对于人工智能而言，目前有哪些学习方法

如果想入门机器学习或者希望自己动手写个机器学习模型，以下有几点可以帮到你：

一、机器学习基础

对于机器学习领域最好的介绍，可搜索AndrewNg的《斯坦福公开课：机器学习》，这可能是对机器学习最好的入门介绍；

《集体编程智慧》；

《机器学习系统设计》；

TUtsPlus课程；

优达学城的机器学习课程。

二、深度学习

只推荐一本书，MIT的《深度学习》，这本书已经能够全面地介绍深度学习的方方面面且被不少人奉为“圣经”。

三、数理统计知识

以下是都是可汗学院的课程，能够满足机器学习的数学要求。

概率和统计视频课；

线性代数视频课；

概率和统计视频课。

四、其他

Kaggle——机器学习平台；

天池大数据竞赛——阿里旗下的机器学习比赛平台

如果你对学习人工智能和深度学习感兴趣，你可以订阅我的头条号，我会在这里发布所有与算法、机器学习以及深度学习有关的有趣文章。

人工智能医疗应该着重往哪个方向发展比较好

人工智能医疗，应该向着以智能物理治疗手段为主、西医和中医为辅的方向发展。目前，人工智能在医疗领域的运用还主要体现在提高医疗服务人员的工作效率上。比如，大数据共享平台就为医疗行业提供了医疗统计、医疗科研、医疗案例筛查和医疗数据分析；智能医疗设备生理健康指标检测；智能医疗仪器病理检测；个人病史追踪；远程诊断；远程手术；临床护理以及治疗过程的监管和控制等等。物理（声波）治疗仪器设备开发还比较滞后。智能医疗是个大概念，它应该包含全部医疗过程中的人工智能运用。医疗行业的人工智能应用发展方向应该趋向于自动化、物理化、便利化和无痛化。

自动化

自动化，包括部分智能护理的自动化；治疗仪器设备运作的自动化；生理健康指标检测和分析的自动化以及疾病诊断的自动化等等。比如，针对健康检查或疾病诊断，这就需要研制出一台生理健康程度综合检测仪。人只要往仪器设备上一站，通过全身物理光学扫描，经过人工智能数据自动化分析，即刻就可以获得全部生理健康检测和诊断数据。为接下来的治疗明断了方向。这个医疗仪器设备的研发方向，听起来似乎还有点异想天开。但是，人类已经在对光学（X光）和声波（B超）以及人工智能智上做出了全面铺垫，只要投入研发就必然有水到渠成的一天。因为，人体组织细胞的结构和各器官的空间分布状态可以被不同波长的光（光谱）所显示，包括对细菌的鉴别，器官和细胞（突触）组织的病变状态鉴别。再通过自动化人工智能“分析”，一个个结果就出来了。

物理化

物理化，说的是在未来治疗手段的发展方向上，应当广泛采取物理治疗。以最大限度取代目前的化学药物和中医药治疗运用。目前，西医所运用的几乎都是化学药物，化学药物对人体产生的副作是显而易见的。比如抗生素，它不仅导致细菌和病毒的耐药性升级进化，还会影响神经系统的生长发育（青霉素致聋）和新陈代谢，抑制人体免疫（淋巴）系统组织功能的升级和加强，使得人类的免疫抵抗力逐步下降。若要通过物理手段取代部分药物来达到治疗目的，这就需要去研制出具备各种治疗功能的物理治疗仪器和设备。通过光、电、磁、微波、声波等基本粒子和能量束（“针”）的巧妙组合，包括“靶向”（突触、神经节）能量刺激作用治疗；通过能量作用来分解细菌和病毒；光聚焦三维和多维度“手术”治疗；血液浓度物理把控；清理非生理凝血因子；分解和助排血管及体内“垃圾”；通过能量作用于病变组织部位改善微循环，实现神经及细胞组织的空间平衡等等。

便利化

便利化，说的是通过人工智能运作平台，在无需家属成员的助理下，实现人＋智能设备的全程公共医疗一体化服务。比如，一个电话就可将患者接送到医院。然后在医疗和护理人员的安排下进入抢救、病理检查、登录入院备案、安排进舒适的智能化病房、接受智能医疗设备和部分药物治疗、智能配餐及护理、智能监控、智能临床日常护理，直到康复出院。全程做到智能化、无纸化、无差别化（人人平等化）和无家属赔护，只需要在出院时补交上应该由个人承担的部分医疗费即可。这样的人工智能医疗其便利化和平等化程度以及效率之高岂不是理想中的未来发展方向？

