數字化轉型的技術基礎與實施方略及教育啟示

余 中

數字化轉型的技術基礎與實施方略及教育啟示

余 中

（北京智慧經綸健康科技公司，北京 100040）

桑：余中博士（簡稱“余”）是信息技術和人工智能領域的專家，1997在美國加州理工學院獲得博士學位，導師是信息論創始人香農的傳人Robert McEliece教授，另一位論文導師是神經網絡機器學習理論的奠基者、著名人工智能專家John Hopfield教授，畢業后曾擔任全球最大的通信公司美國AT&T的技術總監及總體架構師，2010年余博士作為“北京市政府特聘專家”歸國參加國家醫療大數據建設，創建智能醫學服務平臺和中西醫全科醫療AI系統，積累了人工智能在醫療健康系統創造性應用的豐富經驗，現在還是清華大學人工智能國際治理研究院特聘專家。我們請他從技術的視角，談談對數字化轉型的切身體驗。

余：近兩年在和桑教授的深度交流中，我深感人工智能在醫療和教育這兩大民生領域的應用有很多相似之處。例如，優質醫療資源和優質教育資源的稀缺，是制約全民健康水平和幸福指數、解決社會公平的時代難題；又如，醫療服務對象的病人是千差萬別的，如何進行個性化的精準醫療，是醫療服務面臨的大難題；而教育領域如何超越整齊劃一的課程教學模式，真正實現因材施教，是教育數字化轉型的大難題。人工智能的廣泛應用是破解這兩大難題的有效途徑和必由之路。

第一篇文章中桑教授對信息化、智能化、數字化三者關系的論述清晰、簡潔、通俗，下面我從技術的視角作進一步闡述。

一 數字化是信息化不斷升級的技術基礎

縱觀幾十年來世界信息化的發展，每一階段的攀升都與數字技術的創新密切相關。信息技術的實質是人類接收、加工、存儲、交流信息能力的外化、延伸和強化，其實現的技術路徑是要把人的感覺、思維和相應的語言、文字、圖像等符號體系，轉化為可以用光電信號處理的數據，而破解這一難題的正是數字技術。計算機的誕生是數字技術在數學邏輯運算領域的突破，創造了二進制的計算機語言和程序，實現了大大超過人腦的強大算力和邏輯轉化與推理能力；經過幾十年的發展，計算機先后破解了文字、聲音和圖像等數字化難題，使“電腦”越來越像人腦，人機之間的交流也越來越人性化，這就為計算機的應用和普及鋪平了道路。互聯網的誕生是人類傳遞生物信息的神經系統之外化和數字化，由此實現了無數電腦和人腦的“聯網”，并創造出每時每刻海量增長的大數據海洋，遠遠超出了人腦和神經系統加工處理信息的能力，人工智能呼之欲出、應運而生。

二 智能化是引領數字化的目標與價值導向

對人類的智力發展來說，“大數據”既是挑戰又是機遇。大數據是潛在的資源，從“資源”轉化為“價值”，必須實現有效數據分析、數據挖掘。最有效的數據分析就是近些年來不斷升級的人工智能機器學習算法。什么是人工智能？桑教授有一句通俗、生動的表述：“人工智能的本質是讓機器學會學習。”用技術的專業語言來表述，人工智能的核心技術主要包括：①機器學習，其學習模式可分為監督學習、無監督學習、強化學習等，學習方法可分為傳統機器學習和深度學習；②知識圖譜，是把各種類型信息連接在一起而得到的一個關系網絡，從“關系”角度分析問題的能力；③自然語言處理，是利用計算機技術實現不同自然語言的機器翻譯，并實現對文本篇章的語義理解，讓計算機用人類自然語言與人交流的問答系統；④計算機視覺，是使用計算機模仿人類視覺系統，讓計算機擁有類似人類提取、處理、理解、分析圖像和圖像序列的能力，包括計算成像學、圖像理解、三維視覺；⑤生物特征識別，是通過個體生理特征或行為特征對個體身份進行識別認證的技術，包括指紋識別、人臉識別、虹膜識別、聲紋識別、步態識別等。

