中青在线新闻网

平安科技于数据洪流时代,实现人工智能进阶

?

像永生和星际漫游一样,人工智能是人类最好的梦想之一。计算机科学之父和人工智能之父艾伦梅森图灵(Alan Messon Turing)在着名论文《机器会思考吗?》中提出了图灵测试的思想,并提出了计算机是否可以具有人类意识的思想。

认真认真地工作,考虑仍在轮换的员工,请给我一打

近年来,如何使计算机系统具有学习能力,即“机器学习”已成为研究人员朝人工智能方向研究的重点。科技巨头也在这一领域投入了更多资源,从而推翻了最初的决策和运营模式。站在变革的十字路口,如何在这场巨大的数字战争中取胜?平安科技选择“利用趋势”。

机器学习是指机器发现现有知识中的空缺,然后模拟人脑并模拟进化,系统地减少不确定性,识别新知识和旧知识的相同点,并完成学习。机器学习包括多种模式。例如,基本算法可用于对数据进行聚类并发现分组数据中存在的隐藏模式,从而实现计算机自动学习。

例如,假设您要构建一个识别猫的程序。传统上,我们需要输入一堆指令,例如毛茸茸的猫,胡须等,然后计算机会根据这些指令识别它们。但是,如果我们显示老虎的图片,程序应该如何反应?而且,以传统方式制定所有规则,不可避免地会涉及一些困难的概念,例如毛茸茸的定义。因此,更好的方法是让机器自行学习。我们可以为计算机提供大量的猫照片。系统将以自己的方式捕获功能。随着数据的增加,系统将继续学习和更新,最后可以做出准确的判断。

例如,Ping An Cloud RPA An Xiao Bee是一个软件工具平台,可以根据既定规则模拟人为操作并与计算机进行交互以代替手动过程自动化。这是提高企业效率的低成本高效解决方案。程序。拥有AI Emerson的平安科技具备机器学习功能,可在操作过程中累积关键过程数据。通过分析每个节点的操作数据,挖掘其背后反映的过程问题,并进行过程诊断和优化。为客户提供从RPA转向IPA的端到端一站式流程智能自动化解决方案。借助机器学习功能,RPA可以在过程中不断进行自我调整,以实现连续的动态智能。 An Bee的负责人曾说过,这就是我们告诉An Bee的方式,最好是转过An Bee告诉我们该过程将如何进行。

原来是国王,但国王会提升自己

Anbu Bee通过大数据的改进和强大的硬件计算能力促进企业效率的提高和利润增长,并为整个产业链赋能时,机器学习取得了突破性进展,而发展最快的技术之一就是“深度学习”。学习。”深度学习是一种“深度”机器学习。它的灵感来自于人脑的工作方式,或者是针对猫的程序。深度学习无法通过人类提供的信息来区分猫和老虎。相反,它将扫描图像中的所有像素以发现可用于区分两个动物的边缘,然后将其边缘和形状以可能重要的顺序放置,以确定这两个动物。因此,它需要更多数据和一台高端计算机,该计算机能够处理具有数字和大量数据的离散图形,从而可以正常工作。

在过去的31年中,平安通过与医疗有关的业务积累了大量的数据库和知识库,为医学领域的深度学习奠定了坚实的基础,从而树立了医疗大脑并将数据文献知识转化为医疗。知识图谱可实现智能诊断和治疗。通过有效的治疗案例和不间断的数据存储,具有深度学习功能的医学地图可以积累经验并继续学习。从最初的症状询问到测试项目,从诊断中的诊断和诊断,到诊断和治疗计划,诊断后对治疗效果的随访,授权诊断和治疗的全过程,类似于“老医师”式的生长方式,吃香的时间越长。” AskBob(已成为大多数医生的工作)也是使用这种技术覆盖基层医生的目标。

精度的每一次提高都意味着无数人没有疾病。

一直以来,平安仍在致力于智能疾病预测的方向。 AI深度学习在实时流感预测过程中有什么价值?目前,传染病的预测主要依靠传统的ARIMA(自回归综合移动平均模型)模型,数据源单一,预测准确性有限。随着深度学习和人工智能的逐步兴起,时间序列分析也取得了很大的进步和改进。平安综合了多个数据源(包括历史发病率,死亡率,百度搜索索引和季节性信息)和多种方法(包括非时间序列模型Ridge Regression,XGBoost和时间序列模型ARIMA,LSTM)来预测中国的传染病。科学表明,深度学习中的LSTM模型具有出色的性能。

不久前,中国平安与重庆市疾病预防控制中心,第三军医大学和清华大学联合在四大国际医疗机构之一的EBIOMEDICINE上首次发表了智能疾病预测论文。期刊。本文结合了各种先进的人工智能算法,创新地建立了自适应AI模型(SAAIM),可以动态调整参数,可以准确地捕获流感不规则的季节趋势,并传播流感。流行性感冒的因素。它可以帮助政府机构科学,前瞻性地分配公共卫生资源,使医疗卫生机构在流感季节提前做好准备,提高疾病预防和控制效率,减轻政府的医疗财政负担和经济负担个人疾病。

在现代时代,无限的存储容量和突发的数据洪流相结合,使“机器思维”的主张从幻想到幻想成为可能。每一项技术创新都会对时代产生不可估量的影响。如今,人工智能能否通过机器学习或更深入的深度学习实现下一个技术飞跃,我们将拭目以待!