医学人工智能之逻辑问题

孙 康

（浙江大学临床医学，浙江 杭州 310000）

医学人工智能之逻辑问题

孙 康

（浙江大学临床医学，浙江 杭州 310000）

本文将从人工智能的三大学派出发，结合数据信息知识智慧线性过程，尝试统一这三大学派并且分析医学人工智能在未来能否实现。

医学人工智能；人工智能；智慧；逻辑

1 问题思考的缘由

智能即智与能，也就是智慧和能力。人工智能这门崭新的技术科学旨在对人类只能的理论及方法进行模拟，以延伸人类智能扩展人的智能而医学人工智能没有准确的定义，从它的英文Artificial Intelligent in medicine（而非Medical Artificial Intelligent），我感觉医学人工智能这一学科更像是一种人工智能技术在医学上的辅助应用，而非独立在医学领域达到智能的一种尝试，医学人工智能在未来能否独立达到智能呢？

当前人工智能处于“逻辑主义”“联结主义”“行为主义”三大学说三足鼎立的阶段，各自学说进行辅助的人工智能尝试。但是统一是人们一直追求的目标。本文尝试用DIKW理论将三大学说联系起来，并且论证医学人工智能的逻辑问题和是否能独立达到智能（强人工智能）这个问题。

2 DIKW模型

人如何获得智慧，一直是一个难以解决的哲学问题（甚至苏格拉底说真正的智慧是认识到自己的无知），人类的智慧积累可以从经验开始，对于人工智能来说，原始素材的积累并不一定要基于数据，可以基于传感器的感知。但是在基于电子病历和医学书籍的医学人工智能系统，原始素材需要从数据开始。在大数据时代，医学人工智能的发展有了可能。从数据到智慧需要解决：从医学数据到医学信息需要解决如何转化这一问题；从医学信息到医学知识需要解决如何判断这一问题；从医学知识到医学人工智能智慧需要解决如何适应（我认为是智能机器如何适应人类，以及如何适应未来的疾病和医学发展）。

3 如何达到智能

3.1 迷信大数据的失败------大数据的类比模拟

大数据实质是一种挖掘式查询，通过对数据的搜索和解析寻求答案。一般做法为将某个疾病提炼为某些特定病症，对案例数据进行搜索类比和修正获得解法。

然而这做法本质是通过分析病例以及分析记录病例者的思维方式，为某待诊断的病征划定多个假设的解，步步逼近从而缩小问题的范围。这就出现一个问题，原有病例是一个自发过程，现在实际病人患病又是一个自发过程，大数据的类比模拟成了拟合那两个自发过程

哲学问题：生命的不可逆性和不可重复性，医学判断永远不是生命事实的本身，只能参考。

所以简单的大数据类比模拟式无法达到人工智能的。

3.2 符号主义与概率论（数据到信息）

3.2.1 西蒙和纽维尔基于物理符号系统的假设，提出了符号主义。

符号主义认为：物理符号可以作为人认知和思维过程的基本单元，而符号是可以运算的，认知过程可类比为符号表示程一种运算。符号主义认为既然人与计算机都可以认为是一种符号系统，我们就能够用计算机来模拟人的智能行为,这便可以用计算机操作符号来对人的认知过程进行模拟。这种思路和人左脑的逻辑思维（抽象）类似，人的认知系统机理的研究，人认知过程符号的描述，输入计算机的符号的处理，便是模仿人认知过程的途径，人工智能实现的方法，简而言之便是IBM所提出的认知即计算

3.2.2 不确定性问题的解决

由于数据到信息的过程基于归纳，而培根的概率论（从经验到定理到公理）需要基于确定性的模型，从而常识以及不确知的知识表示存在逻辑问题。

贝叶斯概率是解决这一逻辑问题的方法，它将概率解释为对一个不确定的命题信任程度的概念。设有一事件S：1代表发生，-1代表不发生，0代表一无所知，以此建立医学诊断数学模型构架。

一个不确定的常识转化为置信度问题，对于复杂的医学诊断，还需要将一个个常识信息联系起来，人们通过贝叶斯概率和条件概率找到了从常识信息到诊疗知识的桥梁。

3.3 从条件概率到联结主义（信息到知识）

3.3.1 条件概率

设有事件A与事件B，P（A|B）记为事件A在B事件发生下的概率。若只有两个事件A，B，那么，设若有完备事件组B1,B2,B3,...Bn-1， Bn，对于事件A则有

