第二个阶段则是小孩进入学校开始读书直至大学毕业的阶段。这个过程其实人们主要的学习方式是读书，学习书本上的知识。人们在读书的过程中会不断地分析、总结、归纳，将一些知识进行整合和关联，形成系统性的知识体系，我们称之为知识图谱（knowledge graph）。因此在这个阶段，让机器拥有阅读能力是一个非常重要的课题。研究员们让计算机阅读了大量医学学生的必学书目，让计算机从这些文本中获取作为医生助手最基础的医学知识作为储备，并为下一步进医院“实习”做好准备。

第三阶段则是研究生阶段，你会有一个导师，而你学习的方式已经不再是被动的接受书本知识，而是主动地从他人——你的导师那里学习知识了。这种学习方式中师生间有很多互动，学生会主动询问老师解决办法，从机器学习的角度来理解就是“主动学习”。到了这个阶段，研究员们就将这位人工智能助手送到医院的具体某个科室，开奖，选择一位医生作为它的“师傅”。进行简单的“拜师仪式”之后，机器人将成为某位医生的学徒。对于机器学徒不懂得问题，会在聚类总结后向导师主动询问来获取知识。

除了主动提问，跟人类的拜师学艺没有什么区别，计算机向师傅学习的最便捷的方式，就是从医生的匿名诊疗记录入手。这里暗藏着医生的经验知识，在医疗信息化的今天，每一位医生看过的病人信息都会以电子化的形式记录下来，包括病人的症状，各项检查结果以及医生的治疗方案。通过对病例的通读与学习之后，这位虚拟学徒便会对这个科室有一个大体的认识，包括常见症状以及诊疗方案等。但这并不意味着这位人工智能助手可以成功出师了，它还需要最后一个阶段的学习。

最后一个阶段人们通常称之为“增强学习”。很显然，知识的更迭日新月异，人们在走出象牙塔之后发现还需要不断地学习此时的学习更多地会依赖于自己经验的积累以及不断的试错。此前AlphaGo所采用的增强学习就是源自这类思想，它会不断尝试各种下法，观察不同的决策带来的可能性，并以此进行经验总结，从而指导他与真人下棋时的决策。在这个阶段，研究员们才让这位“助手”在监督无风险情况下有选择地与患者进行接触。搜集反馈，提升自己的经验和能力。所有的知识学习阶段都是在“终身学习“ 的框架下不断迭代的进行。

“培养一个医生至少需要八年，但是计算机几乎不眠不休、不吃不喝，并且过目不忘，所以这个学习过程毫无疑问可以大大缩短。”闫峻博士虽然没有给出一个具体的时长，因为这个很大程度上与人工智能医生所处的科室关系很大，但可以确信的是，培养一个人工智能虚拟医生助手的成本远远低于培养一个真正人类的医生助手。

　　做些医生做不到的事情

那么，人工智能医生助手究竟能帮医生和病患们做些什么呢？

目前，这项关于人工智能医生助手的医疗项目已经与多家医院和医疗机构合作进行试点，由微软亚洲研究院提供算法和解决方案，对接医院需求，医生与研究员一起从事临床实验。研究员们为每个医生各自搭建了属于他们的人工智能助手。这位医生助手会以微信服务号等多种不同的形式协助医生，并贯穿在治疗前、治疗中和治疗后的整个就医体验中。

其实在许多疾病的治疗，特别是外科手术中，大部分患者遇到的问题是很类似的，机器人可以记忆并理解这些常见的问题，辅助医生事先向患者提问，搜集患者的有用信息，并给出初步的诊疗方案供医生参考，甚至能让患者在与医生见面之前提前做好必备的检查，这样就能大大缩短病人实际面见医生的时间和流程，在有限的时间里，直接切入关键问题。

除了治疗前的提前沟通和治疗途中的有问必答之外，人工智能助手还能做些医生很难细致的面面俱到的事，例如患者随访，收集医疗大数据，增进对病患的人文关怀。