1 医疗“黑洞”

    拿着手术刀的AI医生会看病吗？

    设想一下，你去一家医院看病，一进诊疗室的门就有一位护

    士不断地为你拍照，然后这些照片会被上传到一台AI(Artificial

    Intelligence，人工智能)设备中，这个设备会根据照片中你的模

    样来进行病情诊断……而在整个过程中，不会出现任何专业的人

    类医生。

    你是不是觉得这种场景不可思议？即使现在AI医疗已经发展

    得很快，AI在医疗领域中实现了不同程度的落地，如AI识别医学

    影像、药物研发、AI辅助诊断等，但AI起到的还只是辅助作用，最终负责决断的依旧是人。让AI执证上岗，独立做临床诊断，还

    从未听说过。

    然而，现在这样的“看病模式”已经有萌芽了。

    美国食品和药物管理局(FDA)首次批准了一种AI诊断设备

    IDx-DR，该设备可以通过观察视网膜的照片来检测一种眼科疾

    病，并且不需要专家医生的参与。

    也就是说，这个名为IDx-DR的AI设备竟然有了“上岗证”，成

    为一名真正的“医生”。

    科学家不断攻破一个又一个技术难关，人们在高兴的同时，也有隐忧。医疗AI之路越走越顺畅，但现在就出现独立的AI医生，合适吗？

    AI医生“独立出诊”，产业链还不完整

    我们要想让AI医生独立起来，必须在一开始就深入研究产业

    布局和各产业链每个环节的协调发展，否则，只要有一个环节发

    展不良，就会导致智能医疗的结构出现上下游之间的断档，或被

    技术伦理问题所牵绊。

    1. AI医生的落地还没有标准

    从患者端或者其他的医疗使用端来看，医疗AI其实在短时间

    内不会有特别大的变化。因为“上岗证”批不下来，甚至连如何为

    一个AI医生去审批“上岗证”也是待探讨的。AI医生合格的标准是

    什么？是器械的精密性，还是诊断的正确率？即使是FDA批准的

    IDx-Dr，一项使用了900多张图像的临床试验检测到视网膜病变

    的准确率也仅是87%。

    归根结底，AI医生能否落地，是行政是否授权的问题。在医

    疗领域，一个产品的落地，必定涉及许可证和医学严谨性等问

    题，聘用一个独立的AI医生，可能还有比较长远的路要走。

    2. “售后”服务不好办

    在现实生活中，患者如果遇到了医生误诊的问题，可以要求

    医院赔偿或者处分该医生。医生给你看病，5个人里治好3个人可

    能就差不多了。然而，AI给你看病，可能100个人里就错了1个

    人，唯一被看错的那个人会怎么想？遇到水平不够好的医生，人们还能自嘲一句“眼光不好”。遇到误诊的AI，人们恐怕就没那么

    宽容了。

    首先，追究医院和厂家的责任肯定少不了。然后怎么

    办？“罪魁祸首”AI还没有受到任何处分呢。

    要销毁这个AI医生吗？或者把这个AI医生的“头脑”格式化，以示惩罚？但是，无视它看对了99个病人的功劳似乎不妥。而

    且，在医学方面，随着电子病历和数字胶片的积累，大量结构化

    病例被用于机器学习，对于AI医生，这个模型训练的大数据至少

    是以10万份为起点。

    AI是一种集体交付的结果，从程序、算法的开发到机械安

    装，打造一个AI医生的成本是难以计算的。假设患者家属一时气

    愤，怒摔机器，恐怕还会收到一笔昂贵的赔付账单。所以，如果

    AI出错，责任可以由医院和公司来承担，但对于这台“犯错”了的

    机器，要如何处置才能平息患者的怒火呢？

    3. AI医生让“患者”变为“消费者”

    医疗行业有一个特点：核心服务由单个专业技术人员提供。

    去医院看病，我们会关心哪个医生出诊，会去关注这个医生的口

    碑如何，服务地点和所在机构在很大程度上也会影响我们的评

    价，这些因素都会影响患者的就医决策。三甲医院的医生和二甲

    医院的医生，你更倾向选谁做主治医生呢？

    一旦拥有了自主的AI医生，AI便不再只是作为医院宣传的噱

    头，以及提升医生效率的工具，而是进行独立诊断，成为一个“专业人员”。虽然核心服务依旧由单个专业技术人员提供，但

    服务地点和医疗机构似乎不那么重要了，创新者的话语权将会更

    大，影响患者就医决策的将会是生产这个AI医生的公司。如此，患者的身份会更贴近“消费者”。在代入“消费者”这层身份后，医

    患关系也会变得冰冷。

    医学AI或许比医疗AI更靠谱

    其实比起越来越火的智能医疗，医学AI可能更符合当今社会

    的发展。我们要明确，医学和医疗其实是两个概念，医学是科

    学，而医疗是以医学科学为基础的实践技术。

    所以，在未来，像AI、大数据这样的新技术将会带动整个医

    学的进步。但是医疗尤其是自主的AI医生涉及“一线”操作，人命

    关天，其发展可能不会像我们想象的那么快。因为无论如何，医

    疗还是应该以安全、成熟、稳定作为前提的。

    对于科学来讲，高质量的数据是发展的宝贵引擎。而医疗健

    康行业、医药研发行业则是一座数据的金矿，医学AI是很好的研

    究方向、发展方向，更多的科研领域会快速地有成果出来，这些

    领域也会有更好的商业机会。

    麦肯锡估计，制药和医学方面的大数据和机器学习每年可以

    产生高达1000亿美元的价值。这些价值源自更好的决策、优化创

    新、提高研究和临床试验的效率，以及为医生、患者和医疗机构

    创造新的诊疗手段等。

    例如，IBM沃森研究中心肿瘤学部门和斯隆凯特林纪念医院在进行个性化医学的研究，他们致力于使用患者医疗信息和诊疗

    历史来选择最优治疗方案。此外，还有许多公司也致力于研究此

    类产品。

    谷歌前CEO施密特曾说过：“计算机确实可以在分析有用信

    息方面发挥作用，如预测疾病的结果。但如果我们生病了，仍会

    倾向找医生来看病，不过医生需要掌握最新的医疗技术来帮助其

    做决定。”

