图片源自pixabay

越来越多的 AI 公司其实已经意识到,不是单项技术就能满足实际场景的需求,而是需要一揽子整体解决方案,全栈式解决方案呼之欲出。

“大多数 AI 创业者都是先做好自己的技术,然后拿着这个技术到处找可以落地的场景。”深思考人工智能(以下简称深思考)创始人杨志明认为,这些创业者的做法是有“问题”的。

“很多人不习惯为单独的技术或服务买单,就像买电脑,用户恨不得店员将系统以及所有可能用到的软件都安装上,也就是说大家更愿意为软硬件一体化的全栈式解决方案买单,这是中国的独特文化。”杨志明表示,任何一个孤立的技术想要实现技术落地都比较困难,而且即使落地了也很有可能收不了费。

在杨志明看来,理想的创业思路应该是:先找到行业的痛点,以解决行业痛点为核心要务,不拘泥于某一种技术,而是采纳所有有助于解决问题的技术,并以此为基础打造一套完整的行业解决方案。“只有这样,技术才更容易落地,落地之后也才更容易收到费。”

当然,杨志明并非理论家,实际上,他也正在实践着自己的这个理论。

杨志明带领深思考打造了一个集 NLP(自然语言理解)、CV(机器视觉)、AI 芯片为一体的“多模态深度语义理解”全栈式解决方案——深思考大脑 4.0。

据了解,多模态深度语义理解深思考大脑 4.0 是能够同时对语音、文本、视觉图像等多模态信息做深度语义理解与多轮人机交互的人工智能引擎,该引擎将人工智能从识别感知推进至深度语义理解阶段。

“AI 的研究已经推向了后深度学习时代,”杨志明说,“在很多实际应用场景下,机器要同时理解文本、视觉图像等多维度的信息。”

越来越多 AI 公司其实已经意识到,不是单项技术就能满足实际场景的需求,而是需要一揽子整体解决方案,交互的时候除了 NLP 也要涉及到影像的交互,如果想让交互更理解用户更加快速的运算,肯定又需要底层芯片加速配合,这样的布局和转变正在悄悄发生。”

由于具备 AI 芯片(iDeepWise M-DPU)研发能力,深思考大脑 4.0 可以为行业提供从端到云的全栈式解决方案。端模式以软硬件一体化的形式,更适合注重数据隐私的 B 端客户,云模式则更“轻”,更适合在某个领域大规模应用推广。

两癌筛查效率急需提升

据了解, 从 2009 年开始,国家便已经将两癌筛查定为国家级重点项目,根据《中国妇女发展纲要(2011-2020年)》制定的目标,宫颈癌筛查覆盖率需达到 80%,基于我国女性人口总数约 6.5 亿,30% 从来没有进行过筛查的事实基础,目前筛查率远低于这一水平,未来 8 年宫颈癌的筛查可撬动 5760 亿市场空间。

然而与巨大的市场需求不同,宫颈细胞学阅片人员却严重不足,中国病理医生与人口比例为 1:70000,而美国为 1:2000,伴随着阅片数量增多,阅片压力也在慢慢增大,阅片人员由于疲劳和技能水平及主观判读等因素造成假阳性、假阴性高,敏感性仅有 65% 左右。

为此,深思考医疗解决方案的最重要一步就是利用机器视觉技术辅助医生阅片。

众所周知,大数据是以深度学习为基础的人工智能的关键因素,在算法类似的情况下,数据越多,最后训练出来的模型效果也就越好。因此,深思考一直都很重视数据的积累,具体来说,目前其已经通过合作等方法积累了超过 100 万份宫颈癌医疗影像样本以及 50 万份乳腺癌医疗影像样本。

基于这些医疗影像大数据,深思考通过深度学习等技术实现了提取宫颈细胞的关键特征、自动分割团簇重叠细胞、快速识别涂片上病变细胞的分级类别等技能。

考虑到医疗行业很多敏感数据不能上云的现实,如果通过在本地搭建 GPU 服务器来辅助医生阅片,GPU 不仅开销昂贵而且功耗还比较大。因此,杨志明还带领团队研发了基于 FPGA 的医疗影像专用 AI 处理器 M-DPU,“不仅功耗更小,而且性能也将更好。”杨志明介绍,这些芯片都支持直接安装到显微镜等医疗器械上,让这些医疗器械从简单的数据采集工具升级成智能设备。

总之,在算法、大数据以及 AI 芯片的加持下,深思考两癌筛查方案在精度以及效率方面都取得了不错的成绩:

  • 高精度:细胞分类精度 99.3%;宫颈细胞筛查敏感性 98.4%,特异性 99.7%,排阴率达到 81%;
  • 高速度:90 秒分类 7 万个细胞;
  • 高通量:可以批次扫描 1-480 样本。

不过,如果仅仅只是利用机器视觉来辅助医生阅片,市面上有类似技术的企业其实并不少。而这也不是杨志明博士所强调的“全栈式”解决方案。深思考大脑 4.0 还为行业提供了 NLP(自然语言理解)的应用。

杨志明介绍,用户在拿到体检报告之后往往会询问医生需要注意哪些事项,然而医生其实并没有太多的时间与精力来解答这些大多类似的问题。因此,杨志明认为用机器人助手来解答用户的疑虑是一个不错的选择,而深思考大脑 4.0 的 NLP 技术则在其中起到关键作用。

深思考自然语言理解技术虽然并不怎么为大众所知,但其技术水平却已经得到了行业内的认可,据了解,在 2017 年第六届全国社会媒体处理大会上的首届中文人机对话技术测评中,作为中文语义理解与人机交互领域最高水平的赛事,深思考获多轮人机交互语义识别第一名,并且在 2018 年蝉联冠军。

另外,深思考还具有超过百万条机器人人机交互语料、1 亿条人工智能医疗问诊知识库以及 100 多万条营养大健康数据库。杨志明相信深思考的机器人助手绝对会让用户满意。

凭什么同时涉足 NLP、CV 以及芯片行业

据了解,杨志明本人最擅长的技术其实是 NLP,他不仅是中国科学院 NLP、DL 人工智能方向的博士,而且作为一个连续创业者,其创业项目始终与 NLP 相关,也有项目被某纽交所上市公司收购的经验。

对此,对于前面这个问题,杨志明表示:“虽然 NLP 是我的立家之本,但就像我数学特别好,并不意味着语文就不行。”杨志明认为,他之前创业积累下来的算法以及对 AI 的深刻认识都对做后面的事有帮助,“技术是一脉相承的。”

另外,杨志明还表示,虽然他不是做 CV 以及芯片的专业人士,但深思考内部却聚集了一大批擅长做这些事的专业人才。

在市场落地方面,据介绍,深思考的两癌筛查方案已经覆盖 70% 第三方检测机构,并已经跟数家顶级三甲医院达成了合作。

值得一提的是,除了医疗领域,深思考也重点布局了智慧商业领域,通过自身在人工智能领域的独特技术优势,将人工智能赋能智慧展厅,改变传统 4S 店经营模式,为客户提供一站式智慧商业解决方案,目前已经签约奇瑞捷途,其他汽车品牌正在稳定推进中。

据悉,深思考已完成 5000 万的 A 轮融资,并已于今年 8 月开启 A+ 轮融资。目前,已有多家知名投资机构与深思考进行深度接洽,深思考将在智慧医疗大健康和智慧商业方向与新投资人开展深度战略合作,充分发挥协同效应,构建更加强大的产业生态体系。