3.3.2 联结主义

联结主义从认知科学神经学心理学等现代科学成果出发，把人类智能解释为人脑高层网络的活动，它通过神经网络和网络间的连接进行智能的模拟。

3.3.3 由此20世纪80年代提出人工神经网络（ANN），它由神经元结构模型、网络连接模型、网络学习算法等要素组成

人工神经网络是一种具有大量连接的并行分布式处理器,具有通过学习获取知识并解决问题的能力。人工神经网络与基于符号主义的处理离散符号的计算系统不同,描述认知和智力活动的单元已经不是离散符号了,而是亚符号的数值变量。联结主义者工作的目标也从用符号模拟大脑转变成用大规模并行计算建构大脑。

3.3.4 联结主义在医学人工智能的应用

例如“辩证论治”，这是中医学诊疗的方法，这里的“证”市一中带有模糊与不确定的主观论证，一个诊断及的科学与否和医师的临床经验多少及水平高下密切相关。中医的“证”需要整理前人书籍、进行实验研究、观察临床病征、整理病例与总结经验。人工神经网络可部分替代“证”，把某些典型症状作为基本样本，结合智能神经网络模型，能根据这些样本（累死中医医师的经验）分析提出诊断。

这与医生正常并行式医疗思路逻辑相仿：诊断时比如会问你是否发烧（医生的可能性分析，ANN作为一个网络节点赋予各种疾病的数值变量），继续问你是否腹泻（作为另一个数值变量），在获得一定的信息后抛弃某些与该疾病无关的问题，在更有可能的疾病上进一步提出病症的问题。神经元结构模型与网络学习算法帮助医学人工智能更好地解决如何判断这一问题。

3.4 行为主义（知识到智慧）

3.4.1 人工智能应模仿自然智能的进化过程

行为主义者认为人的智能在于感知与行动，因此他们认为行为智能模拟方法在于适应环境而不是像符号主义的表示连接主义那样推理。认知主体在感知后，产生学习、适应等行动的相应。布鲁克斯对传统人工智能提出批判否定,认为智能行为无需符号表示经验知识积累无需逻辑推理。他认为自然界中的智能生命都是由进化产生,那么人工智能应模仿自然智能的进化过程，任何表达都无法真实地反应客观世界，所以不应用符号、符号串、符号运算、符号逻辑表达智能，智能只能存在于与环境的交互作用之中

3.4.2 机器也可以以适应周围环境

1948年维纳在《控制论》中指出：“控制论是在自控理论、统计信息论和生物学的基础上发展起来的,机器的自适应、自组织、自学习功能是由系统的输入输出反馈行为决定的”。控制论为行为主义提出提供理论基础。

这样一来，机器也可以以适应周围环境，也可以受激于环境进行学习进行对环境的判断，新的机器可以基于此从另一个方面逐步达到人工智能，只是我们对于如何控制医学机器达到这一高度尚未清楚地了解。

4 结 论

可是，人是如何适应社会的？哲学至今没有得出结论，主观结果还是客观结果，是否是目的论的产物？

人类是如何获得知识的认识世界的？各种知识论认识论并未得出一致结果。

心理学和社会学生命科学的研究也未取得突破，真正要达到人工智能并非在计算机科学技术和理论上进步就能达到的。

在三大主义的提出中，人们对人工智能有了不断深入的了解，我认为三大主义并不必然三足鼎立代表目前三种取得片面人工智能的方法。在科学的不断发展中，我认为医学人工智能的实现是一种逻辑到联结到行为三种阶段不断前进的过程。虽然目前行为主义难以实现，从知识到智慧难以质的飞跃，如何适应没有解决，现今人工智能最多处于能否正确判断这一命题上，但是我认为遥远的未来，人们在清楚了解人类智能后，必然能创造出人工智能，医学人工智能不再是人工智能在医学领域上的一种辅助运用，而成为真正适应人类社会和医疗发展的技术。

[1] 郑小雪.基于模式挖掘及人工神经网络的量化投资实证研究[D].浙江大学,2015.

[2] 晏家红.面向语义物联网的语义匹配算法设计与系统实现[D].大连海事大学,2016.

本文编辑：王雨辰

R311

B

ISSN.2095-8242.2017.02.1176.02