DeepMind日前公開了他們首款醫療AI落地產品，能診斷50多種眼疾，精度超越人類醫生。為了訓練這個系統，DeepMind 用了近1.5萬個人工標注的數據。盡管這項工作非常了不起，但從更廣闊的視角看，從不會學習的電子計算機，到需要大數據才能“教會”的深度學習，有沒有可能更進一步，實現像人類一樣只需要小數據就能學習的方法？本文作者復星集團AI首席科學家、大數醫達創始人鄧侃博士認為，Deep Coaching 或許是一種可行之道。

DeepMind是Google旗下專注于人工智能研究的公司，DeepMind最出名的成就是AlphaGo系統，它戰勝了當今世界所有圍棋高手。

2018年8月13日，DeepMind一組研究員，在Nature Medicine上發表了一篇論文，題為“Clinically applicabledeep learning for diagnosis and referral in retinal disease”，用深度學習算法，學習視網膜疾病的診斷和轉診，并付諸臨床實踐。

這篇論文的內容，媒體上已經有不少報導，似乎沒有必要進一步讀解。但是我們不妨退后幾步，用更廣闊的視角，審視從電子計算機到智能機器的演進。我們已經實現了哪些成就，目前主要的障礙有哪些，并探討如何解決這些問題。

三位大師成就電子計算機，但只能服從指令不會學習

說到電子計算機，就必須仰望三位大師：圖靈、馮·諾依曼、香農。

電子計算機與傳統機器的本質區別是，計算機把指令與操作分離，機器預先不知道要進行哪些操作，根據實時下達的指令完成操作。而且，計算機還可以把一系列指令，編制成程序，動態地生成指令，讓機器完成更復雜的復合操作。

計算機的原理，由圖靈首創。用電子器件完成計算機的工程實現，由馮·諾依曼首創。而數碼信息的通訊，包括編碼解碼和傳輸通道，由香農首創。

但是，電子計算機只是機械地執行程序賦予的指令，并不會像人類那樣思考，尤其是不會像人類那樣學習。

神經網絡會“學習”，但需要大數據，與人腦思考方式不符

那什么是“學習”？

有一種觀點認為，學習=函數擬合。如果把函數表達為y = f(x)，又有一大堆訓練數據，也就是一大堆 (x，y)數組，那么學習過程，就是從訓練數據中，得出對原函數的近似模擬

。

1940年代，科學家們模仿神經元的解剖學構造，發明了一種數據結構——神經元perceptron。科學家們發現，把多個神經元組合在一起，構成神經網絡，神經網絡能夠表達幾乎任何函數。換而言之，神經網絡是通用的函數，學習的過程，等同于猜測神經網絡的參數。海量訓練數據的用途，在于不斷地優化對神經網絡參數的猜測，使神經網絡能夠更好地模擬目標函數。

“學習”等于猜測神經網絡的參數，大數據用于不斷優化對參數的猜測

但是，要表達復雜函數，需要規模龐大的神經網絡，神經網絡包括上百層神經元，每層包含幾千個神經元。Geoffrey Hinton教授，給這種超大規模的神經網絡取了一個名字——深度神經網絡。

深度學習（Deep Learning）也是由此而來。

深度學習是一種通用的方法，能夠應用在很多領域，尤其在圖像識別、語音識別、自然語言處理三大領域的應用，與傳統方法相比較，深度學習取得了突破性的進展。

但是，深度學習經常遭人詬病的弱點有三：

1.需要大量訓練數據。譬如DeepMind昨天發表的論文中提到，他們用14,884個經過人工標注的訓練數據（醫學圖像），學習50 多種視網膜疾病的診斷。人工標注14,884張醫學圖像，工作量不小。但對于深度學習來說，經常需要百萬級訓練數據。從百萬數量級，降低到14,884張標注圖片，已經是很了不起的進步了。

