今年絕對是人工智能最火熱的一年。除了年初AlphaGo和李世石的對弈成為今年的年度大事之外，2016年9月28日下午，從美國傳來了AI人工智能界最重磅的消息，Google、Facebook、Amazon、IBM以及Microsoft正式宣布成立一個名為AI合作組織（Partnership on AI）的非盈利性組織。人工智能不僅僅公眾領域備受關注，在醫(yī)療健康領域也成為熱點。美國癌癥治療排名靠前的十幾家醫(yī)院都在運行IBM Watson，并在今年8月正式進入中國。與此同時，近年來美國、英國、以色列和中國等地不斷涌現(xiàn)醫(yī)療健康領域的人工智能初創(chuàng)公司，融資額和項目數(shù)量均呈上升趨勢，且在多個細分方向取得了較大的進展。
人工智能和醫(yī)療的結(jié)合，在業(yè)務模式、效率、準確度上所帶來的顯著變化讓人們對這項“新”技術關注倍增。實際上，人工智能誕生至今已有60年，而且早在40多年前就已經(jīng)參與到診療中。本文將為你展現(xiàn)人工智能從誕生至今的八個重要階段和重要事件，重溫那段歷史。
第一階段：上世紀50年代，人工智能概念萌芽
1946年2月14日，第一臺電子計算機ENIAC在美國誕生（另一說法是阿塔納索夫·貝瑞計算機，ENIAC為第二臺）。ENIAC的全稱是電子數(shù)字積分計算機，最初是作為輔助炮兵計算炮彈軌跡的工具，在盟軍登陸西歐前一年開始制造，但直到1945年停火時還沒完成。在冷戰(zhàn)初期，軍方發(fā)現(xiàn)了ENIAC的大量其他用途，比如它的17468根真空管被用來測試氫彈的早期設計的可行性。
在這段時間里，科學家們試圖弄清楚機器是否具有真正的智能，如何區(qū)別有意識的人類和無意識的機器。雖然計算機為人工智能的研究提供了必要的技術基礎，但是50年代早期人們才注意到人類智能和機器之間的聯(lián)系。諾伯特·維納是一位美國著名數(shù)學家，控制論的創(chuàng)始人，是最早研究反饋理論的科學家。最熟悉的反饋控制的例子是自動調(diào)溫器，它將收集到的房間溫度與希望的溫度比較，并做出反應將加熱器開大或關小，從而控制環(huán)境溫度。這項對反饋回路的研究重要性在于：維納從理論上指出，一個通信系統(tǒng)總是根據(jù)人們的需要傳輸各種不同的思想內(nèi)容的信息，一個自動控制系統(tǒng)必須根據(jù)周圍環(huán)境的變化，自己調(diào)整自己的運動，具有一定的靈活性和適應性。所有的智能活動都是反饋機制的結(jié)果，而反饋機制是有可能用機器模擬的。這項發(fā)現(xiàn)對早期AI的發(fā)展影響很大。
1950年，圖靈發(fā)表了一篇題為“機器能思考嗎”的劃時代的論文，試圖去定義什么是機器的智能。文中預言了未來創(chuàng)造出具有真正智能的機器的可能性，并提出了著名的圖靈測試：如果一臺機器能夠與人類展開對話（通過電傳設備），只要有30%的人類測試者在分鐘內(nèi)無法辨別出其機器身份，那么就稱這臺機器具有智能。
1955年，紐厄爾和司馬賀（卡內(nèi)基梅隆大學計算機系創(chuàng)立者）編制了一個名為邏輯專家的程序，這個程序被認為是人工智能應用的開端，是第一個AI程序。他把每個問題都總結(jié)為一個樹形模型，然后通過一些算法，選擇最有可能是最終答案的那個樹枝來回答問題。邏輯專家的出現(xiàn)是AI研究領域的一個重要里程碑。
第二階段：1956年，人工智能正式誕生
2006年達特茅斯會議當事人重聚，左起：摩爾、麥卡錫、明斯基、塞弗里奇、所羅門諾夫。
普遍認為，人工智能的概念第一次真正被提出來，是在1956年的達特茅斯會議上。被譽為人工智能之父的達特茅斯學院數(shù)學系教授約翰·麥卡錫組織了一次為期一個月的學會，邀請了對機器智能感興趣的專家，包括哈佛大學的明斯基，IBM公司的羅切斯特，貝爾電話實驗室的香農(nóng)，維納的學生塞弗里奇(模式識別的奠基人)，以及紐厄爾和司馬賀。這次會議的召開其實并不成功，但是在會議上首次提出了人工智能的概念，并對自動化計算機如何模擬人腦的高級功能、如何具有語言能力、如何搭建神經(jīng)元網(wǎng)絡、如何計算規(guī)模理論、如何自我提升等作出研究。在這次會議上，集中了人工智能領域的創(chuàng)立者，奠定了人工智能領域的研究基礎。
