为什么Google的AI仅限于现在仅诊断26种皮肤状况

最近有报道称，谷歌的AI系统可以准确诊断出26种皮肤状况，与美国董事会认证的皮肤科医生相当。结果发表在题为“皮肤疾病的鉴别诊断的深度学习系统”的论文中。然而，美国皮肤病学会的一个消息来源列出了70种常见的皮肤疾病。英国皮肤基金会提出了同样广泛的清单。

Google的AI系统只能使用上面提到的70种列表来检测37％的皮肤状况。因此，如果AI这么聪明，为什么它不能检测所有皮肤状况？

对于初学者来说，AI智能可以用两个词来概括：“精度”和“召回率”。精度是机器对给定问题的预测的准确性。机器并非天生就聪明。他们必须接受大量数据的培训，然后才能达到人们可能认为“类似人类”的准确度水平（仅针对一个用例）。

一台机器能够成功评估并做出有意义的预测的用例越多，其“召回率”就越广。最终的AI机器能够保持较高的精度和广泛的召回率。

在Google公告中要注意的一件事是，要应用于26种疾病的AI的诊断精度与美国董事会认证的皮肤科医生“相当”。那句话说，诊断的准确性并不完美。就像训练有素的皮肤科医生不会百分百正确。但是，皮肤科医生和机器在大多数时候都使用有限的召回率来获得正确的诊断。

在机器学习的世界中，精确度和召回率之间的平衡是我创造的“自动化连续体”。

这里有一些定义作为基础。自动化是指使用技术使机器，过程或系统能够比人工更快地执行活动，并具有更高的准确性，并且没有偏见。

自动化应被视为一个连续体

自动化是一个连续的过程。基本自动化涉及机器遵循预编程的规则来执行和重复可预测的任务。先进的自动化技术使机器能够模拟人类的言语，思想和行为，包括通过经验学习和改进。

基本自动化：基本自动化的早期示例是使用带有工作流程软件的机器人在某些制造环境中对零件进行机械加工，焊接，喷涂和组装。随着自动化技术的进步，机器现在也能够在无需人工干预的情况下执行较难预测或更高技能的任务。例子包括在快餐店收银，并帮助客户开设银行帐户。更智能的机器还可以增强和扩展人员的能力，减轻知识工作者的许多日常管理任务的负担，例如会计师，律师，财务顾问和销售专业人员，从而使他们腾出更多精力从事更有价值的活动。

先进的自动化：具有机器学习功能的人工智能为自动化增加了另一个层面。 AI是机器，过程或系统执行复杂任务的能力，这些任务要求过去被认为是人类专有的能力，包括能够以与人类传统反应一致的方式对刺激做出反应。这些功能包括使用人类语音进行理解和交互，解释和匹配图像，识别数据模式，提出建议，预测结果以及从经验中学习，而无需进行明确编程。

基于AI的系统可以组合来自各种输入的信息，快速分析信息，根据从信息中得出的见解采取行动，并根据成功和失败进行自我调整。这使他们能够在没有人工干预的情况下执行更高级别的活动，或者进一步增强和扩展人类在疾病诊断和治疗，安全和监视，信用卡欺诈预防，社区驱动的导航以及自动驾驶汽车等应用中的能力。

关于自动化的决定取决于您需要完成的工作

在特定的应用程序中，所需的自动化级别取决于复杂度范围内的以下各项：1）执行任务所需的可用输入，以及2）所需的输出。在定义任务输入并且所需的输出用于执行相对简单的任务的范围的一端，基本的自动化可能就足够了。例如，在装配线上装配汽车零件或处理自助食品订单。

在另一端，任务输入是随机的，而期望的输出是观点或预测，则需要具有机器学习功能的基于AI的系统。一个示例是自动驾驶汽车，该汽车必须预测站在街道拐角处的人是否会走出汽车前的街道。在此示例中，出于明显的原因，准确性至关重要。可以预测60％的时间正确发生的自动驾驶系统显然是不够的。随着时间的流逝，有了更多的数据和对行人行为的直接经验，该系统的准确性可能会提高到近乎完美的水平，这在错误可能导致人身伤害甚至死亡的情况下是必需的。

对于皮肤病学中的AI，在通过AI“学习”的26种疾病中，机器对于这26个用例具有足够的准确性。尽管我们要求机器提供意见，但意见的准确性要优于或等同于人类皮肤科医生。对于尚未学习的其他44种皮肤疾病，该机器可能有一种见解-尽管不是那么准确。您可以看到精确度和召回率之间的相互作用……然而，随着时间的流逝，人工智能将能够准确地诊断出所有70种疾病，这与美国董事会认证的皮肤科医生相当。