2.黑盒子。神經網絡的內部參數，沒有明確的物理意義，無法用人類聽得懂的語言，解釋深度學習的結果。

3.沒有仿生學基礎。人類不需要幾萬張圖片的訓練，就能學習掌握讀片的訣竅。很顯然，人類大腦的學習過程，與深度學習并不相符。

DeepMind的方法：分兩步降低數據量，符合人類醫生診斷習慣

DeepMind的改進方法，是把讀片分成兩步：第一步從原始圖像中，提取病灶特征，類似于人類醫生讀片報告中“檢查所見”的段落內容；第二步根據檢查所見的病灶特征，用分類的辦法，診斷出罹患的疾病，類似于人類醫生撰寫的讀片報告中“檢查結論”的段落內容。

把讀片分成兩步，好處有三，

1.把一大步分解為兩小步，每一小步的復雜度降低，導致神經模型的規模降低，導致訓練神經模型所需的訓練數據的數量降低。

論文自豪地聲稱，他們只用了14,884個經過人工標注的訓練數據，就訓練出了圖像識別系統，其精度媲美人類醫生對視網膜疾病的診斷精度。

不同設備拍攝出的圖像效果不同，因此每一種設備，最好都配有自己專用的深度學習模型（也即N種設備有N個模型）。但是，這些模型的輸出，卻都是標準化的“檢查所見”的病灶特征。從標準化的病灶特征，到“檢查結論”的疾病診斷，只需要一個模型（因此，總共需要N+1個模型）。

雖然不同設備的專屬模型，理論上各不相同。但是在生成新設備的專屬模型時，可以在已經生成了的其它設備的專屬模型的基礎上，做進一步調優。調優需要的訓練數據，數量大大降低。

2.通過分析診斷模型的參數，可以窺探到哪些輸入的病灶特征，對診斷結果的影響更大。也就是說，可以基于從輸入到輸出的敏感性分析，來解釋深度學習模型的內在邏輯。

3.把讀片的過程，從一個大步，分解為兩個小步（檢查所見與檢查結論），符合人類醫生讀片的習慣。

遺留的問題，是如何進一步降低對訓練數據（人工標注過的醫學圖片）的數量要求，尤其是第一步，從不同設備拍攝的照片中，提取病灶特征。

深度教練：讓深度學習模仿人類教學過程，大幅減少訓練數據

假如我們把深度學習（Deep Learning），改進為深度教練（Deep Coaching），或許可以大幅度降低對訓練數據的數量要求。

深度教練（Deep Coaching）模仿人類老師指導人類學生的過程。

人類老師指著一張醫學圖片說：“看這里，這里是某種病灶。注意，某種病灶的形狀和紋理，具有這些特點。”

學生指著圖片中另一個區域說：“老師，這里也是病灶嗎？”

老師說：“不是的，因為病灶的面積太小。”

學生又指著圖片中第三個區域說：“老師，這里應該是病灶了吧？”

。。。

如何用深度學習模型，模仿人類的教練過程？需要解決以下幾個問題：

1.如何識別形狀、紋理和大小？

形狀、紋理、大小，是圖像識別中的通用特征，有大量已經被人工標注過了的圖片，可以用于模型的訓練。問題在于如何窺探深度學習模型中哪一層的哪些神經元，分別代表形狀、紋理和大小。這個問題，有多種解決方案，譬如dropout等等。

2.如何讓深度學習模型，理解“看這里，這里是某種病灶。注意，某種病灶的形狀和紋理，具有這些特點”。

沿用CNN的辦法，把整個圖像分割成若干小區域。然后對深度學習模型進行調參，盡可能放大病灶區域，與其它區域的差別，假設其它區域是無病灶區域。如果老師明確說，形狀和紋理是關鍵特征，那么對于深度學習模型而言，等同于先驗地放大相關參數的初始設置。

3.如何讓深度學習模型模仿學生，指著圖片中另一個區域說：“老師，這里也是病灶嗎？”

用第二步訓練出來的模型，掃描整個圖像，標記出其它疑似病灶區域。

4.如何讓深度學習模型理解老師的糾正，“不是的，因為病灶的面積太小。”

等同于對深度學習模型進行調參，尤其是與病灶面積相關的參數，使得模型的輸出正確。

。。。

完成深度教練的全部過程，應該最多只需要幾十個回合。所需的訓練數據，也就是標注過的圖片，估計不超過十張。而且每張標注的圖片，不需要把所有病灶都標注出來。

深度學習vs深度教練的比較研究，似乎值得探討。

有志者，不妨來合作。