此后，大批科學家開始研究人工智能，卡內(nèi)基梅隆大學、麻省理工大學、IBM開始組建人工智能研究中心，并出現(xiàn)了一批顯著的成果。這段時間的重要工作包括通用搜索方法、自然語言處理及機器人處理積木問題等，主要是方法和算法的研究，離實用相差甚遠，但是整個行業(yè)的樂觀情緒讓人工智能獲得了不少的投資。
這段時間的重要成果包括機器定理證明、跳棋程序、通用解題機、LISP表處理器語言等。通用解題機是由編寫邏輯專家程序的同一小組人員開發(fā)的，擴展了維納提出的反饋原理，可以解決很多常識問題。
跳棋程序由IBM科學家亞瑟·塞繆爾開發(fā)。該程序能夠通過觀察當前位置，并學習一個隱含的模型，從而為后續(xù)動作提供更好的指導。塞繆爾發(fā)現(xiàn)，伴隨著該游戲程序運行時間的增加，可以實現(xiàn)越來越好的后續(xù)指導。4年后，這個程序戰(zhàn)勝了塞繆爾本人；又過了3年，戰(zhàn)勝了美國一個保持8年不敗的冠軍。通過這個程序，塞繆爾駁倒了普羅維登斯提出的機器無法超越人類，像人類一樣寫代碼和學習的觀點。他創(chuàng)造了“機器學習”，并將它定義為“可以提供計算機能力而無需顯式編程的研究領域”。
而LISP表處理器語言是由人工智能之父的約翰·麥卡錫開發(fā)，被譽為最適合人工智能的語言一直沿用至今。在人工智能學科成立之后，必然有兩個重要的問題要去解決，一是怎么表示這個世界，二是計算機如何基于這個世界的知識得到智能。人工智能的研究和普通編程不一樣，輸入的數(shù)據(jù)格式多樣，有圖片，有數(shù)學題，有謎題等等，也就是我們經(jīng)常說到的非結(jié)構(gòu)數(shù)據(jù)，都需要先通過“知識表示”，表達成計算機能夠處理的數(shù)據(jù)格式。這個數(shù)據(jù)格式，就是鏈表，這種語言就是LISP。
第三階段：60年代后期，人工智能第一次走向低谷
60年代后期到70年代末，機器學習的發(fā)展步伐幾乎停止，人工智能第一次走向低谷。計算機性能的瓶頸、計算機復雜性的增長以及可供學習的知識不足，計算機找不到足夠的數(shù)據(jù)庫去支撐算法的訓練，智能也無從談起。學者們要求機器對這個世界具有兒童水平的認識，但很快發(fā)現(xiàn)這個要求太高了：1970年沒人能夠做出如此巨大的數(shù)據(jù)庫，也沒人知道一個程序怎樣才能學到如此豐富的信息。很多項目的停滯也影響了資助資金的走向，人工智能進入了長達數(shù)年之久的低谷。
第四階段：80年代，專家系統(tǒng)帶領人工智能崛起
70年代，人們發(fā)現(xiàn)人工智能不光要研究解法，還得引入知識。于是專家系統(tǒng)出現(xiàn)了，使人工智能的研究出現(xiàn)新的高潮。專家系統(tǒng)可以預測在一定條件下某種解的概率，由于當時計算機已有巨大容量，專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律。1972年，一款用于傳染性血液診斷和處方的專家系統(tǒng)MYCIN研發(fā)成功，這個系統(tǒng)是后來專家系統(tǒng)研究的基礎。DENDRAL化學質(zhì)譜分析系統(tǒng)、PROSPECTIOR探礦系統(tǒng)、Hearsay-Ⅱ語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實用化。
進入80年代后，人工智能的發(fā)展更為迅速，并進入了很多商用領域。1986年，美國和人工智能相關的軟硬件銷售達到了4.25億美元。諸多大公司引入了專家系統(tǒng)，譬如數(shù)字電器公司用XCON專家系統(tǒng)為VAX大型機編程，杜邦、通用汽車和波音公司也進入了專家系統(tǒng)。
第五階段：90年代初，人工智能的第二次危機
20世紀90年代之前，大部分人工智能項目都是靠政府機構(gòu)的資助資金在研究室里支撐，經(jīng)費的走向直接影響著人工智能的發(fā)展。80年代中期，蘋果和IBM的臺式機性能已經(jīng)超過了運用專家系統(tǒng)的通用型計算機，專家系統(tǒng)的風光隨之褪去，人工智能研究再次遭遇經(jīng)費危機。1987年之后，雖然研究還在繼續(xù)，但是人工智能已經(jīng)很少被提及了。
