2016人工智能+医疗健康创新趋势报告Ⅰ：科技巨头的人工智能布局
AI界历史性时刻：
美国五大科技巨头成立地球最强AI组织
9月28日下午，从美国传来了AI人工智能界最重磅的消息，Google、Facebook、Amazon、IBM以及Microsoft正式宣布成立一个名为AI合作组织（Partnership on AI）的非盈利性组织。
该组织的全名为保障AI利于人类社会组织（Partnership on Artificial Intelligence to Benefit People and Society），简称为AI合作组织（Partnership on AI）。旨在研究和形成人工智能领域最好的技术实践，促进公众对人工智能的理解，并作为一个公开的平台来讨论、参与人工智能本身及其影响，保障人工智能在未来能够安全、透明、合理地发展。
这是科技界巨头史无前例的合作！除了这五大公司的常驻代表以外，Partnership on AI还将邀请学术界人士、其它非营利性机构、政策和伦理专家等一起位列理事会，共同参与讨论。而五大公司成为组织创立者，会经常聚集在一起讨论人工智能的发展，堪比人工智能界的“五大常任理事国”。
出席第一次AI合作组织的部分成员，分别是微软雷德蒙研究院院长Eric Horvitz、IBM伦理研究员Francesca Rossi、Facebook AI实验室负责人Yann LeCun，以及Google DeepMind联合创始人Mustafa Suleyman。
此次会议之后，各个公司的AI负责人，纷纷通过Twitter和大家分享了这一重磅好消息。他们表示，此次合作会让大家更好地推进AI领域的研究，并为AI领域的其它参与者提供可参考的信息，帮助他们更好地研发自己的系统。
谷歌AI实验室，也就是推出AlphaGo的DeepMind联合创始人Mustafa Suleyman说在Twitter上说道，为了使大家更全面地认识AI，科技公司应该开始在AI研发中提高公众地参与度。“我们在AI所做的一切努力都是因为我们相信它有改变世界的能力，并且AI的积极影响很大程度要看公众是否能够参与进来。”
Facebook的AI实验室负责人Yann LeCun和Amazon的机器学习负责人Ralf Herbrich表示，AI有潜力改善数百万人的生活水平，并强调了AI对人类社会的未来具有至关重要的意义。
“作为该领域的研究者，我们十分严肃地对待公众对我们的信任，并在努力保障AI的研究发展都建立在人类价值最大化的基础上。” LeCun说道，“我们希望，通过与行业内的其它企业进行合作并互相分享最新发现，每一天都能有新的突破和进展，而这些都不再仅限于Facebook内部，而是针对整个AI研究领域。我们相信，通过与其它优秀的公司一起朝这个方向努力，并分享各自的观点，能推动整个AI领域朝着更负责任的方向发展。”
IBM的伦理研究员Fracesca Rossi表示：“对于企业来说，AI意味着更强大的能力，社会要从AI中受益，那必须得先信任AI。”
从医疗、教育、制造业、智能家居到交通，人工智能的发展已在各方面提高了人类生活水平。但现如今，人类出现了诸多人工智能威胁论，如著名科学家Stephen Hawking和科技大亨Elon Musk所提出的，AI最终将会终结人类。虽然AI能否终结人类还只是一个推测，但是微软推出人工智能机器人Tay上线不到24小时就被教坏，成为一个满嘴脏话的种族主义者。这样的事情让越来越多的人开始担忧，人工智能是否会带来隐患，是否会对人类社会产生一定的危害。为了应对这一点，像微软、IBM等公司已经成立了人工智能伦理咨询委员会。“Partnership on AI”在未来的工作重点之一，就是改变公众AI威胁论这一现状。
通过AI合作组织，这些美国科技巨头们将会在以下领域开展AI研究：
道德规范、公平性和包容性；
透明性、个人隐私和互通性；
人类和AI系统的合作；
AI的可信任度、可依赖度和活跃度。
AI合作组织确立了以下几点原则：
我们会努力保证AI技术将使更多的人受益。
我们会在向公众进行科普的同时，听取公众和积极参与的利益相关方的反馈，及时向他们汇报我们的研究进展，并解决他们的问题。
我们会致力于AI的道德层面、社会层面、经济层面和法律层面的开放研究。