    本质上，AI能够增强人类的智能。正如蒸汽机节省了人类的

    体能、电话加强了人类之间的联系、计算机强化了人类的计算能

    力一样，机器的协助并没有取代人类的活动，它只是扩展了人的

    技能和专业水平。

    所以，就医疗AI而言，一个独立的AI医生或许比不上一个起

    辅助作用的虚拟助手。如果智能医疗的创新能够站在医生的角

    度，为医生赋能，那么创新成功的概率会大大增加。因为这样能

    给医生带来实实在在的好处，医生也会积极主动地配合。但如果

    将AI医生放进医院，医生只会觉得自己的职业受到了威胁，主动

    性恐怕也会受影响。

    从目前的趋势来看，恐怕也没有多少企业想要打造出一个独

    立的机器人医生。正如很多新闻报道的那样，AI现在能够帮助人

    们建立患者病历，节省了医生的时间，AI还可分析X光片和CT

    片，不过诊断和开药还是只能由医生完成。目前AI在医学方面主

    要用于辅助诊疗、健康管理、信息化管理、医学影像等，如图1-1

    所示。图1-1

    虽然目前很多大的科技公司都在努力，谷歌也在2018年推出

    了一款“AI+AR”的肿瘤诊断系统，但现在的医疗生态系统依旧处

    于“石器时代”，因为很多系统还不够完善。我们要认清努力的方

    向，提高医学领域的进步速度，通过培养更多的AI人才来加速医

    学领域的AI研究进程。思维移植会不会比“长生不老”更不靠谱？

    人类对于长生不老总是有一种执念。从古时候的炼丹术，到

    现代社会的基因工程、冷冻人体等技术的发展，都体现了人们对

    长生的渴望。

    人类要如何实现“长生不老”？除了现代科技提供的基因克隆

    的方案，美国人玛蒂娜还提出了“思维克隆人”的想法——以人们

    留在计算机和互联网中的数字痕迹(思维文件)，包括聊天记

    录、照片和视频等数据为基础，通过与人类大脑功能相同的复制

    品“思维软件”产生和本人相近的人类意识，这就是“被克隆的思

    维”。

    也就是说，通过思维的移植，人们有可能实现“长生不老”。

    有一家公司就涉足了这一领域，美国初创科技公司NECTOME试

    图通过手术来“上传大脑”，将思想实现永久化的数字保存。目

    前，已经有25个人交了1万美元的订金预订了该服务。

    毫无疑问，如果记忆可以上传，思维可以移植，那么这将会

    对人类社会产生非常深刻的影响。当《记忆大师》的电影情节映

    射到现实生活中时，我们应该如何看待这项技术呢？

    脑痴呆的终结者

    使用思维移植，将有利于晚期疾病和慢性疾病患者的治疗，思维与身体的剥离意味着人们的意识留存时间将会延长，将死的

    人也拥有了等待医学进步的成本，这与冰冻人体相似。不同的是，思维移植的受益者在身体不受自我支配后，依然能继续与社

    会进行交互。因此，这项技术对于阿尔茨海默病患者的意义尤为

    重大。

    阿尔茨海默病夺去了许多老人的正常智力，却不会对老人的

    躯体有所损伤。这类患者如果能够将自己的思维分载到计算机

    上，他们就可以在进行治疗的过程中保持自我意识。

    这有些像人造心脏分载了患者心脏的工作，在新的心脏供体

    被找到之前，人造心脏会一直维持患者的生命。最终，阿尔茨海

    默病患者可以重新将自己的思维传至已经治愈的大脑。即使身体

    还在治疗，但患者可以继续与家人交互。

    受益的不仅仅是阿尔茨海默病患者，还有智力障碍儿童。在

    我国，每年新生儿智障人数约为110万，而介于智障与正常之间

    (一般以智商低于70为确认标准)的“边缘智障”人群则更加庞

    大，约有数千万之巨。

    一般来说，智力障碍的患病原因有如下4种：①遗传因素，基因突变，如先天性代谢异常病；②产前损害，包括宫内感染、缺氧等；③分娩时产伤，包括窒息、颅内出血、早产儿等；④出

    生后患病，包括脑膜炎、脑炎、颅外伤、脑血管意外等。

    对于不可逆的脑部损伤，目前医疗领域还没有很好的治疗方

    法。

    思维的太空旅游SpaceX公司首席执行官兼首席技术官埃隆·马斯克说过：“历

    史可以分为两条道路。第一条是我们将永远被限制在地球上，直

    到我们面临一些灭绝事件。另一条是我们将成为太空物种、多行

    星物种。我认为第二条道路是一条更加令人振奋的未来。”