第六階段：90年代后期，人工智能強勢崛起，IBM深藍被世人所知
90年代后期，PC普及潮使其從學院走入家庭，互聯(lián)網(wǎng)技術的發(fā)展為人工智能的研究帶來了新的機遇，人們從單個智能主題研究轉(zhuǎn)向基于網(wǎng)絡環(huán)境的分布式人工智能研究。
專家系統(tǒng)之后，機器學習成為了人工智能的焦點，其目的是讓機器具備自動學習的能力，通過算法使得機器從大量歷史數(shù)據(jù)中學習規(guī)律并對新的樣本作出判斷識別或預測。另外，由于Hopfield多層神經(jīng)網(wǎng)絡模型的提出，使人工神經(jīng)網(wǎng)絡研究與應用出現(xiàn)了欣欣向榮的景象。在這一階段，IBM無疑是AI領域的領袖，1996年深藍（基于窮舉搜索樹）戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫成為人工智能發(fā)展的標志性事件，世人了解人工智能，大多是通過深藍。
第七階段：21世紀初，深度學習帶來人工智能的春天
機器學習發(fā)展分為兩個部分，淺層學習（Shallow Learning）和深度學習（Deep Learning）。淺層學習起源上世紀20年代人工神經(jīng)網(wǎng)絡的反向傳播算法（Back-propagation），使得基于統(tǒng)計的機器學習算法大行其道，雖然這時候的人工神經(jīng)網(wǎng)絡算法也被稱為多層感知機（Multiple layer Perception），但由于多層網(wǎng)絡訓練困難，通常都是只有一層隱含層的淺層模型。
深度學習帶來了機器學習的第二次浪潮。其實，深度學習并不是新生事物，它是傳統(tǒng)神經(jīng)網(wǎng)絡（Neural Network）的發(fā)展。神經(jīng)網(wǎng)絡研究領域的領軍者Hinton在2006年提出了神經(jīng)網(wǎng)絡深度學習算法，使神經(jīng)網(wǎng)絡的能力大大提高，向支持向量機發(fā)出挑戰(zhàn)。Hinton和他的學生Salakhutdinov在頂尖學術刊物《Scince》上發(fā)表了一篇文章，開啟了深度學習的篇章。這篇文章有兩個主要觀點：第一，多隱層的人工神經(jīng)網(wǎng)絡具有優(yōu)異的特征學習能力，學習得到的特征對數(shù)據(jù)有更本質(zhì)的刻畫，從而有利于可視化或分類；第二，深度神經(jīng)網(wǎng)絡在訓練上的難度，可以通過“逐層初始化”（layer-wise pre-training）來有效克服，在這篇文章中，逐層初始化是通過無監(jiān)督學習實現(xiàn)的。
深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究。神經(jīng)網(wǎng)絡和深度學習兩者之間有相同的地方，采用了相似的分層結(jié)構(gòu)，而不一樣的地方在于深度學習采用了不同的訓練機制，具備強大的表達能力。傳統(tǒng)神經(jīng)網(wǎng)絡曾經(jīng)是機器學習領域很火的方向，后來由于參數(shù)難于調(diào)整和訓練速度慢等問題淡出了人們的視野。之后，深度神經(jīng)網(wǎng)絡模型成為了人工智能領域的重要前沿陣地，深度學習算法模型也經(jīng)歷了一個快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network, Convolutional Neural Network等各種新的算法模型被不斷提出，而其中卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）更是成為圖像識別最炙手可熱的算法模型。
