者之一。早在1981年，戴维·柯普就开始尝试计算机谱曲的研究。据说他花了7年时间，写了一个名叫EMI（音乐智能实验，Experiments in Musical Intelligence）的人工智能程序，这个程序可以在一夜之间写出5000多首巴赫风格的乐曲来。有一次，在圣克鲁兹音乐节上，戴维·柯普演奏了EMI谱写的几首乐曲。当时，场内的观众大多以为听到的真是巴赫的某个曲目。戴维·柯普后来又对EMI进行了许多次升级，使这个人工智能算法可以模仿贝多芬、肖邦、拉赫玛尼诺夫等音乐家的曲风。不过，根据戴维·柯普自己的描述，EMI使用的大多还是基于音乐规则的，类似专家系统的人工智能算法。在许多情况下，计算机所做的只是将古典音乐大师惯用的小节根据预设的规律做重新的排列组合，或简单变换126。今天，与计算机绘画使用的风格迁移技术类似，深度学习一样可以在音乐领域帮助计算机更好地模拟大师的作曲风格。