在大数据方面，从传统的意义上来讲，大家都认为人工智能的算法需要大量的数据。实际上这跟算法相关，在特定情况下，数据并不是越多越好的。而且很多算法在开始开发阶段并不需要很多标注的数据。有各种各样的人工智能的学习算法是可以在相对标注并不是特别清楚的情况下，就能够做到一个可用的程度，之后在实际的使用中不断地去优化。所以我们现在一方面在找更多的数据，另一方面我们更多地在算法的角度来弥补近期数据不足的问题，因为医疗的数据相对来讲是比较难获得的。

鹿晓亮：目前比较流行的深度学习这个概念，普遍被认为需要跟大量的数据结合在一起，机器需要学习很多的东西，然后才具备一些辨识能力。讯飞现在希望我们的人工智能算法不需要处理、学习那么多的资料或者是原始的数据，就能够具备比较强的辨识的能力。其实讯飞在这方面已经有了很大的进步，我们现在也正在把这样的一些技术应用在医疗影像里边来。虽然我们肯定是需要比较多的数据，但是没有想象的那么多，我们正在用算法的方法来改变。

Q：您之间提到讯飞的特点是擅长处理结构化和非结构化的数据的结合，能具体谈一下这个过程吗？

陶晓东：影像是诊断的一个信息来源，但不是唯一的一个信息来源。医生在诊断的过程中也要依赖于其他的很多的临床信息，比如医生对片子有疑问的话，他可能会去给临床医生打电话，然后确认病史信息、病人来就诊时候的一些情况。所以这是为什么我们认为单纯从影像入手可能不是唯一路径。

结构化和非结构化数据的整合其实还是蛮困难的，这里的难点在怎么样把这些数据放在一起分析，结构化和非结构化数据在这种复杂的数据结构的情况下，需要很多的积累，然后才能够做好。

Q：如果一个医院应用采纳了公司的智能影像系统，之后还要根据实际反馈不断升级模型，这些工作还需要 AI 公司来做吗？会不会感觉是个负担？如何收费呢？

陶晓东：我觉得像任何一个产品一样，在产品的设计过程中是需要考虑一些未来的模型和硬件的升级问题的。包括硬件的升级、包括未来可能的运算能力提高。但是你肯定不可能考虑到全部，所以在这个角度来讲，确实有一些升级迭代的事情是需要公司来做的，另有一些我们在产品的设计过程中就做到，然后客户可以自己去做升级。

鹿晓亮：从技术角度来说，其实讯飞的一些技术开始慢慢支持半监督或者无监督的学习方法，就是说我们后续在医院里边部署的一些服务会具备自动升级的能力。其实现在讯飞的云平台上已经具备这样的一些能力了，不需要模型升级、不需要工程师到现场去做部署。我们只要在现场有训练的环境，它可以根据我们医院内的新的数据，做自动的模型参数的迭代和优化。

Q：6 月 10 日，您也参加了上海的人工智能与病理切片诊断专题报告会，会上有专家说人工智能进行临床诊断不靠谱，您对此怎么看？您觉得达到靠谱要多久？

陶晓东：我其实跟朱教授是有一些交流的，他的本意是人工智能进行临床诊断，在没有监督的情况下，是不靠谱的。这个观点我是同意的。我们一直以来的观点是人工智能仍然是一个工具，它可以辅助医生去做一些事情，但是顶级专家近期很难被人工智能替代掉。可能是一些简单重复的工作或相对比较容易的工作是可以被 AI 替代掉。科大讯飞在人工智能这个行业里面也走了很多年了，还是比较了解人工智能做什么，不能做什么，这些都充分体现在我们的产品开发思路上面。人工智能能做很多的事情，但是人工智能不能做所有的事情。所以我觉得这个「靠谱」要看我们想要做什么，有些事情可能我们今天就能做，有很多事情可能我们要过五年才能够变得靠谱。

鹿晓亮：讯飞的人工智能在医疗以及所有的行业中的应用，我们的定位是非常明确的，就是不是说要去替代人类，比如说我们的医疗影像这样的系统不是要去代替医生的，还是要辅助医生。

Q：影像 CAD 发展很多年，一直没有得到广泛的认可，为什么？人工智能这一波浪潮能否真的将技术从实验室搬到实际应用中？如何做到？