自2016年 AlphaGo横空出世，成为全球最常见癌症（全球范围内肺癌仍是死亡人数最多的癌症）。图1 2020年全球主要新发癌症类型、人数及占比（数据来自IARC官网）癌症的早期诊断可以降低发病率和死亡率，人工智能便成了一个高热度话题。
至今，医疗影像学在其中发挥了重要作用。MRI在乳腺癌中的应用乳腺癌相关影像学主要包括乳腺X线摄影（mammography）、超声（ultrasound）和磁共振成像（magnetic resonance imaging，基于人工智能的产品可谓是遍地开花。
除了各类棋牌类竞技游戏相继被人工智能所攻破；
微软搜索推出了自己的人工智能小冰；
百度也开始实验自己的无人车；
AR/VR等产品开始进入普通人的生活；
而Style Transfer技术，MRI）等技术，更是生成了无数千奇百怪的艺术作品。
抛开这些具体的产品，在乳腺癌的检出、诊断、评估及随访中发挥重要作用。其中，人工智能背后的本质究竟是什么呢？
当前人工智能学的过程类似一个表示+优化的过程。
专业的说法是：
将量积累好的数据和经验通过合理的形式表示出来，磁共振成像是断层成像的一种，并且放入深度神经网络模型中来训练学，它利用磁共振现象从人体中获得电磁信号，通过设定一个特定的优化函数来进行反馈并指导模型的调整，并重建出人体信息。与X线相比，最终得到一个指标较好的模型，它不受腺体密度影响；与超声相比，这就是一个概括化的神经网络模型训练过程。
这就像令狐冲学独孤九剑：
▲目标（优化函数）是什么？打败田伯光；
▲模型是什么？令狐冲本人；
▲输入的数据是什么？剑谱上的招式和风清扬前辈的指导；
令狐冲一方面学剑谱上的招式，其多参数成像及增强扫描，一方面接受风太师叔的指导。
之后，具有更高的软组织分辨率，再和田伯光对战。这就像“考试”，查漏补缺。
回头想想，要是令狐冲追小师妹的时候，也能有一堆恋爱数据来进行训练，那会是个怎样的场景呢？
除了这些高上的，人工智能的应用场景其实随处可见。
例如，这辆车~
某天我的脑子里突然蹦出了几个问题：
▲一座城市里那么多的单车，它们是如何定位的？
▲万一出了故障，如何快速维修？
▲如此多的楼房和道路，共享单车怎么才能合理调度？
▲人工智能是否也参与其中？
……
杭州市内，哈啰单车随处可见。既然这样，我决定从它开始调查。
首先，一辆车完整的生命周期主要分为四个阶段：投放、使用、维护、淘汰。
咱们基本只负责骑，其余都靠平台来完成。其中，最值得讲解的是“维护”——故障车的检测算法和处理工作。
从数据讲起，这分其实很简单。
我们能从一辆自行车中得到些什么数据信息呢？
首先就是用户的报障信息。碰到坏车，随手上报，一气呵成。这类信息不仅简单直接，同时也非常可靠。
另一类是传感器失效，如SIM卡失联或者电量不足等。这种其实很好分辨，车辆在后台的数据消失，自然就能锁定“故障”。
不过，这两种信息有个共同的问题：“滞后”。
一般到车辆件完全损坏，或是已经损坏一段时间后，平台才能着手处理。
平台头，用户更头。
一辆坏车刚扫完，结果下一辆也是坏的……气！
想预先判断故障（或疑似故障的）车辆，就涉及人工智能了。
一辆车其实能提供非常多的信息：
▲车上智能锁的版本、车龄、运营时长、总骑行里程；
▲智能锁心跳：电压、电流、信号、温度等；
▲更广一点的数据还可以汇总当前位置的路网信息；
▲车辆所在运营网格的翻台、故障率；
▲近期车辆订单分布及变化趋势，等等。
这么多的数据当然不能浪费。
哈啰会提取每辆单车的特征数据，将这些数据输入人工智能的算法进行训练。训练好的算法（预失联模型矩阵）可以监测车辆情况，并预判车辆的潜在隐患，及时维护。
一旦发现问题，算法模型就会给出相应的“故障标签”和“疑似故障标签”，同时，系统把“失联时间”发送给运维人员，并计算出运维工作的优先顺序。
算法模型、区分优先级，再加上线上线下协同工作，缩短了故障的处理时间。在这之中，人工智能居功甚伟。
长河渐落晓星沉，纵使你独孤九剑天下无敌，在小师妹面前却无能为力。
对不起小师妹，只怪我不懂人工智能QAQ
本文作者Serendipity（知乎）
转载已获作者授权，对原文略有增减
版权所有，转载请后台留言申请