    自人类首次飞上太空已过去半个多世纪，但至今也只有极少

    部分人进入过太空。目前，个人想要上太空，就必须支付2000万

    美元(约合1.37亿元人民币)，这是普通人难以承担的。

    目前，一些公司正努力开发太空旅行项目，让普通人实现遨

    游太空的梦想。但是，送人上太空还面临着多重因素的影响，如

    重力、人们赖以生存的氧气、太空里的进食和排泄，以及如何返

    回等。

    事实上，我们不必这么麻烦，如果思维可以移植，我们完全

    可以换一种“姿势”登上太空——让我们的意识先上去。

    比起将人带入太空，将载有某种信息的芯片带上太空会更加

    容易。NASA的探测器InSight已经于2018年11月在火星地面着

    陆，与此同时，2429807个名字也被带上了太空。将这些名字带

    上火星的是一块只有0.8平方厘米的硅晶片，其通过一个电子束来

    形成成行的字母。

    “神助攻”在哪里

    2018年，科学家发现了细胞命运的密码，可以让细胞“返老

    还童”，让细胞从成年体细胞状态回到可以定向分化的多能干细

    胞状态，为再生医学提供“种子”细胞来源。再生医学的优势在于通过改善再生微环境，患者借助自身的

    再生修复能力引导再生，再生后的组织是人体自身的一部分。

    2017年，34岁的卵巢早衰患者方女士在南京鼓楼医院产下健康的

    男宝宝，这是全球首例干细胞复合胶原支架治疗卵巢早衰临床研

    究诞生的婴儿。

    再生医学的发展让思维移植有了医学基础。将来，随着再生

    医学技术的不断进步，只要构建合适的微环境，人体组织都有可

    能进行再生——这也意味着经思维移植的人们可以获得一个健康

    的大脑。

    AI在这个领域也功不可没。人体组织如何再生？科学家们总

    是在不同生物的身体上找切入口。例如，涡虫是一种微小的虫

    子，拥有超乎想象的再生能力，当它被拦腰切断以后，能重新长

    出完整的身体。这种能力使得它们成为再生医学的热门研究对

    象。

    但庞大的数据让科学家们很是头疼。受到进化论的启发，美

    国塔夫斯大学的科学家开发了一个AI系统，它有助于充分挖掘浩

    如烟海的发育生物学实验数据，并且建立起了一个完备的模型来

    解释这种现象。

    科学家们开始利用AI来观察水螅的行为。水螅是一种与水母

    和珊瑚有关的微小动物。在过去，研究人员研究了该动物的神经

    系统，找出了它的大脑的哪些部分促使了它的行为。现在，研究

    人员利用AI来追踪所有的这些行为。该小组使用了AI算法，自动注释水螅的行为，包括所有的摆

    动、枢轴、伸展和弯曲。他们了解到，无论环境条件(如光照、温度或附近食物的数量)如何，这些物种实际上只参与了6种基

    本的行为。

    最后，研究人员发现，即使周围的环境变化再复杂，水螅仍

    能像往常一样继续工作。利用这一点，如果能发现水螅的神经系

    统是如何与行为相连接的，我们或许能够让大脑承受更加极端的

    治疗环境，包括冷冻技术、电力刺激等。

    思维移植的重重壁垒

    不可否认，思维的移植一定会牵涉伦理问题。现存医疗领域

    内，关于BCI(脑机接口)的人体试验包含知情同意、利益、风

    险分析等环节，但目前并没有合适的道德准则和法律来规范未来

    BCI广泛应用后的种种问题。

    思维的移植也会面临安全性、隐私性等方面的质疑，尤其在

    思维的植入过程中，意识是否能保持其完整性也是要思考的问

    题。

    更可怕的是，为了保持思维和记忆的完整性，进行这样一项

    意识剥离手术，大脑需要保持着鲜活的状态，而一旦剥离开来，没有了意识的机体究竟还算不算一条真正的生命呢？而在活着的

    状态下剥离意识，似乎更像一场带有高科技色彩的“安乐死”。AI能送给视障人士一双“黑色的眼睛”吗？

    被传唱一时的《你是我的眼》，其原唱者萧煌奇是一位视障

    人士，在失明的人生中，他一直保持乐观态度，热爱音乐与创

    作，一首以自己为原型的《你是我的眼》横空出世，给所有黑暗

    中的视障人士带来了鼓励与温暖。

    你能想象吗？有一天，视障人士可能会深情款款地对AI唱

    起“你是我的眼带我领略四季的变化你是我的眼带我阅读浩瀚的

    书海……”

    当AI要承担起“眼睛”这个角色时，如何才能将这个世界带到

    视障人士的面前呢？利用高科技来“作眼”，又是否符合视障人士

    的真正需求？

    从“感知”到“看见”：层出不穷的助视产品

    不得不说，科技公司在推进前沿技术的同时，一直没有忘记

    对视障人士的关怀。一大批助力视障人士的产品和技术如雨后春

    笋般涌现，这些产品中流露的温情不仅体现了企业对视障人士的

    关怀，也是科技公司最好的品牌广告。

    在梳理了各类与视障有关的智能产品后，我们大致将其分为

    以下3种类型。

    1. 曲线救国型大家还记得海伦·凯勒的故事吗？海伦·凯勒的老师在教她

    认“water”时，让她伸出一只手去感知水的流动，并在她的另一只

    手上拼写了这个单词。从这里可以看出，视障人士认知世界的渠

    道是除了视觉的其他感官感觉，如听觉、嗅觉和触觉。

    基于此，一家公司开发了一款专供视障人士使用的盲文智能

    手表(Dot Watch)。该手表搭载了盲文显示系统，以盲文的形式

    将各种信息呈现在手表的触摸表盘中。

    相机也有了触摸形式。一位美国设计师专门为视障人士设计

    了一款2C3D相机，这款相机能通过镜头实时地将拍摄的物体转

    换成三维触感数据，使视障人士通过触摸屏幕表面生成的立体形

    状来识别面部细节，如读取表情等。

    IBM推出了无障碍环境的一项发明——专为视障人士设计的

    新型导航App NavCog。NavCog可通过耳机与视障人士“耳语”，帮助其实时识别位置、朝向，还能辨认迎面走来的熟人。

    2. 外力加持型

    外力加持型的载体一般是智能眼睛，主要是为视障人士打造

    的。

    一款名为eSight的产品，结合算法和部分视障人士自身的需

    要，通过控制器中的液体镜头技术进行“聚焦”，视障人士利用眼

    镜中的Bioptic倾斜功能，不仅可以调整瞳孔距离(对焦)，还可

    以调整图像的清晰度(颜色、对比度、亮度)，从而“重获光

    明”。3. 直截了当型

    视觉的产生依赖于三大组织器官：眼球(主要为视网膜)、视神经、视皮层。对于视障人士而言，如果想要恢复视觉，就必

    须拥有能替代这三种组织的假体，即视网膜假体、视神经假体和

    视皮层假体。

    国内就有研究团队研制出了人造视网膜，其由体内电子微系

    统和体外电子系统两部分组成。使用方法是在视障人士眼球内部

    植入IC芯片，用来接收信息和传导电信号，然后为视障人士配备

    一个体外接收系统，如眼镜。

    “眼前的黑不是黑，你说的白是什么白”