我们相信，AI的研究和发展离不开各类相关利益方的参与和贡献。
我们会为组织加入来自商业领域的利益相关方，来保障特定领域的忧虑和机遇得到了理解和解决。
我们会致力于将AI带来的利益最大化，并解决潜在的威胁和挑战。
鉴于人工智能目前的热度，还有巨头们的各种布局，我们迫切地感觉到人工智能即将对医疗产生一些特殊的影响。因此，动脉网蛋壳研究院决定出手，试图搞清楚人工智能在全球的发展演变情况，为即将到来的“新时代 ”做些准备。
过去一年多来，动脉网已经报道了数十家走在前沿的人工智能的公司。大家可能已经在各种渠道，譬如说动脉网的网站、微信，还有一些论坛的演讲看到过关于人工智能+医疗的信息，但现在才是最为系统的发布。
这可能是一份医疗健康领域最完整的人工智能产业报告。
动脉网这份“2016年人工智能医疗健康创新趋势报告”的研究范围主要为全球范围内医疗健康领域的人工智能初创公司，纳入本报告统计范围的初创公司共74个（持续更新中）。这些初创公司分布在健康管理、可穿戴设备、医学影像、风险管理、营养、急救室/医院管理、生物技术、药物挖掘、精神健康、病理学和虚拟助理共11个领域。
本报告一共分为5篇，分析了其中的8个领域，出于了解产业格局的考量，研究范围也包括Google、Facebook、IBM、微软、英特尔、雅虎、Salesforce、亚马逊、阿里巴巴、百度、腾讯这类互联网巨头在人工智能领域的布局（不包含医疗机器人领域）。
研究过程以数据统计分析和访谈并重，前者主要基于蛋壳研究院数据库，访谈对象包括国内的医疗健康类人工智能初创公司、风险投资机构、高校研究院、医院、百度、腾讯和阿里巴巴等。
报告公开版内容结构如下：
第一篇：科技巨头人工智能布局
第二篇：IBM Watson人工智能医疗应用详情剖析
第三篇：2011-2016全球医健人工智能创投数据分析
第四篇：医疗搭上人工智能可以做什么？（上）
第五篇：医疗搭上人工智能可以做什么？（下）
以下是第一篇：
科技巨头人工智能布局
随着深度学习技术的成熟，AI人工智能正在逐步从尖端技术慢慢变得普及。普罗大众对人工智能最深刻的认识就是今年年初AlphaGo与李世石的围棋对弈，李世石的惨败已使公众初步认识到人工智能的威力。或许有人会问，能下围棋的电脑就是人工智能吗？不是这样的。比如我们现在的电脑、手机，早就已经有能够和人进行棋类对弈的游戏，而且这些产品也冠上了智能（Smart）的概念。但是这些“智能”并不是真正的智能，真正的智能应该是（Intelligent），计算机能够履行原本只有依靠人类智慧才能完成的复杂任务，能够实现与人类思维相关的活动，诸如决策、问题求解、学习等活动的自动化。
AlphaGo和人类的对弈，并不是我们以往所理解的电子游戏，电子游戏的水平永远不会提升，而AlphaGo则具备了人工智能最关键的“深度学习”功能。AlphaGo中有两个深度神经网络，Value Networks（价值网络）和 Policy Networks（策略网络）。其中Value Networks评估棋盘选点位置，Policy Networks选择落子。这些神经网络模型通过一种新的方法训练，结合人类专家比赛中学到的棋谱，以及在自己和自己下棋（Self-Play）中进行强化学习。也就是说，人工智能的存在，能够让AlphaGo的围棋水平在学习中不断上升。
人工智能的技术应用主要是在以下几个方面：
自然语言处理（包括语音和语义识别、自动翻译）、计算机视觉（图像识别）、知识表示、自动推理（包括规划和决策）、机器学习和机器人学。按照技术类别来分，可以分成感知输入和学习与训练两种。计算机通过语音识别、图像识别、读取知识库、人机交互、物理传感等方式，获得音视频的感知输入，然后从大数据中进行学习，得到一个有决策和创造能力的大脑。
从上世纪八九十年代的PC时代，进入到互联网时代后，给我们带来的是信息的爆炸和信息载体的去中心化。而网络信息获取渠道从PC转移到移动端后，万物互联成为趋势，但技术的限制导致移动互联网难以催生出更多的新应用和商业模式。而如今，人工智能已经成为这个时代最激动人心、最值得期待的技术，将成为未来10年乃至更长时间内IT产业发展的焦点。
