人工投票群互助 从人力到智能化

先来简易介绍一下如今的人工智能技术在影像医学行业是怎样作业的。例如要让电子计算机来依据一幅患者的CT照片，分辨这个人是不是得了癌病。总体目标比较简单，是个二分类问题，就跟我说得没有癌病，要让这个问题用计算机获得处理，必须通过三个流程。

1. 提前准备很多患者的CT数据。在其中既包含良好的，又包含得癌病的，而且每一幅CT都必须标注好这一患者得没有癌病，称之为标识。
2. 依据照片和标识，练习电子计算机。用的办法便是让电子计算机的分辨越贴近标识越好。代价函数（objective function）之中具有了至关重要的功效，代价函数便是当估计值与真实值不符时给受教育者的处罚。设想你需要让一个小孩子学习培训什么叫iPhone，就为他看一张苹果的照片，他说道是梨，你给一个巴掌人工投票群互助，是桃，给一个巴掌，是大樱桃，给一个巴掌，直到你不是iPhone，陪一个笑容 。下一次再给此外一张苹果的照片，他很有可能还会继续犯错误，可是渐渐的，为了更好地让成本处罚愈来愈小，小孩子就懂了什么叫iPhone。大家便是根据界定那样的代价函数来练习电子计算机的，让这一成本换句话说是偏差在了解的全过程微变的愈来愈小。
3. 检测这一电子计算机分辨癌病的准确率有多大。这一时期必须提前准备新的患者的CT数据，自然也是标识好的。说白了的举一反三，如同期末考一样人工投票群互助，教师通常不容易出平常授课一模一样的题型，来分辨学员究竟知道了沒有。

总结一下，三步十分的清楚：提前准备数据信息，练习电子计算机，检测电子计算机。这就是现阶段流行的人工智能技术在具体问题中的流程，针对使用者而言，就仅仅应用练习完的“智能服务”就可以，例如如今挺火的指纹验证，面部识别，无人驾驶这些，身后全是先通过了那样的三个流程才可以给予服務的。

大家把上边的学习方法称之为监督学习（supervised learning），也叫监管练习或是有教师学习，电子计算机根据早已给予的标识来学习培训。监督学习的定义很早以前的情况下就普遍发生在了人工神经网络的行业，可是绝大多数科学研究都卡在了第二步和第三步，由于流程2练习的实体模型不足好，造成流程3的检测精确度不尽人意，因此学者又返回流程2，就是这样一直循环系统下来。因为近些年的神经网络模型和并行处理的改进，练习的电子计算机比过去大幅的增强了，在许多行业乃至考试的情况下精确度能超出人工权威专家的水准。这就是为何近十年那样的监管培训模式会那么的受欢迎，大家称作“深度神经网络”（deep learning）。

殊不知人工投票群互助，深度神经网络能充分发挥那样的精密度是有特别关键的前提条件的，那便是必须大量的流程1中的标识数据信息，这也是它的死穴。我给一个大约的叙述，在机器视觉行业，什么叫做“标识图象”，什么叫做“必须许多”。现阶段较大的标识数据ImageNet有1400多万元幅照片，包含2万多个类型。Microsoft COCO是物件切分的数据，一共有超出32万幅图，里边的全部物件都人为因素地切分开。这类总数和产品质量的标识数据信息，在医药学图象，或是别的行业是难以做到的。而深层学习方法由于其多元性，当标识数据信息不足时经常没有办法媲美一般的传统式方式（图1），也就是难以做到人们的精确度，标识数据信息变成了深度神经网络运用落地式的一个关键短板。如何解决这个问题呢？