    虽然现在的智能助视产品比比皆是，但要真的掀开视障人士

    眼前的“帘子”，恐怕还不容易。

    人造视网膜技术具有很强的综合性和复杂性，需要机器视

    觉、IC设计、半导体工艺、纳米技术、神经科学、生物材料等十

    多个学科的科学家和工程师全力投入，密切配合。但即便拥有如

    此高精尖的团队，外界信息通过电信号传递到大脑中，视障人士

    感受到的也不过是一个灰色的、带有马赛克的世界。

    即使是黑白的“渣像素”，也能勉强算“看见”了。而那些智能

    产品，如智能眼镜、认知助手等，只能提供语音让视障人士接收

    到相应信息。视障人士能做的就是在这些产品说“前面有障碍

    物，请绕过去”时无奈绕开，而不能亲眼看看阻拦自己的障碍物

    究竟是一块石头还是一辆单车。当我们不断加大视障人士在其他感官上接受的信息量时，这

    也会带来不小的隐患。例如，从听觉入手的产品往往会让使用者

    戴上耳机，这就会让视障人士与周围的声音隔绝，出行在外，容

    易造成危险，而不戴上耳机进行电子播报，容易造成视障人士的

    信息外泄。

    当我们将智能产品应用在视障人士身上时，除了要为他们带

    来生活上的便利，更要让他们看到这个美丽的世界，无障碍地探

    索这个世界。当我们用一种以其他感官来辅助视觉的技术思路来

    实现客观上的无障碍时，肯定会与视障人士主观上的无障碍有区

    别。

    智能眼镜戴久了，人们或多或少都会产生不适感。想想我们

    在电影院看3D电影的时候，3D眼镜也曾让我们头晕目眩，沉浸

    式技术也极容易带来头晕、恶心等反应。除此之外，戴智能眼镜

    限制了侧面周边的视觉范围，视障人士要做到和正常人一样的移

    动和工作还并不容易。

    要真正为视障人士带来便利，必须解决这些智能助视产品成

    本太高、价格太贵的问题。由于致盲因素不同，很多视障人士需

    要高度个性化定制的智能产品，这更加导致成本居高不下。例

    如，加拿大一家医疗科技公司Ocumentics在2018年开发的仿生镜

    片只适合25岁以上的成年人。

    看得见，要以什么为标准？

    归根结底，不管智能产品有多炫目，对视障人士而言，他们更在乎智能产品的实用性，而真正实用的产品于他们而言就是3

    个字——看得见。

    仿生眼球当然具有很大的市场，但它并不适用于所有眼科疾

    病。智能眼镜+芯片的组合是可以通用的，因为其视觉计算能

    力、人脸识别等功能可以使其接收外界信息，芯片通过柔性电极

    阵列来传输电信号，刺激视网膜的神经细胞，进而传递到大脑

    中，让视障人士看见黑白的影像。

    但对于市场来说，“通用的”就不具有特殊性了，所以，谁能

    快速抓住“通用”中的亮点及最不易解决的问题，谁就能在助视方

    面成为佼佼者。

    神经科学家认为“人脸识别”有两个方面。其一是特征识别，也是目前的智能眼镜配备的识别类型，其二是表情识别。经过亿

    万年的进化，人类形成了7种与情绪密切相关的基本表情，分别

    是快乐、惊奇、悲伤、愤怒、厌恶、轻视和恐惧。这些基本表情

    是人的本能，是不需要学习的。

    目前，我们还不太清楚脸部特征与表情之间的区别。当看到

    一个人时，我们大脑里的人脸识别机制就会开始运作，我们会在

    一瞬间就判断出这张脸是不是熟面孔，以及这个人的表情如何。

    但这对于视障人士来说却难如登天。

    所以，让AI来帮助视障人士看到人的表情或许是智能助视产

    品在人脸识别上的真正战场。这不仅需要AI去识别更细微的脸部

    特征，而且还需要AI为视障人士获得更加清晰的图案，而不是一个模糊的影像。

    英国《柳叶刀·全球卫生》的一份研究报告预计，当下全球视

    障人士数量为3600万，如果不加强对眼疾的治疗，到2050年视障

    人士数量将增至1.15亿。这是一个足够惊人的数据，而借助技术

    的力量，我们希望每一个在生活中艰难独行的视障人士，不论他

    们的年龄大小、环境状况如何、贫穷或富有，他们都能看到我们

    的美丽世界。3D“造畜”和3D“造人”哪个更容易实现？

    Netflix新剧《副本》中出现了这样一幕——劳伦斯的儿子利

    用便携式3D生物有机体打印机，先打印出细胞群，然后一点点积

    累，最后克隆出了自己爸爸的身体，再植入自己的堆栈(类似于

    记忆芯片)，完美地“变身”为有钱的爸爸。

    看上去，利用3D生物打印技术打印出一个完整的人体，而且

    能正常地为人所用是一件非常简单的事情。然而，现实是，别说

    一点点积累细胞了，刚开始打印出的细胞群都不一定能存活下

    来。全世界生物打印领域的先驱Organovo公司就曾经打印出人体

    肝脏，但这个肝脏仅仅存活了40天。

    当然，科幻剧中的情节并非不能在现实中上演，打造一

    个“假人”可能有点难，但打造一个“假动物”会不会比较容易呢？

    我们又是否真的需要这项功能呢？

    3D“造人”，以他山之石攻玉

    3D“造人”，关键是要突破2D的认识。目前，人们对微观世界

    的理解一直停留在二维水平，生物学家也很难从三维立体的角度

    去理解生命体中细胞、血管和神经之间的相互联系。

    除此之外，即使我们观察清楚了三维的微观现象，但是3D生

    物打印技术依旧存在不足，如生物打印材料如何量产、如何让生

    物“纸墨”达到“造人”的数量，以及如何让活细胞准确地排列在可

    打印凝胶中并维持活性。这不是简单地把菜种进土壤里的问题。在打印时，我们必须

    准确计算活细胞的位置，也就是说，面对每个活细胞，你要解决

    的问题是，如何把一颗大白菜的种子准确地种在东南角的一小块

    地里，并使它得到最理想的光照，长成你最喜欢的样子。到目前

    为止，建造“完美的菜园”，凭借人类的计算能力还远远不够。

    面对这一系列问题，我们或许可以从其他技术那里得到启

    发。

    2018年，《尖端物料》中提到了一款新的螺旋形纳米机器