深度學習被《麻省理工學院技術評論》雜志列為2013年十大突破性技術之首。隨著深度學習技術的成熟，AI人工智能正在逐步從尖端技術慢慢變得普及。大眾對人工智能最深刻的認識就是今年年初AlphaGo和李世石的對弈，它具備了人工智能最關鍵的深度學習功能。AlphaGo中有兩個深度神經(jīng)網(wǎng)絡，Value Networks（價值網(wǎng)絡）和 Policy Networks（策略網(wǎng)絡）。其中Value Networks評估棋盤選點位置，Policy Networks選擇落子。這些神經(jīng)網(wǎng)絡模型通過一種新的方法訓練，結(jié)合人類專家比賽中學到的棋譜，以及在自己和自己下棋（Self-Play）中進行強化學習。也就是說，人工智能的存在，能夠讓AlphaGo的圍棋水平在學習中不斷上升。
第八階段：2016年：五大科技巨頭成立地球最強AI組織
2016年9月28日下午，從美國傳來了AI人工智能界最重磅的消息，Google、Facebook、Amazon、IBM以及Microsoft正式宣布成立一個名為AI合作組織（Partnership on AI）的非盈利性組織。該組織的全名為保障AI利于人類社會組織（Partnership on Artificial Intelligence to Benefit People and Society），簡稱為AI合作組織（Partnership on AI）。旨在研究和形成人工智能領域最好的技術實踐，促進公眾對人工智能的理解，并作為一個公開的平臺來討論、參與人工智能本身及其影響，保障人工智能在未來能夠安全、透明、合理地發(fā)展。
從醫(yī)療、教育、制造業(yè)、智能家居到交通，人工智能的發(fā)展已在各方面提高了人類生活水平。但現(xiàn)如今，人類出現(xiàn)了諸多人工智能威脅論，如著名科學家Stephen Hawking和科技大亨Elon Musk所提出的，AI最終將會終結(jié)人類。雖然AI能否終結(jié)人類還只是一個推測，但是微軟推出人工智能機器人Tay上線不到24小時就被教壞，成為一個滿嘴臟話的種族主義者。這樣的事情讓越來越多的人開始擔憂，人工智能是否會帶來隱患，是否會對人類社會產(chǎn)生一定的危害。為了應對這一點，像微軟、IBM等公司已經(jīng)成立了人工智能倫理咨詢委員會。“Partnership on AI”在未來的工作重點之一，就是改變公眾AI威脅論這一現(xiàn)狀。AlphaGo與李世石的圍棋對弈，李世石的慘敗已使公眾初步認識到人工智能的威力。
21世紀科技巨頭在人工智能上的研究
從市場披露的投資數(shù)據(jù)分析，在2011年到2015年的五年時間，人工智能領域的并購資金從2.82億美元增長到2015年的23.88億美元，而并購數(shù)量也從67起增長到397起。以谷歌、蘋果、IBM、微軟、Facebook為代表的等行業(yè)巨頭正在通過并購進行產(chǎn)業(yè)布局。
谷歌
谷歌在一系列人工智能相關的收購中獲益。2013年3月，谷歌以重金收購DNNresearch的方式請到了深度學習技術的發(fā)明者Geoffrey Hinton教授。2014年年初，谷歌以4億美元的架構(gòu)收購了深度學習算法公司——DeepMind。該公司創(chuàng)始人哈薩比斯是一位橫跨游戲開發(fā)、神經(jīng)科學和人工智能等多領域的天才人物。2014年7月，谷歌以DeepMind為主體與牛津大學的兩支人工智能研究隊伍建立了合作關系。DeepMind也很快發(fā)布了研究成果，它在10月份公布了一種新的模擬神經(jīng)網(wǎng)絡，旨在模仿人類大腦的工作記憶原理，擁有更加強大的歸納整理和聯(lián)想演繹等邏輯處理能力，從而帶來更快的任務處理速度，還可以通過訓練去自行處理任務，這種全新的深度學習算法可用于計算機視覺和語音識別等領域。DeepMind最杰出的代表成果就是AlphaGo。在2016年3月的世界圍棋大戰(zhàn)中，AlphaGo以4：1大勝世界排名第一的李世石，人工智能再次戰(zhàn)勝人類，也進一步引發(fā)了用戶對人工智能發(fā)展的關注。
IBM