人工智能概念其实在上世纪80年代就已经炒得火热，但是软硬件两方面的技术局限使其沉迷了很长一段时间。而现在，大规模并行计算、大数据、深度学习算法和人脑芯片这四大催化剂的发展，以及计算成本的降低，使得人工智能技术突飞猛进。
物联网——物联网提供了计算机感知和控制物理世界的接口和手段，它们负责采集数据、记忆、分析、传送数据、交互、控制等等。摄像头和相机记录了关于世界的大量的图像和视频，麦克风记录语音和声音，各种传感器将它们感受到的世界数字化等等。这些传感器，就如同人类的五官，是智能系统的数据输入，感知世界的方式。而大量智能设备的出现则进一步加速了传感器领域的繁荣，这些延伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的前提之一。
大规模并行计算——人脑中有数百至上千亿个神经元，每个神经元都通过成千上万个突触与其他神经元相连，形成了非常复杂和庞大的神经网络，以分布和并发的方式传递信号。这种超大规模的并行计算结构使得人脑远超计算机，成为世界上最强大的信息处理系统。近年来，基于GPU（图形处理器）的大规模并行计算异军突起，拥有远超CPU的并行计算能力。
从处理器的计算方式来看，CPU计算使用基于x86指令集的串行架构，适合尽可能快的完成一个计算任务。而GPU从诞生之初是为了处理3D图像中的上百万个像素图像，拥有更多的内核去处理更多的计算任务。因此GPU天然具备了执行大规模并行计算的能力。云计算的出现、GPU的大规模应用使得集中化的数据计算处理能力变得前所未有的强大。
大数据——根据统计，2015年全球产生的数据总量达到了十年前的20多倍，海量的数据为人工智能的学习和发展提供了非常好的基础。机器学习是人工智能的基础，而数据和以往的经验，就是人工智能学习的书本，以此优化计算机的处理性能。
深度学习算法——最后，这是人工智能进步最重要的条件，也是当前人工智能最先进、应用最广泛的核心技术，深度神经网络（深度学习算法）。2006年，Geoffrey Hinton教授发表的论文《A fast learning algorithm for deep belief nets》。他在此文中提出的深层神经网络逐层训练的高效算法，让当时计算条件下的神经网络模型训练成为了可能，同时通过深度神经网络模型得到的优异的实验结果让人们开始重新关注人工智能。之后，深度神经网络模型成为了人工智能领域的重要前沿阵地，深度学习算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network, Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络（Convolutional Neural Network，CNN）更是成为图像识别最炙手可热的算法模型。
技术的进步使得人工智能的发展在近几年显著加速，IT巨头在人工智能上的投入明显增大，一方面网罗顶尖人工智能的人才，另一方面加大投资力度频频并购，昭示着人工智能的春天已经到来。
科技企业巨头近几年在人工智能领域密集布局，巨头们通过巨额的研发投入、组织架构的调整、持续的并购和大量的开源项目，正在打造各自的人工智能生态圈。在未来，人工智能将不再是尖端技术，而会成为随处可见的基础设施。对于人工智能初创企业而言，既要寻找与巨头的合作契合点，又要避开正面冲突。
IBM
IBM Watson由90台IBM服务器、360个计算机芯片组成，是一个有10台普通冰箱那么大的计算机系统。它拥有15TB内存、2880个处理器、每秒可进行80万亿次运算。现在已经逐步进化到四个批萨盒大小，性能也提升了240%。Watson存储了大量图书、新闻和电影剧本资料、辞海、文选和《世界图书百科全书》等数百万份资料。Watson是基于IBM“DeepQA”（深度开放域问答系统工程）技术开发的。DeepQA技术可以读取数百万页文本数据，利用深度自然语言处理技术产生候选答案，根据诸多不同尺度评估那些问题。IBM研发团队为Watson开发的100多套算法可以在3秒内解析问题，检索数百万条信息然后再筛选还原成“答案”输出成人类语言。