    人，其借助微弱旋转的磁场，能够在活细胞中“遨游”。不仅如

    此，还可以为它人为制定出一种活动方案，研究者就利用这个特

    性在细胞中做出了“N”和“M”的轨迹。与此同时，这款机器人还

    不会伤害到细胞。

    我们可以把这个纳米机器人当作一辆“小车”，它能够在生命

    体内按我们想要的轨迹去“行驶”，如果这个“小车”内还能坐上观

    察员，那就再好不过了。

    这时，AI显微镜就派上了用场。在顶级科技盛会Think 2018

    中，IBM发布了对未来5年内的五大科技预测，其中就有AI显微

    镜技术。IBM也正在研发这种小型且自主的显微镜，目的是持续

    检测水资源。

    这款显微镜能够放入水体中，就地监视浮游生物、识别不同

    的物种，并跟踪其在三维空间中的移动。如果能将这款显微镜部

    署进“小车”中，借助其观察结果分析，我们或许可以从2D中跳出来，更好地理解细胞之间的联系。

    对于“菜园子”问题，我们可以打造一台AI设备，建立一个可

    行的数学模型，通过模型预测生物纸墨中的细胞会发生的变化，同时实现自动化诱导干细胞。

    中科院广州生物医药与健康研究院承担的国家重大科研装备

    研制项目“全自动干细胞诱导培养设备”就起到了这样的作用，这

    是首台自动化无人值守、应用深度神经网络的智能化干细胞诱导

    培养设备。

    生命的“器皿”，应该存在吗

    终有一日，我们可能会解决3D“造人”的所有技术问题。但

    是，技术难题可以攻克，有一些问题我们却无法避免。

    在电影《逃出绝命镇》中，男主人公因为健壮的体魄被选作

    富人的生命载体，在手术后，富人的意识就会存在于主人公的身

    体中，而主人公的意识会永远被封闭在意识暗坑中。

    这个情节与之前提到的《副本》中的情节有点类似，这两个

    情节也有着相同的指向——躯壳是无意识的器皿，可以承载一个

    生命体的意识。

    要知道，生命体不仅是物质的，也是能量的和信息的。从理

    论上来说，用细胞做材料，3D生物打印技术可以把一具人体完整

    地在细胞的层面复制出来，但是信息无法从细胞层面复制。所

    以，即使造出了人，也是没有能量和信息的人。假如3D生物打印技术可以“造人”，再加上意识和记忆可以移

    植，那么我们的躯壳就会更像衣服，可以随意置换。这当然有一

    些好处，如残疾人可以通过打印一个新的身体来获得健全的身

    体，人们还可以利用这个技术打造个性化躯壳……

    但隐患也是存在的，复制+打印就可以制作出一个完全相同

    的副本，如果有人将意识剥离出来，“穿上”这个副本去违法乱

    纪，那时的科技能检测出来吗？

    我们可以打开“脑洞”设想一下，完全换了躯壳的人能被接受

    吗？例如，在体育领域，一个换上了打印躯壳的人是否能参与比

    赛？如果可以，我们要如何确保比赛的公正性？当然，我们或许

    可以筹办一个“非原装人”的运动比赛，但有一个令人啼笑皆非的

    问题是，这场比赛究竟比的是运动精神还是“装备”的优劣？

    更为严重的是，一直代代相传的人类，假如突然有一天连生

    育能力的限制也没有了，可以随意“造人”，地球的存亡可能就是

    迫在眉睫的问题了。

    用3D技术打造一座动物园

    3D“造人”技术的壁垒太多，技术引发的伦理问题和社会问题

    要更加复杂。所以，与其去钻研如何3D“造人”，不如另辟蹊径，用3D“造人”技术上的突破去助力其他领域。

    利用3D生物打印技术去打印动物，未尝不是一个好的选择。

    来自加拿大的一对生物学家Daniel Mennill博士和她的丈夫正在积极研究蟾蜍颜色变化的生物学意义。就在几年前，他们用黏

    土制造了一批金黄色的“蟾蜍”，在交配时节到来时将这些模型混

    入蟾蜍聚集的地方，并观察它们的行为。

    然而，这种做法产生的结果并不理想，因为传统的黏土工艺

    无法制造出高仿真的模型，同时也很难精确控制人们想要研究的

    变量，如颜色、体形等。

    2018年，这对生物学家用3D生物打印技术打印了一批高仿蟾

    蜍机器人“混入”了这些蟾蜍交配的大军中。虽然这些“蟾蜍”只是

    高仿产品，但对于生物学家们的观察还是起到了积极的作用。

    以后，如果能通过3D生物打印技术制造出更逼真的动物，人

    类就可以更加高效和贴近自然地研究野外环境下动物的特定行

    为，这对生物学的发展大有帮助。

    除此之外，3D生物打印的动物自然不能将其放回到大自然

    中，我们可以为它们建造一个集聚了3D生物的动物园。这些3D

    生物打印的动物可以替代真正的野生动物，承担起动物园的三

    大“职责”：科学研究、科普宣传教育及休闲娱乐。“癌症杀手”真的会是“读心专家”吗？

    你见过不用充电不用电池的机器人吗？

    还真有!

    2018年韩国首尔大学的研究者研发了一款名为“Hygrobot”的

    微型机器人。这款机器人不仅能够爬行和前后蠕动，还能像蛇一

    样自如地蜷缩。更神奇的是，它不需要电池，也不需要充电，而

    是靠吸收空气中的湿气来为自身提供能量。

    单纯从外观来看，它确实不像拥有着复杂结构和精妙功能的

    微型机器人，还长得像被剪碎了的塑料片一样，平淡无奇。但它

    小小的身躯中却蕴藏着神奇的能力。

    从向植物“取经”而来的研发灵感

    吸收湿气就能提供能量？这款神奇的微型机器人到底是怎么

    做到的？

    它的设计灵感源于植物。我们都知道，松果的鳞片在潮湿时

    紧闭，在干燥时打开，这样可以使它内部的种子传播得更远。这

    款微型机器人的灵感就来源于此。它不是由植物材料制成的，而

    是模仿其背后的机制。

    “Hygrobot”可以迅速膨胀和收缩来纵向响应湿度变化。

    这款微型小机器人由纳米纤维制成的两层结构组成：一层吸收水分，另一层则不吸收。当机器人被放置在潮湿的表面上时，吸湿层膨胀，使机器人弓起，吸湿层变干后机器人回落。这个过