IBM公司自2006年開始研發(fā)Watson，并在2011年2月的《危險地帶》(Jeopardy!)智力搶答游戲中一戰(zhàn)成名。一開始IBM想把Watson打造為超級Siri，主要還是賣硬件。但是后來轉(zhuǎn)型為認知商業(yè)計算平臺，2011年8月開始應用于醫(yī)療領域。例如在腫瘤治療方面，Watson已收錄了腫瘤學研究領域的42種醫(yī)學期刊、臨床試驗的60多萬條醫(yī)療證據(jù)和200萬頁文本資料。Watson能夠在幾秒之內(nèi)篩選數(shù)十年癌癥治療歷史中的150萬份患者記錄，包括病歷和患者治療結(jié)果，并為醫(yī)生提供可供選擇的循證治療方案。目前癌癥治療領域排名前三的醫(yī)院都在運行Watson，并在今年8月正式進入中國。2014年8月，IBM發(fā)布能模擬人類大腦的SyNAPSE（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，即“自適應塑料可伸縮電子神經(jīng)形態(tài)系統(tǒng)”）芯片，含有100萬個可編程神經(jīng)元、2.56億個可編程突觸，每消耗一焦耳的能量，可進行460億突觸運算。在進行生物實時運算時，這款芯片的功耗低至70毫瓦(mW)，比現(xiàn)代微處理器功耗低數(shù)個數(shù)量級。
2013年12月，F(xiàn)acebook成立了人工智能實驗室，聘請了卷積神經(jīng)網(wǎng)絡最負盛名的研究者、紐約大學終身教授Yann LeCun為負責人。Yann LeCun是紐約大學終身教授，是卷積神經(jīng)網(wǎng)絡領域的重要推動者，而該技術的最主要應用就是圖像識別的自然語言處理，這與Facebook的需求和已經(jīng)積累的數(shù)據(jù)類型非常匹配。在Yann LeCun的幫助下，2014年Facebook的DeepFace技術在同行評審報告中被高度肯定，其臉部識別率的準確度達到97%。而他領導的Facebook人工實驗室研發(fā)的算法已經(jīng)可以分析用戶在Facebook的全部行為，從而為用戶挑選出其感興趣的內(nèi)容。
微軟
相比谷歌和IBM，微軟在人工智能上的動作相對較慢。主要的成果基于語音、視覺、自然語言的分辨和分布式機器學習上，通過推出智能機器人小冰、語音助手Cortana以及增強現(xiàn)實頭顯HoloLens切入人工智能領域。微軟人工智能產(chǎn)品包括Microsoft Azure（存儲、計算、數(shù)據(jù)庫、live、媒體功能）、分布式機器學習工具包DMTK（自然語言處理，推薦引擎，模式識別，計算機視覺以及預測建模等）、人工智能平臺Project Malmo。
百度
2014年5月，被稱為“谷歌大腦之父”的AndrewNG(吳恩達)加盟百度，擔任首席科學家，負責百度“百度大腦”計劃。大數(shù)據(jù)是人工智能的基礎，而作為天然的大數(shù)據(jù)企業(yè)，百度擁有強大的數(shù)據(jù)獲取能力和數(shù)據(jù)挖掘能力。2014年7月14日，百度憑借自身的大數(shù)據(jù)技術14場世界杯比賽的結(jié)果預測中取得全中的成績，擊敗了微軟和高盛。2014年9月，百度正式發(fā)布整合了大數(shù)據(jù)、百度地圖LBS的智慧商業(yè)平臺，旨在更好在移動互聯(lián)網(wǎng)時代為各行業(yè)提供大數(shù)據(jù)解決方案。
百度大腦由三個部分組成：人工智能算法（超大規(guī)模的神經(jīng)網(wǎng)絡）、計算能力（數(shù)十萬臺服務器來進行計算，基于GPU）和大數(shù)據(jù)。主要有四方面能力：語音的能力（語音合成、語音識別）、圖像的能力、自然語言處理能力以及用戶畫像能力。
科技巨頭的人工智能與醫(yī)療的結(jié)合
人工智能在醫(yī)療健康領域的作用不容忽視，已經(jīng)成為影響醫(yī)療行業(yè)發(fā)展的最重要的科技。人工智能對于醫(yī)療健康領域中的應用已經(jīng)非常廣泛，從應用場景來看主要分成了虛擬助理、醫(yī)學影像、藥物挖掘、營養(yǎng)學、生物技術、急救室/醫(yī)院管理、健康管理、精神健康、可穿戴設備、風險管理和病理學共11個領域。人工智能的加入，可以顯著提升疾病的判斷速度、診斷準確度和藥品開發(fā)進度，降低成本。