當今迅速發展的智能化浪潮，其技術基礎都是數字化的升級換代，在迭代中飛速提升的智能化算法和算力，在軟硬件開發和各行各業廣泛應用中不斷取得新突破。支撐深度學習的深度神經網絡是非常龐大的系統，需要海量數據、強大算力的支撐來進行網絡訓練。深度學習算法模型對于算力的巨大需求，推動了芯片業的創新發展，如訓練深度神經網絡用到的GPU、TPU等特殊人工智能芯片的開發設計和應用。深度學習框架是進行深度學習的基礎底層框架，包含主流的神經網絡算法模型，提供穩定的深度學習API，支持訓練模型在服務器和GPU、TPU間的分布式學習，部分框架還具備在包括移動設備、多種平臺上運行的移植能力，從而為深度學習算法帶來前所未有的運行速度和實用性。目前主流的開源算法框架有TensorFlow、Caffe/Caffe2、CNTK、MXNet、Paddle-paddle、Torch/PyTorch、Theano等。

隨著人工智能在各行各業的廣泛應用，人們越來越清晰地認識到，為滿足人工智能在應用中不斷增長的需求目標（如人工智能的可解釋性、知識自動生成、通用性等），僅靠“數據驅動”的機器學習是有一定的瓶頸和局限性的，只有依靠凝聚了人的智慧、經過長期積累篩選建立的不同行業的專業知識才能有效破解，這就必須實現“數據驅動”與“知識驅動”內在結合。知識驅動是基于專業知識的人工智能“邏輯推理”，早期人工智能“重推理”，近期的人工智能轉向“重學習”（數據驅動的機器學習），如何將此兩者相結合，是新一代人工智能創新發展的大趨勢與攻堅戰，也由此引領數字化發展的目標和價值導向。

三 人機協同的增強智能是破解醫療、教育難題的希望之路

當代人工智能發展與應用前沿的虛擬現實/增強現實（VR/AR）和“元宇宙”（Metaverse）值得特別關注。VR/AR面臨的挑戰主要體現在智能獲取、普適設備、自由交互、感知融合四個方面，智能化視聽技術生成與真實環境在視覺、聽覺、觸感等方面高度近似的數字化環境，包括數字人、數字孿生、平行系統、平行世界（元宇宙）等，用戶借助智能裝備與數字化環境中的對象進行交互，獲得近似真實環境的感受和體驗，通過顯示設備、跟蹤定位設備、觸力覺交互設備、數據獲取設備、專用芯片等實現更深層次的人機交互，包括語音交互、情感交互、體感交互、腦機交互。

元宇宙是基于VR、AR等人機交互技術，建立完全數字化環境，支撐數字邏輯實現的現實世界的業務邏輯重構。元宇宙覆蓋的內容不僅是信息的表示、呈現和傳播，還包含人類生產、生活的全部內容。元宇宙系統實現數字化的方式，既有數字孿生，也有數字原生，還有虛實相生。數字孿生不僅把現實世界中物理性存在的內容映射為數字化內容，而且將現實世界中非物質性存在的內容，如法律、制度、規范、風俗、習慣等內容映射為數字內容。元宇宙系統還包含大量數字原生內容，這是純粹數字世界自己生成的數字化內容，它們在物理世界中并不存在對應的對象，這些數字化內容與現實物理世界還將發生各種關聯，生成更多數字世界虛實相生的新內容。元宇宙特征包括沉浸體驗、高仿真，實時運營、多維互動，高效內容生產，身份與規則以及保障大規模用戶持續在線。圖1是“元宇宙”特征對應技術群支撐系統框架圖，包括關鍵技術、角色及細分技術三大部分。

圖1 “元宇宙”特征對應技術群支撐系統框架圖

這是在信息化向智能化不斷攀升過程中降臨在人類面前的數字化生存新時空、新天地，展現了包括教育醫療等所有領域走出工業文明步入信息時代的希望與未來。

下面簡要介紹近十年來我們團隊在探索人工智能、大數據等前沿信息技術運用于我國醫療健康系統，破解該領域一系列難題的做法和感悟。

當前中國醫療健康服務體系有兩大痛點：其一，沒有家庭醫生/全科醫生服務體系；其二，90%的優質醫療資源集中在不到10%人口居住的大城市，導致的結果是“無序就醫”“看病貴、看病難”。