    程循环往复，便能使机器人移动。它可以通过吸收地面或空气中

    的水分来改变自身的形状和大小。

    这样一台完全依靠吸收空气中的水分来运行的机器人是很有

    价值的，因为空气中的水分是一种全天然的能量，源源不断，不

    费成本；而且也没有毒性，不像电池那样有可能会发生爆炸。这

    也使这款微型机器人未来或许能用于人体内的药物运输，为人类

    治病。

    “Hygrobot”——治疗疾病方面的冉冉新星

    基于这款微型机器人在能源提供、运动机制等方面的特殊

    性，科学家们看到了它在未来应用于医疗行业的巨大可能性。

    由于自身体型小、结构简单，所以它很容易根据不同的场景

    需要被制成不同的形状。为了检验它的潜力，研究人员将用抗生

    素浸泡过的“Hygrobot”放到覆满细菌的培养皿上，它能自行穿过

    培养皿，留下一条杀过菌的小道，像毛毛虫蠕动留下的黏液痕迹

    一样。

    按照相同的原理，将来它也可以仅靠使用皮肤中的或者人体

    内部的水分来推动自己，将药物输送到人体各个部位。此外，由

    于它对空气中的湿气非常敏感，除了在人体内运送药物，还可以

    为其配备传感器，根据其对其他气体做出的反应检测人体生理环

    境，从而诊断疾病。由于“Hygrobot”体型极小，可以进入人体内部，所以，在未

    来对于很多外部仪器无法做出准确诊断或者不方便治疗的疾病

    ——如脑部、妇科和内脏方面的疾病，我们期待它能够大显身

    手。而且它能够在指定区域精准用药，所以在疾病治疗的疗效提

    高和成本降低方面，它或将掀起一场革命。

    “癌症杀手”，绝非浪得虚名

    对于很多人来说，癌症仍然是困扰他们的“不治之症”。肿瘤

    是人体细胞无限制增殖及病态地无限汲取养分，导致身体某一个

    部位的细胞生态变化的一种疾病，恶性的肿瘤便是癌症。目前医

    疗界对癌症还没有非常有效的治疗方案，癌症诊断书就像是死神

    的“名帖”，一旦被它的阴影笼罩，就等于半只脚踏入了“鬼门

    关”。

    但是现在这个能像毛毛虫一样蠕动的机器人，或许能为广大

    癌症患者带来福音。

    这款微型机器人使用的是纳米纤维材料，非常有韧性且不易

    被破损，这为它在复杂的人体内穿行并且将所运载的药物完好无

    损地送达指定治疗区域提供了保证。

    遏制癌细胞增殖的药物早就研发出来了，但是传统的药物常

    常“敌我不分”，对于正常细胞和肿瘤细胞都有很强的杀伤作用。

    在使用常规用药手段时，药物还没到达肿瘤处，就在血液循环过

    程中被身体吸收了一大半；而在药物到达肿瘤处之后还能被吸收

    多少，也不能够确定。因此，在目前的医疗手段下，患者并不能大量使用这些药物，否则，不仅病情没有得到多少缓解，反而身

    体却因为药物的副作用而垮下来。

    这款微型机器人可以准确无误地将药物输送到肿瘤处发挥作

    用，而不会在半途中对身体的健康细胞造成损伤。除此之外，它

    不用电池也不用充电，这就避免了含有硅或重金属的可植入装置

    相关的毒性风险，也能避免对人体造成“二次伤害”。

    练兵还需几何，方到用兵之时？

    说到用于治病的可植入装置，值得一提的还有水凝胶机器

    人。其实，“Hygrobot”并非首个被应用于生物医学领域的微型机

    器人。2018年，来自哥伦比亚大学的团队在《科学机器人》

    (Science Robotics)杂志上发表了关于自行研发的水凝胶机器人

    这一成果，它由磁铁激活，通过局部剂量性释放化学药物来治疗

    肿瘤，达到更高精度的靶向化疗效果。

    顾名思义，水凝胶机器人采用的制作材料是与生物相容并且

    能进行生物降解的基于聚乙二醇(PEG)的水凝胶，对于人体和

    环境来说都更为友好。

    至少在可植入装置的材料上，可降解的纳米纤维和水凝胶就

    预示着人类前进了一大步。

    此外，基于DNA折纸术来组装和制备DNA纳米结构并实现相

    应功能的技术也日渐成熟，就像制作微型复杂芯片的摄影构图技

    术。材料能够通过埋入不同的生物化学模式，来响应DNA的特定

    指令(如弯曲、折叠等)，达到改变形状的目的。这一技术大大提高了微型机器人的适用层面，使它能够在不同环境下改变自身

    的形状，从而更好地完成工作。 (免费书享分更多搜索@雅

    书.)

    水凝胶机器人需要外部的磁铁激活和引导，这一点也提高了

    装置的操控难度和对磁铁的要求，并不便于身体内部复杂器官的

    治疗。相比之下，“Hygrobot”没有这个困扰，但是要使它精准地

    移动到指定部位并释放药物还需要后续的研究优化。如果能够在

    这一方面取得突破，那么我们相信它在药物运输、组织修复甚至

    破坏癌细胞植入等方面的潜力将令人瞩目。

    所以，很有可能在不久的某一天，当我们生病时，只需要吞

    下装着微型机器人的胶囊。它们在进入我们的身体后，能够承载

    着治疗疾病的药物，并且根据我们身体的不同构造变换自身的形

    状，避开所有的障碍，精准地到达“目的地”，释放药物或者消灭

    病原体，完成许多在现在看来“不可能完成的任务”。

    “癌症杀手”或许更是“情绪大师”