2个方位：
一、玩命的请人标识
二、探寻新的学习方法。

---

2. 处于被动学习培训与自主学习

先而言第一个构思，请人标识。这一方式尤其看领导者的水准，有一些企业便是确实干掏钱请人标识，尤其的低效能而且烧钱，做的较为聪慧的企业是根据自身的商品潜在性地打标识，举个例子Facebook集团旗下的Instagram，这是一个相近微信的商品，客户在发布自个的相片的并且可以挑选相应的标识（Tag），也等同于微博号中的#话题讨论#。那样Facebook每日都是很多的标签数据涌进，她们必须做的就是保护好这一绿色生态，涌进的标签数据马上有用于练习她们的“人工智能技术”，相反让Instagram更“懂”客户，全部商品绿色生态获得一个良好意见反馈。自然这一标识数据现阶段都还没公布，她们在上面早已逐渐做一系列的科学研究了（Exploring the Limits of Weakly Supervised Pretraining）。也有为了更好地搜集无人驾驶汽车的标识数据信息，行车导航，聊天语音这些，相匹配的企业都能够十分轻松愉快的设计方案一系列的方式完成源源不绝的获得潜在性的标识。此外我发现了十分聪慧的标识方式是利用一些短信验证码。还记得在登陆一些网址的过程中会发生，请挑出来包括“猫”的照片，那样的认证，实际上身后是一整套的投票标识对策，她们并不一定请人去确实标识，由于绝大多数人的参考答案都应该是准确的，也就是说，绝大多数的结果应该是一致的，这些和绝大多数人不一致的参考答案便是有误，这一假定完成的先决条件是检测的样版足够多。因此这些认证图会多次的被不一样的人标识，最后投一个票就能获得一个精密度很出色的数据了。这儿隐隐约约使用了“互联网大数据”和“大数定理”的统计分析定义。近期微信朋友圈挺火的游戏，在其中较大一部分也是为了更好地搜集数据信息的标识，聪慧的领导者把这个让客户标识全过程包裝成好玩的小游戏，或是抽奖活动，或是一些很细微的奖赏，身后得到很多的标识数据信息。再举一个事例，有一种手机app（照相不容易摆POSE？Posing App软件来帮你），它主要承担具体指导客户摆pose，它会在照相机显示屏上得出建议的一系列pose的架构图，随后客户就依照手稿摆pose就可以。这一身后可以爬取很多的有效标识是么？例如哪里是脸，哪里是手臂。像那样用十分聪慧的办法来搜集数据信息和标识，在我这里是较为看中的“互联网大数据”时期的对策，而且铁将军把门可做。

返回影像医学上，刚说的这些直接了当的办法很有可能在医药学行业难以完成，关键因素是这不是平常人能进行的每日任务，因此并不是产品设计正反馈的事情。在影像医学的标识问题中，仅有贵和更贵2个，较为幸运的是有一些病症权威专家是可以用人眼见到而且得出恰当分辨的，例如肠胃的初期恶性肿瘤囊肿检验（图2），可是越来越多的状况，是要根据活物检测的，并不是靠人的眼睛就能实现的每日任务，这类标识，像我一开始的事例，分辨得没有癌病，通常是穿刺活检的精标识，搜集这类数据确实能贵死。大家的终极目标是超出人工权威专家，因此在练习电子计算机的情况下就不能用人们权威专家的标识，假定权威专家的精确度是60%，那麼不管你练习一个多好的实体模型，最终撑死也是60%，因而，必须很多活物检测的精标识。

更明确地界定一下问题自身：
1. 手头上有很多沒有标识信息内容的照片
2. 因为人力资源和资金的限定，只有获得在其中一部分的标识

在这类具体情况的设置下，大家怎样更合理地运用“人工智能技术”？

我详细介绍人工神经网络中，一样也是在人们学习中的2个学习方法：处于被动学习培训（negative learning）与自主学习（active learning）。学习培训有处于被动和被动之分，也就是说白了“要我教”和“我要学”之别。大家称传统定义上的人工神经网络，也就是先掏钱把现有的数据信息所有标好，随后一股脑儿败给电子计算机，让它从这当中学习培训，那样的办法为处于被动学习培训，也就是学习培训的样版并不区分次序，不区分难度系数，不区分依次地传递。自然都是相应应的自主学习，即先花一部分的钱来练习电子计算机，随后依据电子计算机的意见反馈，有目的性地去把钱用在标识更主要的样版上，进而让受教育者在短期内，短投入的情形下尽可能地学得更多种多样，更合理地信息内容。这就是我们在2020年的CVPR中发布的工作中（Fine-Tuning Convolutional Neural Networks for Biomedical Image Analysis: Actively and Incrementally）要想传送的信息。自主学习的主要问题是：#p#分页标题#e#怎样界定对当今受教育者而言更主要的样版？

大家发觉，现如今深度神经网络下的监督学习真真正正的门坎变成了非常简单定义——钱。这一钱有两个很重要的流入，一是电子计算机的计算工作能力（GPU Power），二是标识数据信息的总数。这里就引出来一个很重要的问题：`是否练习数据越多，电子计算机的功效会越好呢？`回应这个问题必须出现的結果非常简单，横坐标轴是标识的样本量，纵轴是归类的精确度。一般来讲，人的思维模式会助推一个默认设置的构思，便是训练样本愈多愈好，如