2010年我們創建了北京智慧經綸健康科技公司，團隊專家包括國內外大數據與人工智能專家、國家醫療健康信息化專家，與中華醫學會、中國健康促進基金會、國家疾病預防控制中心、全國近700家三級公立醫院等合作開展了一系列國家級醫療健康大數據科研項目，采集、治理（數據清洗與結構化處理）與分析（數據建模與分析）一億人的醫療健康大數據，將基于西醫循證醫學與中醫辨證施治的醫學臨床路徑與基于機器學習的大數據疾病預測模型相結合，開發了基于“知識圖譜/貝葉斯推理網絡+機器學習”的“醫學AI大腦”（探索新一代人工智能技術在醫療健康領域的創新應用與發展），開發了“AI三云聯動”（全科醫療AI云、專科醫療AI云、家庭健康AI云）全民健康智能服務平臺，為患者/客戶提供中西醫智能診療和“預防、保健、診療、康復”全流程一體化的醫療健康服務體系（如圖2所示）。

在國家衛健委的指導和支持下，我們部署了人工智能賦能基層醫療的示范工程，入選國務院發展研究中心智庫《改革開放40周年成果：中國樣本》成功案例，被譽為“人工智能賦能的21世紀赤腳醫生”，世界銀行和世界衛生組織專家團實地考察后給予了高度評價。“AI三云聯動”全民健康智能服務平臺現已部署2000多個醫療機構、服務覆蓋1000多萬人。人工智能與人類智能的“共生系統”（人工智能賦能醫生服務/患者管理，全流程服務與管理數據反饋優化人工智能，兩者建立相互支撐、增強學習的共生系統），是快速提升百萬級數量全科家庭醫生的醫療服務能力、實現具有自學習能力的醫學人工智能、提供普惠醫療與全民健康服務的有效方法與實施路徑。2022年春節后新冠病毒在香港全面爆發，我們應邀通過醫學AI大腦開發和部署了“新冠中醫AI診療與防控系統”，助力香港醫生實現了新冠患者中醫診療臨床全過程AI數字化管理服務（診斷、治療處方、藥品出單及配送、初診復診、療效評估、統計分析等），極大地提高了香港醫生的新冠診療能力、效率、專業化水平及患者管理能力，得到香港醫生、特區政府、國家援港抗疫中醫專家組的高度評價。

圖2 “AI三云聯動”健康智能服務平臺/人類智能與人工智能醫學共生系統示意圖

我們希望能與教育領域的同行開展更深入的合作，攜手破解我國人才培養和健康生態文明建設的數字化轉型難題。

桑：余博士介紹的經驗、成果和感悟，對智能化、數字化的內涵、結構、前沿、趨勢進行了系統化、專業化的解讀，尤其是總結和展現了人工智能技術在醫療健康領域創造性應用的成功案例，其中有三點特別值得借鑒：一是創建“三云聯動”的“醫學AI大腦”，整合了國家醫療健康部門、醫院、患者的多層次、多樣化需求和提供這些需求服務的各類資源，并在人機結合的數據挖掘、深度學習中形成了快速迭代的智能化超循環生長系統；二是開發出直接面向患者、家庭和基層醫生的中西醫AI終端設備，在基層醫院和三甲醫院創建支持該終端的全科—專科醫生AI工作站，并與云端的“醫學AI大腦”聯網，提供“預防、保健、診療、康復”全流程、智能化的醫療健康服務體系；三是深入持久地開展人工智能專家（PhD）與醫學專家（MD）的深入交流對話與有效協作，實現人工智能專業技術語言、思維方式與醫療健康領域專業術語、思維方式的交流溝通，培養出一批能聽懂和理解對方語言的跨學科人才，由此創建各領域智能化人才培養的新模式。這些對破解當前教育數字化轉型中的痛點和難題具有很強的啟示。

余中，博士，研究方向為人工智能基礎理論與應用及醫療大數據，郵箱為jyu@mmednet.com。

2022年11月28日