    不过，这款机器人带来的想象力还不止于此，因为它还有一

    个“身份”——情绪大师。

    如果有一天，你能读懂卧室窗台上你养的那盆多肉在想什

    么，或者了解你家的猫对你是否满意，甚至你能够监控你侄子的

    抑郁症是否病情稳定，这些听起来是不是有点像天方夜谭？或许

    微型机器人的发展，真的能让这一切变成现实。

    从生理角度来说，抑郁症的形成是因为神经递质中多巴胺和5-HT等物质浓度降低而导致大脑额叶和边缘系统的病变。在临床

    中通常通过增加单胺类递质的含量来治疗抑郁症。

    这种对湿度敏感的微型机器人可以像“家庭护理员”一样待在

    抑郁症患者的身体里，每当患者体内多巴胺和5-HT浓度下降时，能够及时给出反馈，并且移动到相应区域释放单胺类递质来缓解

    抑郁症症状。

    人、动物和植物的情绪在细胞生理机制层面有共通之处。人

    和动物主要是依靠大脑和小脑的机制、神经元和激素的分泌来影

    响情绪的，我们目前是通过测量记录植物体内生物电流的变化来

    观测植物情绪的。微型机器人的投入可能将动植物情绪的研究直

    接提升到分子层面，将微型机器人放入其体内，由于它本身不含

    有金属，也不需要充电，不会对生物磁场造成影响，所以，可以

    将来自设备的干扰降到最低，大大提升得到的研究数据的可信

    度。

    不管是微型机器人直接反馈动植物的情绪反应，还是提供相

    关数据供研究学习，都能够大大推进这一领域的研究发展。想象

    一下在未来，我们通过在宠物体内或者心爱的盆栽体内植入微型

    机器人，就能感受到它们是怎么与你无言地“撒娇”“委屈”或者“吐

    槽”了。动物与人类的交流或许算不上什么，但是植物与人类的

    交流能够真正称得上是跨越物种的交流。

    或许，这是微型机器人在人与大自然万物和谐相处方面最值

    得铭记的意义——让一切生物的情绪能够被感知、被理解，用后

    科技时代的产物，完成人类最原始的梦想。AI能把抑郁症治好吗？

    近些年来，“抑郁症”一词越来越多地被人们提起，不少名人

    都曾表示陷入过抑郁症的痛苦，而抑郁症患者不堪病痛而自杀的

    新闻也屡见不鲜。

    生命的“陨落”，无疑给人们敲响了警钟。抑郁症高发，我们

    要如何去防治？如果我们能检测出潜在的抑郁症患者，及时进行

    心理疏导，是否能够有效地减少这类悲剧的发生呢？

    IBM的计算精神病学和神经成像研究小组团队曾经利用机器

    学习来预测人患精神疾病的风险，他们通过对59名普通人的语言

    方式进行追踪、分析，并对语言连贯性进行评分，来预测人们的

    潜在患病风险。在随后的结果验证中，AI预测的精确度达到

    83%。

    人们在AI预测抑郁症方面取得了突破，可见有效利用AI诊断

    和治疗精神疾病已经是蓄势待发。而在这之后，AI在防治精神疾

    病方面会有多大的“用武之地”，其推进的难点又在哪里呢？

    我们为什么需要AI预测抑郁症？

    1. 人类预测抑郁症的识别率低

    尽管抑郁症已经成为全球第四大疾病，预计到2020年将成为

    第二大疾病，但诊前的预测和诊后的监控都是薄弱环节，因为心

    理医生和精神病医生难以做到诊前精准预测和诊后有效追踪。在中国，有大约2.5亿人需要心理咨询服务，8000万人需要心

    理治疗，心理诊疗的市场需求极大。与此形成鲜明对比的是，我

    国抑郁症的医疗和防治还处在低识别率阶段，地级市以上的医院

    对其识别率不足20%，只有不到10%的患者接受了相关的药物治

    疗。

    而反观AI的表现，除了此次IBM的AI预测实现了高识别率，在2018年，美国哈佛大学曾通过用AI程序分析社交网站中的照

    片，提出用色彩学的方法来诊断抑郁症，正确率也高达70%，这

    无疑证明了AI预测将很有可能成为当今社会用于早期筛查和检测

    精神疾病的新途径。

    2. 抑郁症难以完全治愈，让预防变得更为重要

    抑郁症是可以治疗的，但却很难治愈。一个患了抑郁症的

    人，即使接受了心理治疗，恢复到了以往的精神状态，还是有极

    大的可能复发的。

    治愈之难，使得预防变得尤为重要。这些年屡屡可见的抑郁

    症患者自杀的新闻，也在提醒着人们要重视对心理疾病的预防。

    AI预测的高识别率也将使其成为越来越被人们看重的“法宝”。

    3. AI能听出人类的“言外之意”

    IBM曾提出，有了AI，人类的语言文字就会成为通向精神健

    康的一扇窗。人们的语言和文字所形成的规律会被AI的认知系统

    分析，人们的“言外之意”就会成为精神健康和身体健康状况的可

    测指标，这种经分析得出的数据能够帮助医生更有效地预测并追踪早期的精神疾病等。

    南加州大学推出了一款AI心理治疗师，它会分析受访士兵的

    面部表情变化，以及士兵的语义和语音，再结合问卷调查，诊断

    其是否存在PTSD(创伤后应激障碍)症状。

    AI通过观察人们日常所忽视的语言习惯来预测人的精神疾

    病，在日后，该技术或许可以更进一步，通过追踪、分析人类的

    微表情、微行为，甚至是细微的语调变化，从而更加了解人类的

    心理状态。可以肯定的是，这种技术发展成熟后，在刑侦领域也

    会有极大的应用空间。

    实现AI预测抑郁症还要跨过哪些难关？

    尽管AI预测抑郁症有着科学的技术和强大的数据库作为支

    撑，但要全面推进还存在一定的难度。目前的难点主要表现在受

    众接受度、机器学习和隐私保护3个方面。

    首先，人类和机器在心理检测中始终存在疏离感，人类对于

    AI的心理检测结果接受度不高。心理检测与生理检测不同，在生

    理上，我们可以做各项生化检查，通过明确的数值和图像来判断

    生理上的疾病，人们也会更倾向于相信机器的精准度。但心理检

    测却有一些不易量化的指标，如焦虑、冲动、恐惧等情绪。患者

    在与医生交谈时，更倾向于相信心理医生能够感知自己的情绪并

    且产生“共情”，从而更好地诊断自己的病情，而没有自身情绪的

    AI，恐怕难以得到人们的信任。

    其次，抑郁症的病因、病情十分复杂，机器学习难以全盘掌握。人体的神经网络精密且复杂，而随着人体生长，人脑的神经

    连接网络也会不断生长变化。迄今，有关专家对于抑郁症的病因

    都难以解释清楚。但可以肯定的是，心理与社会环境诸多方面因

    素与抑郁症的发作有关。

    抑郁症的表现也十分复杂，例如，被网友热议的“微笑抑郁

    症”，“微笑抑郁症”患者在白天大多数时间都面带微笑，但“习惯

    性微笑表情”并不能消除工作、生活等各方面带来的压力、烦

    恼、忧愁，只会让他们把忧郁和痛苦越积越深。

    “微笑型抑郁症”多发生在那些学识高、事业有成的成功人士

    中，他们或是机关里的高官、企业中的老板，或是高级技术人

    员，这类人给人的印象通常是十分健谈、自信沉稳的。但是，如

    前文中提到的，如今AI预测抑郁症主要是通过分析被检测者的语

    言方式和语言连贯性进而确认其患病风险，而面对此类“成功人

    士式患者”的侃侃而谈，AI又能否发现他们微笑背后的抑郁呢？

    最后，AI预测抑郁症的方法，即对于语言的分析不能适用于

    所有的语种。目前，硅谷一家名为X2AI的初创公司推出了针对叙

    利亚难民的AI心理咨询师，虽然其已经在土耳其的难民营中开始

    试用，但其功能相对简单，且只能做阿拉伯语的语义识别。

    就以大家最熟悉的中文为例，当有人说“吃饭去了我”时，即

    使“我”作为主语并没有放在谓语前，依旧不会影响大家对这句话

    的理解。在中文中，语序颠倒是十分常见的，即便如此，也不会

    影响句子的原意。那能代表这个人有心理疾病吗？当然不能。毕

    竟“我去吃饭了”和“吃饭去了我”这两句话在口语中的使用频率恐怕不相上下。

    另外，不同病症是否会有不同的语言倾向呢？而在同一病症

    中，不同程度是否也会有不同的语言习惯呢？这一切还有待研

    究。

    除此之外，AI预测抑郁症同样也会存在AI进军医疗领域的常

    见问题，如检测程序的设定、医疗数据保护等。所以，AI预测抑

    郁症要实现有效落地，恐怕还有很长的路要走。被避讳的妇科，AI能让她摆脱尴尬吗？

    女性健康已经日益受到大众尤其是女性群体的关注，自然，在女性健康意识越来越强的背景下，AI+妇科也被提上了日程。

    从“妈妈”到“大姨妈”：涌现的智能妇科产品

    近年来，针对女性医疗保健的智能产品越来越多。我们梳理

    市面上的智能妇科产品，大致可以将其分为以下3种类型：

    1. 生育型

    因为生理的特殊性，女性承担起了生育的职能，然而，生育

    的整个过程包括备孕、怀孕、生产和产后，都具有一定的患病风

    险，这也使女性健康面临较大的威胁。基于此，许多创业公司都

    围绕女性生育开发了一系列产品，如家庭生育监测设备，可以监

    测女性的生育能力。

    Sera Prognostics公司就是在女性孕期提供服务的，其智能诊

    断测试设备能够判断出妊娠并发症的风险。还有Kleiner Perkins公

    司支持的Progyny，它在2017年就已经筹集了4900万美元，提供

    卵子冷冻、胚胎筛选和生育治疗等一系列智能服务。

    2. 日常助手型

    女性的经期一直是判断女性是否健康的标准，而AI也将女性

    经期列为重要研究对象。在这个方面，市面上也有相应的智能硬件产品，能够结合物联网、大数据技术，实现经期数据自动获

    取，精准预测女性生理周期，并为女性提供经期管家式服务。

    还有分析经血以评测女性身体健康的产品，如智能卫生巾，用户在使用过后可以取出其内置芯片，将芯片置于评测机器内，这个系统就能自动获取经血的颜色、气味等平时物理条件下不易