产业布局：IBM公司自2006年开始研发Watson，并在2011年2月的《危险地带》(Jeopardy!)智力抢答游戏中一战成名。一开始IBM想把Watson打造为超级Siri，主要还是卖硬件。但是后来转型为认知商业计算平台，2011年8月开始应用于医疗领域。例如在肿瘤治疗方面，Watson已收录了肿瘤学研究领域的42种医学期刊、临床试验的60多万条医疗证据和200万页文本资料。Watson能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案。目前癌症治疗领域排名前三的医院都在运行Watson，并在今年8月正式进入中国。
2012年3月，Watson则首次应用于金融领域，花旗集团成为了首位金融客户。Watson帮助花旗分析用户的需求，处理金融、经济和用户数据以及实现数字银行的个性化，并帮助金融机构找出行业专家可能忽略的风险、收益以及客户需求。
硬件：人脑模拟芯片SyNAPSE
SyNAPSE（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，即“自适应塑料可伸缩电子神经形态系统”）芯片，含有100万个可编程神经元、2.56亿个可编程突触，每消耗一焦耳的能量，可进行460亿突触运算。在进行生物实时运算时，这款芯片的功耗低至70毫瓦(mW)，比现代微处理器功耗低数个数量级。
Google-Alphabet
谷歌在一系列人工智能相关的收购中获益。2013年3月，谷歌以重金收购DNNresearch的方式请到了深度学习技术的发明者Geoffrey Hinton教授。2014年年初，谷歌以4亿美元的架构收购了深度学习算法公司——DeepMind，也就是推出AlphaGo项目的公司。该公司创始人哈萨比斯是一位横跨游戏开发、神经科学和人工智能等多领域的天才人物。
云平台：TensorFlow数据库，机器学习的核心是让机器读懂数据并基于数据做出决策。当数据规模庞大而又非常复杂时，机器学习可以让机器变得更聪明。TensorFlow在数据输入和输出方面都有惊人的精度和速度，它被确切地定义为人工智能工具。
产业布局：谷歌无人驾驶汽车、基于Android智能手机的各种app应用与插件、智能家居（以收购的NEST为基础）、VR生态、图像识别（以收购的Jetpac为基础）。
2013年12月，Facebook成立了人工智能实验室，聘请了卷积神经网络最负盛名的研究者、纽约大学终身教授Yann LeCun为负责人。Yann LeCun是纽约大学终身教授，是卷积神经网络领域的重要推动者，而该技术的最主要应用就是图像识别的自然语言处理，这与Facebook的需求和已经积累的数据类型非常匹配。在Yann LeCun的帮助下，2014年Facebook的DeepFace技术在同行评审报告中被高度肯定，其脸部识别率的准确度达到97%。而他领导的Facebook人工实验室研发的算法已经可以分析用户在Facebook的全部行为，从而为用户挑选出其感兴趣的内容。
AI技术：视觉DeepFace技术（收购face.com）、语音识别（收购Mobile technologies）、自然语义（收购Wit.AI）、神经网络训练+机器学习
云平台：开发者平台Parse、Torch开源深度学习模块
硬件： Big Sur（基于GPU的用于训练神经网络的硬件系统，开源）
产业布局：语音助手Moneypenny、VR生态（收购Oculus Rift、Sourroud360全景摄像机促进内容发展）
百度
2014年5月，被称为“谷歌大脑之父”的AndrewNG(吴恩达)加盟百度，担任首席科学家，负责百度“百度大脑”计划。大数据是人工智能的基础，而作为天然的大数据企业，百度拥有强大的数据获取能力和数据挖掘能力。2014年7月14日，百度凭借自身的大数据技术14场世界杯比赛的结果预测中取得全中的成绩，击败了微软和高盛。2014年9月，百度正式发布整合了大数据、百度地图LBS的智慧商业平台，旨在更好在移动互联网时代为各行业提供大数据解决方案。
AI技术：语音识别Deep Speech、视觉识别“智能读图”、自然语言与智能语义、自动驾驶、深度学习
解决方案：基于智能手机的语音服务系统（度秘）
开发者云平台： 百度云
产业布局：汽车领域无人驾驶、基于智能手机的各种app应用与插件。
Microsoft
AI技术：语音、视觉、自然语言、分布式机器学习