无痛化

无痛化，说的是在治疗过程中通过先进的智能物理治疗手段，最大限度地减少患者的治疗痛苦。比如，通过物理止痛来进行物理和人工手术。物理止痛，是指利用光聚焦能量来阻止相关突触传递或抑制大脑疼痛感觉中枢和疼痛感觉皮质，以达到止痛的目的。对于止痛，还只是一个需要人类去尝试研究的努力发展方向。

在笔者看来，智能医疗的发展前景光明，空间不可限量。只要国家做出对智能医疗过程中各个环节的研究部署和与之相配套的医疗保障政策。那么，理想中的以物理治疗手段为核心的优质人工智能医疗服务，在不远的将来就一定会实现。

人工智能的发展如何影响医学

人工智能已经开始对医学产生影响，但是和很多影响人类的技术一样，都是从终端用户看不到的地方开始产生影响，然后经历一段时期的普及难题，最终无处不在。

我们都知道，医生非常依赖自己的经验，以及通过论文会议等渠道去和同行切磋，那么疾病的诊断就非常考验医生的判断力。除了诊断水平的不足导致的误诊以外，症状本身就可能会代表很多种疾病，而医生难以在时间做出准确判断。考虑到国内医生普遍工作强度过大，疲惫和时间压力也会影响医生的判断力。

实际上人工智能已经尝试做辅助诊断了，人工智能的加入会让医生拥有更强大的诊断能力。医生做出初步判断后，将病人症状以及检查结果输入临床决策支持系统，在很短的时间中就会得到可能的诊断结果。这时医生再做进一步诊断，可以大大降低误诊和不当治疗的发生几率。医生的经验配上一个不会疲惫的系统，会对疾病，特别是罕见病的诊断体现出强大的优势。

现代医学大量依赖影像学的辅助，人工智能还能体现出处理能力的优势。优秀的影像学医生难以培养，更要命的是医生每天的精力有限不可能认真的读每一个片子。有了人工智能，可以将检测图像上传到系统中，由机器替代医生做基础的读片工作。这样出报告的准确率提高、效率也提升，影像学的医生可以把宝贵的精力用在重要报告的解读当中。

上面仅仅是举出两个具体应用的小例子，实际上人工智能已经在医学的各个领域中尝试身手。遗憾的是，目前人工智能和医学的结合依然很初级，而且医生们也并非各个都乐意使用辅助决策的系统。好在人工智能会有成长的机会，会越来越被医学界所认可。

医生会被取代吗？这样的话题很多，技术的发展当然会让一部分人失业，但是乐于进取和吸纳新东西的人群总是能和新技术结成伙伴关系。同时也别忘了，人工智能对于打破地区间医疗水平的不平衡可能是一个重要的解决方案。在遇见的未来中，人工智能的身影一定会出现在医学的方方面面。

在医学中如何应用人工智能

对于该问题，经济观察报记者温淑萍认为：互联网医疗是通过互联网改变医疗运作模式，以模式创新为主要形式，仅对供需匹配的过程进行优化。除BAT外还有数十家AI医疗细分企业投入到研发与实践中，企业们的切入点主要是诊疗服务、咨询服务、信息服务，但是都没有真正触及医疗诊断的核心问题，比如怎么提高诊断效率，提高诊断的准确性。

最早投身AI医疗的是IBM，并且已取得了临床实践的经验。“沃森肿瘤”是根据沃森系统的询问、确认步骤、各种输入的参数给予多种治疗方案，第一位是绿色，即推荐首选的；橘黄色是供参考方案，相对于绿色治疗方案，资料效果和副作用都会提高；粉色为不推荐，即对患者健康不利，并发症和副作用大幅提升。沃森肿瘤提供治疗方案的时间短、信息广、案例多，在优先推荐的同步放化疗方案中还列示了疗程、最高的生存率、不良药物反及发生概率，包括药物禁忌症和具体用药剂量等。沃森肿瘤通过发挥在逻辑、推理、认知方法的优势，帮助医生提高诊疗水平，成为医生伙伴。

除了IBM沃森这个案例外，BAT也加速医疗AI布局。2016年，腾讯投资碳云智能并成立人工智能实验室；2017年，腾讯发布人工智能医学影像产品——“觅影”用于早期癌症诊断；2017年7月，阿里发布“DoctorYou”AI系统，主攻方向是医学影像诊断领域。

除此之外，一些细分领域的AI医疗企业在BAT加码AI医疗之前就已经深耕多年，如云知声、科大讯飞、惠医惠影等，例如云知声侧重语音、音像领域，同时擅长门诊、手术、影像多场景电子病例采集；科大讯飞语音平台逐渐切入医门诊语音电子病例采集方面。