陶晓东：这是一个比较深层的道德上的问题。在提出个人见解之前，我想先回应一下约纳特教授说的基础研究的问题。基础研究能给我们一些指导，让我们能够通过一些自然的过程来解决一些问题，比如说来治疗疾病。约纳特教授的工作是向我们解释大自然运作的过程。我的工作是通过一些技术来推断病人的身体状况，就算有时候病人本身没有症状。说到采纳新的技术，其实每次新技术产生人们都会付出一定代价。在汽车刚发明的时候，在车祸当中丧生的人要多得多，这样的事故引起了很多的争议，但是我们看一下数据，我想约纳特教授也会同意的，因为科学家都非常重视数据。我们现在看到无人驾驶汽车，数据告诉我们无人驾驶的安全性比普通驾驶要高。

　　当然我现在手上没有确切的数据证明，AI人工智能的诊断一定比非常有经验的专家高。人工智能更多程度上是帮助医生进阶，辅助诊断，从而使医生的能力得到提升。比如对一个医生来说，有他擅长或不擅长的东西，所以就避免去做不擅长的诊断，但借助人工智能未来可能会突破这种个人诊断的瓶颈。

　　现在有很多法律法规，我们可以按照正确的方法来做，以符合伦理道德来做，这样的话会使得人工智能对诊断发挥作用。但我们要走的路还很长。

语音识别或能解决“看病难”？

　　王知非：是的，我们需要走很长的路。我也知道，陶博士语音识别是你工作的一部分，这是我所听到最好的消息了，因为我们医生做很多病历整理非常枯燥无聊。如果机器能听写并记录下来医生说话的内容，这将会减少医生的工作量。对于语音识别，能不能给我们描述一下您在工作中想要达到什么目标？

　　陶晓东：我们想要在智慧医疗领域实现3件事。

　　第一件事，希望人工智能协助医生避免重复无聊的工作。人工智能可以剔除医生工作的一部分，让他们更有效率。例如，现在语音识别已经是非常成熟的技术了，能够实现97%的正确率。今年的菠萝奖的颁奖典礼我们可以看到，讯飞已经可以实时把语音转化为文字，包括今年的两会李克强总理讲话也直接转化为文字。几年之前，医生尤其是门诊的医生要用手写下病例，这不是数码化的，而且也不能够放在EHR电子病历当中，现在利用听写的技术就可以解决这些问题。另外很多病人的病历是不完整的，如果你要调取这些数据，可能就有一个关键的信息缺失了。因此我们希望这个数据库完整、正确。我们就建立了机器学习的算法，这些数据基于非常大的样本、科学期刊、还有真实的医学诊断的案例。这样能够帮助机器建立一个知识库，建立自己的推理、准断的逻辑，这就是我们所做工作，我们希望用不同的方式帮助医生，让他们能够避免重复无聊的工作。

　　第二件事，是实现医疗大数据服务。人工作一天会疲劳，但是机器不会疲劳，它可以探测在一定范围里面的错误，可重复性比人类医生要高。但是我们的机器的认知能力还处在起步当中，现在还是处于人工智能发展的早期。医疗大数据的建立能够让人工智能帮助医生实现一些可重复的诊断，之前有人提问怎么去解决大医院排队难和看病难的问题，人工智能的参与可以帮助减缓医院就诊的压力。基于人工智能与医疗大数据挖掘，为医院和相关机构提供医疗大数据的集成、挖掘、利用，辅助开展新型临床、科研、医院管理等服务。

　　第三件事，实现医疗影像智能诊断。通过人工智能技术分析对比临床资料，能够识别图像的共性，对医疗影像进行快速读片和智能诊断。在这个领域我们花费了很精力，我们现在有更多的传感器在收集数据。优质、大量数据的积累；高性能计算环境；优化的深度学习方法，这三者对于构建模型非常重要。我们在医学影像领域已经有超过15年的经验，我也知道它有多难。我们要做的一件事就是把不可视的变成可视的，比如约纳特教授试图用不同的工具理解蛋白质合成的过程，对我来说我希望在医学影像里，和我的同事一起做到让内脏可视化这样一件事。

　　王知非：我来做一个总结。未来的不可预测性，促使我们不断探索大自然。我们用不同的方法，但目标是殊途同归，希望打造一个更好的世界。

　　核糖体这个研究使我们眼界大开，因为约纳特教授他们眼见为实之后，通过一些先进的技术使我们能够看到曾经看不到的细节。这些细节的信息指导我们分析，使我们脑洞大开。就像我们刚才讲的机器人一样，在我们和人体之间多了一个电脑，而这个电脑能力可能超出我们的想象，会不会有一天他会思考。但无论我们是成为机器人或电脑的制造者和控制者，最终受益者还是我们，我们仍然叫人类。

自由提问环节

　　提问A：有一个问题要问陶博士，您刚才说了，您认为机器人AI或者说算法没有办法取代最顶级的科学家或者是医生，为什么您会这么认为呢？