云平台：Microsoft Azure（存储、计算、数据库、live、媒体功能）、分布式机器学习工具包DMTK（自然语言处理，推荐引擎，模式识别，计算机视觉以及预测建模等）、人工智能平台Project Malmo
产业布局：语言助手（微软小冰、Cortana小娜、Tay）、VR（Hololens全息眼镜）
Apple
AI技术：自然语言（收购Vocal IQ）、收购可视化地图MapsenseGPS公司 Coherent Navigation
产业布局：汽车领域无人驾驶、SIRI语音助手
Amazon
云平台：Amazon Web Services（存储、计算、模式识别和预测，其中视频识别API 收购Orbeus）
阿里
云平台（阿里云IaaS，可视化人工智能平台DTPAI）
产业布局 ：智能家具、物联网
腾讯
AI技术：视觉、智能计算与搜索实验室
产业布局：智能硬件
科技巨头围绕人工智能产业，开展了大量的收购；标的包括人工智能初创企业（算法）、大数据公司（算法或数据）和芯片研发公司（计算能力）。截至至2016年7月底，谷歌在其中的收购次数最多达到了13次。巨头们在人工智能领域的并购呈现两个特点：一是连续多次买入，二是标的规模较小。
从2013年开始，科技巨头大多加大了对人工智能的自主研发，同时通过不断开源，试图建立自己的人工智能生态系统，开源力度不断增加。比如Google 开源TensorFlow 后，Facebook、百度和微软等都加快了开源脚步。最早走向人工智能工具开源的是社交巨头Facebook，于去年1月宣布开源多款深度学习人工智能工具。而谷歌、IBM和微软几乎于去年11通同时宣布开源。谷歌发布了新的机器学习平台TensorFlow，所有用户都能够利用这一强大的机器学习平台进行研究，被称为人工智能界的Android。IBM则宣布通过Apache软件基金会免费为外部程序员提供System ML人工智能工具的源代码。微软则开源了分布式机器学习工具包DMTK，能够在较小的集群上以较高的效率完成大规模数据模型的训练，在今年7月微软又推出了开源的Project Malmo项目，用于人工智能的训练。
人工智能已经逐渐建立起自己的生态格局，由于科技巨头的一系列布局和各种平台的开源，人工智能的准入门槛逐渐降低。未来几年之内，专业领域的智能化应用将是人工智能主要的发展方向。无论是在专业还是通用领域，人工智能的企业布局都将围绕着基础层、技术层和应用层三个层次的基本架构。
基础层就如同大树的根基，提供基础资源支持，由运算平台和数据工厂组成。中间层为技术层，通过不同类型的算法建立模型，形成有效的可供应用的技术，如同树干连接底层的数据层和顶层的应用层。应用层利用输出的人工智能技术为用户提供具体的服务和产品。
位于基础层的企业一般是典型的IT巨头，拥有芯片级的计算能力，通过部署大规模GPU和CPU并行计算构成云计算平台，解决人工智能所需要的超强运算能力和存储需求，初创公司无法进入。技术层的算法可以拉开人工智能公司和非人工智能公司的差距，但是巨头的逐步开源使算法的重要程度不断降低。应用层是人工智能初创企业最好的机遇，可以选择合理的商业模式，避开巨头的航路，更容易实现成功。
在将来，具备超高智能的机器人将会和人类的专家联手解决所有的难题。不论是癌症、气候变化、能源、染色体、宏观经济、财务系统还是物理范畴，我们需要掌握的系统正变得越来越复杂。而在这些行业应用中，医疗行业正是人工智能能够发挥作用的一个重要领域，人工智能也成为影响医疗行业发展的最重要的科技，为人类的健康福祉做出贡献。在这些科技巨头的人工智能产品中，以IBM Watson和医疗结合得最为紧密。IBM在2014年投资10亿美元成立Watson事业集团后，次年便组建了Watson Health，专门针对医疗健康行业提供认知解决方案。
第一部分先到这里，下一章我们将看看IBM的人工智能在医疗领域是如何参与的以及它的布局方式。接下来请继续期待后续的报告：
第一篇：科技巨头人工智能布局
第二篇：IBM Watson人工智能医疗应用详情剖析
第三篇：2011-2016全球医健人工智能创投数据分析
第四篇：医疗搭上人工智能可以做什么？（上）
第五篇：医疗搭上人工智能可以做什么？（下）
如果你迫不及待，也可以提前看完整报告，扫码购买：