一位普通患者的非典型住院之旅

去年，微软亚洲研究院的资深研究员闫峻在北京一家医院做了一场外科手术，手术前后，他在医院住了十天。但当他躺在病床上，想安安静静看上几本书，或者干脆好好补个长觉时，却不断被各种嘈杂的声音打扰。如果你也曾在医院待过一两天，你几乎不会错过这样的场景：忙不过来的医生和不断追问的家属，手忙脚乱。

闫峻躺在病床上，研究者的好奇心让他试图用技术的眼光寻找原因。闫峻分析：“医生资源十分有限，他没有办法将他的知识表达给所有的患者，而由于信息不对称的存在，患者是安全感不够的。患者需要得到医生的专业解释和帮助，这样心里才会有底。”

“提高生产力”这个概念几乎对于每一个微软员工都熟捻于心。当这位微软亚洲研究院的研究员结束了他十天的医院之旅，走出医院时，一个利用已有的人工智能技术帮助医院医生提高生产力的计划在他的脑海里也逐渐萌芽。

　　知识挖掘与人工智能

闫峻是微软亚洲研究院数据挖掘与企业智能化组的负责人，今年是他在研究院工作的第10个年头。早在2003年，闫峻在北大读博士的第二年开始就以实习生的身份加入了微软亚洲研究院，彼时亚洲研究院刚成立五年，国内互联网和计算机技术发展迅猛。闫峻在博士期间的研究方向是模式识别，其实就是现在广义的机器学习。

近几年，人工智能俨然成为了计算机领域最火热的研究方向，这背后离不开机器学习、大数据和云计算等的共同作用。社会上关于人工智能的讨论始终不绝于耳，人工智能威胁论、人工智能奇点论等等。但无论媒体如何鼓吹，atv，人工智能领域的研究专家基本上都会给你同样的答案：真正的人工智能离我们还很遥远。

目前，人工智能已经能够在一些如图像识别、语音识别、实时翻译等特定的任务上表现优异，但在更深层次的思考、总结、联想、创造等等方面的进展十分有限。此前计算机战胜人类顶级围棋棋手加强了研究者们用机器学习构建计算机智能的信心，诚然，机器学习目前也被视为是通往人工智能一条近路之一。

事实上，知识的挖掘和知识的表述是人工智能里最基础的问题。我们怎么衡量一个人是“智能”的？一方面，我们会说这个人的脑子很灵活，反应很快。另一方面我们会说这个人有很多经验，懂很多知识。对应到人工智能的研究上来，也就是我们需要人工智能本身拥有很多的背景知识，也需要他有很强的推理能力、理解能力和判断能力。目前，闫峻所在的数据挖掘与企业智能化组主要的研究方向便主要聚焦于知识的挖掘，表示与计算，具体来说就是研究如何从不同的数据来源里挖掘出知识，帮助人工智能的其他算法在具体的场景中完成一些特定的任务。

这一次，闫峻想借用自己的研究成果，为医生培养他们自己的人工智能助手，辅助医生完成一些他们无暇顾及的任务，并为患者提供更多的人文关怀。最终的目的是希望这个人工智能医生助手兼学徒有一天能够顺利出师，能像一个真正的医生一样耐心细致的回答病人的疑惑，协助病人的康复，缓解目前的医疗资源紧缺的局面。

　　培养一个人类医生至少需要八年，那么人工智能呢？

闫峻在病假后的第一次午饭时，就和研究院的同事们聊起了这次住院经历。让他意外的是，几乎每一个同事——甚至比他年纪小很多的90后年轻研究员都表达了强烈的同感，他们的父母或者亲人都或多或少的经历过同样的事情。在那天的午饭上，数据挖掘与企业智能化组的研究员们提出了一个创造性的想法：为医生构建一个人工智能医生助手！

对于人工智能医生助手而言，技术上最关键的一环就是让计算机学会一些必要的医学知识。这恰恰是闫峻博士所在的数据挖掘与企业智能化组所专攻的。闫峻习惯将机器学习知识的过程与人类学习知识的方式相类比，将这个过程分为四个阶段。“就像指导你的孩子一样学知识。”闫峻形容道。

第一个阶段是人类婴儿出生到上学之前的这个阶段。这个阶段孩子还没有很强的读写和分析问题的能力，更多地是从他的父母或者身边的环境中学习一般性的知识(common sense knowledge)，例如糖是甜的，天是蓝的。这种让计算机学会一般性的知识是较为基础的研究工作，机器会从不同的数据源里面学到一些基本的事实和一些基本的关系。与之对应的，不久前数据挖掘与企业智能化组还发布的模型就试图让计算机掌握部分常识。