從70年代的專家系統(tǒng)開始，人工智能就參與到人類疾病的診斷和治療上。在醫(yī)療健康領域，我們相對接觸最多的就是IBM Watson，而且Watson取得了不俗的成績。例如在腫瘤治療方面，Watson已收錄了腫瘤學研究領域的42種醫(yī)學期刊、臨床試驗的60多萬條醫(yī)療證據(jù)和200萬頁文本資料。Watson能夠在幾秒之內(nèi)篩選數(shù)十年癌癥治療歷史中的150萬份患者記錄，包括病歷和患者治療結(jié)果，并為醫(yī)生提供可供選擇的循證治療方案。目前癌癥治療領域排名前三的醫(yī)院都在運行Watson，并在今年8月正式進入中國。與此同時，近年來美國、英國、以色列和中國等地不斷涌現(xiàn)醫(yī)療健康領域的人工智能初創(chuàng)公司，融資額和項目數(shù)量均呈上升趨勢，且在多個細分方向取得了值得關注的有趣進展。近兩年來，中國的醫(yī)療健康類人工智能初創(chuàng)公司的也逐漸開始顯現(xiàn)。
今年2月24日，谷歌DeepMind公布成立DeepMind Health部門，將與英國國家健康體系（NHS）合作，幫助他們輔助決策或者提高效率縮短時間。在與皇家自由醫(yī)院的合作試點中，DeepMind Health開發(fā)了名為Streams的軟件。這一軟件用于血液測試的AKI報警平臺，幫助臨床醫(yī)生更快地查看醫(yī)療結(jié)果。DeepMind與Moorfields眼科醫(yī)院的合作將人工智能技術應用于及早發(fā)現(xiàn)和治療威脅視力的眼部疾病。Moorfields眼科醫(yī)院將向DeepMind提供100萬份匿名的眼球掃描資料，后者會用來研究機器學習是如何分析光學相干斷層掃描（OCT）圖片，并創(chuàng)建出可檢測濕性年齡相關黃斑變性以及糖尿病視網(wǎng)膜病變等眼疾的早期跡象的算法。DeepMind還參與NHS一項利用深度學習開展頭頸癌患者放療療法設計的研究。通過分析超過700名符合UCLH數(shù)據(jù)隱私政策的頭頸癌患者匿名數(shù)據(jù)，利用深度機器來探討縮短放療時間的可能性。
10月11日，百度以“開啟智能醫(yī)療新時代”為主題，正式對外發(fā)布百度人工智能在醫(yī)療領域內(nèi)的最新成果——百度醫(yī)療大腦，對標谷歌和IBM的同類產(chǎn)品。作為百度大腦在醫(yī)療領域的具體應用，百度醫(yī)療大腦是通過海量醫(yī)療數(shù)據(jù)、專業(yè)文獻的采集與分析進行人工智能化的產(chǎn)品設計，模擬醫(yī)生問診流程，與用戶多輪交流，依據(jù)用戶的癥狀，提出可能出現(xiàn)問題，反復驗證，給出最終建議。在過程中可以收集、匯總、分類、整理病人的癥狀描述，提醒醫(yī)生更多可能性，輔助基層醫(yī)生完成問診。
直擊人工智能發(fā)展歷程，共探人工智能應用層面和醫(yī)健的結(jié)合，就在世界醫(yī)療機器人大會?，F(xiàn)場更有IBM Watson認知關懷COO和百度醫(yī)療總經(jīng)理李政的現(xiàn)場演講！
會議地點：中國·深圳
大會時間：2016年10月29日～30日
由世界醫(yī)療機器人協(xié)會主辦的“2016年世界醫(yī)療機器人大會”即將于10月29日～30日在中國深圳舉行。這是首屆全球性科研、臨床、產(chǎn)業(yè)結(jié)合的醫(yī)療機器人領域的高峰會談，屆時將有近20多位各國院士出席大會，數(shù)十位全球知名醫(yī)院院長、臨床專家參與報告及討論。來自瑞士技術科學院（SAWT）、英國皇家工程院、中國科學院、新加坡醫(yī)學院、ROBO醫(yī)療機器人研究所等國內(nèi)外知名機構(gòu)的專家和學者，將在本次峰會上分享全球醫(yī)療機器人的應用趨勢與研究方向，針對“科技變革醫(yī)療，健康引領未來”的主題展開專題研討。
掃描二維碼報名
招商贊助請聯(lián)系動脈網(wǎng)佩佩：（微信號：xiaopeiling185025）
歡迎個人轉(zhuǎn)發(fā)到朋友圈
網(wǎng)站、公眾號等轉(zhuǎn)載請聯(lián)系授權
zeng.xs@vcbeat.net
動脈網(wǎng)所刊載內(nèi)容之知識產(chǎn)權為動脈網(wǎng)及/或相關權利人專屬所有或持有。未經(jīng)許可，禁止進行轉(zhuǎn)載、摘編、復制及建立鏡像等任何使用。