    采集或无法准确描述的数据，从而分析女性的身体状况。

    除此之外，女性生殖器官的护理保健也是AI关注的重点，深

    圳就有一家公司研发出了一款妇科智能冲洗器，满足女性在不同

    场景下，外阴护理和内阴护理的需求。

    女性医疗，我们究竟需要什么样的产品？

    虽然市面上的智能妇科产品不少，但真正使用这些产品的女

    性却不多。因为比起那些想要购买智能妇科产品，健康意识强的

    女青年(青年是主要消费群体)，在现实生活中，更多的还是那

    些不太关心自己生殖健康和不了解妇科疾病的女性。有调查表

    明，80%的女性在患上妇科疾病时并不自知。

    出现这些现象的原因，主要是女性对“性”的避讳，这使得她

    们很少关注系统性的妇科健康知识。而系统知识的缺乏，又导致

    她们在妇科检查、诊断、治疗时，难以避免地产生一种心理排斥

    感。

    所以，五花八门的智能妇科产品虽然看起来很炫酷，但对女

    性的实用价值并不高。广大女同胞们最需要的应该是AI对她们敏

    感意识的共情，在这种共情的基础之上，再给予她们医疗救治。AI能通过观察人们日常所忽视的语言习惯，追踪、分析人类

    的微表情、微行为，听出、看出人类的“言外之意”，从而与人类

    达到某种程度上的共情。共情AI已经有了，如何去落到实地，消

    除女性的心理排斥感呢？

    我们可以从两个角度来分析。一是女性医学的公共教育和家

    庭教育，也就是将AI应用于女性教育领域，AI+教育的组合已经

    相对成熟，这里就不加描述了；二是妇科的远程医疗，远程医疗

    已经是老生常谈的话题了，但对于妇科，却又有着不同的意义。

    很多女性患者在患病后，首先想的不是去医院就诊，而是在

    网络上询问，但得到的建议往往是没有价值的。从中我们可以发

    现，比起面对面交流，这种匿名式的远程问诊更容易被广大女性

    接受。妇科可能是远程医疗最好的铺设渠道。

    女性对隐私越来越看重，拥有只属于自己的、了解自身健康

    情况、能长期提供治疗指导的家庭医生服务，就显得越来越有必

    要。AI对海量数据的处理能力，也能够有效满足健康监测的需

    求。

    当女性不好意思对医生说出自己身体上的不适时，AI可以把

    握病情主诉上的“尺度”，提前将可能出现的症状列出表格，让患

    者进行勾选，避免“隐私说给外人听”的尴尬。

    除此之外，AI还可以通过设置一些生理指标监测的预警标

    准，让女性免于开口，在检测过程中，一旦这些生理指标出现异

    常，就会从应用端发出预警信息，有利于人们及时处理病情。有一家名为Maven的初创公司就以女性按需远程医疗为主营业务，还打造了专门为女性设计的专家网络，仅用3年时间，这家公司

    就成功融资900万美元。

    AI+妇科，究竟代表了什么？

    不得不说，AI+女性医疗的市场潜力不容小觑。从九价宫颈

    癌疫苗的火爆，到人造子宫、人造胚胎的出现，女性在生理健康

    上有了更强烈的自主意识。

    AI的加入，表明社会正在为女性谋求更好的医疗环境，使她

    们对妇科疾病有更深的了解，女性讳疾忌医的现象也会渐渐减

    少。而且，比起男性，精致的女性显然是AI+医疗的有力消费群

    体。

    2017年，京东数据研究院公布了《女性消费报告——2017京

    东女子图鉴》，该报告表明，25～50岁的中产女性是品质消费的

    中坚力量，她们更乐意为品质生活埋单，个性化的科技消费已经

    成为她们的追求。

    除了女性的消费升级，AI+妇科或者说是智能医疗还有一个

    主要推动因素——女性的家庭角色。在家庭中，女性扮演了母

    亲、女儿、妻子等多种角色，这些角色也使得女性在医疗消费活

    动中起着特殊的作用，她们不仅对自己所需的医疗条件进行决

    策，还可以影响家庭中其他成员的决策。

    因为女性通常具有较强的表达能力、感染能力和传播能力，善于通过说服、劝告、传话等对周围其他人产生影响，女性患者容易将自己就医时的满意的感受和接受的满意服务经历当作自己

    的谈资，从而扩大智能医疗的传播范围。太空生子什么时候才能实现？

    埃隆·马斯克每次开新公司总是从图的最右边开始确定目标，然后一直推导到左边，如图1-2所示。

    图1-2

    通常在一个行业变得热门之前，并不是缺乏让其“燃烧”起来

    的“木头”，而是缺乏可以“燎原”的“火星”——总有一些技术上的

    短板阻止一个行业的快速起飞。所以，马斯克建造一家公司的核

    心初期战略都是创造能“点燃”整个行业的“火星”。

    而说到“火星”，不得不让人想起马斯克的“殖民火星大计

    划”，当然，此“火星”非彼“火星”。殖民“火星”一直就是他的目

    标，这一点从他2002年成立SpaceX公司起就未改变过。那么殖民火星的一大重要因素是什么呢？繁衍后代。

    2018年4月初搭乘SpaceX公司的猎鹰9号火箭的龙飞船升空，飞船上除了有一批补给品，还包括12个男人的冷冻精液。这是第

    一次人类精液在太空进行实验。此前，包括青蛙、蝾螈、海胆、海蜇、蜗牛、青鳉鱼等若干动物，已经成功在太空中繁殖。

    但对人类来说，想在太空繁衍生命就没那么容易了。

    太空繁衍有多难？缺乏重力和宇宙辐射使其步履维艰

    根据牛顿第三定律，力的作用是相互的。你在太空中接触一

    个物体，就会给它一个力，改变它的速度和方向。所以，在太空

    中，两个人即使只是相互拍下肩膀，双方也会被弹向两个方向，直至碰到其他物体。

    在这里重点解释一下太空辐射。太空辐射是一种包含伽马射

    线、高能质子和宇宙射线的特殊混合体。在电影《绿巨人》中，由于伽马射线的辐射使班纳博士的肌肉组织、结缔组织、神经组

    织发生了异化，一旦愤怒，他就会化身为绿巨人浩克。

    在现实生活中，可能不会发生这种事。如果将太阳作为参照

    物，那么伽马射线在几分钟内释放的能量相当于万亿年太阳光的

    总和，它强到可以把空气点燃，烧焦地球上的所有生物只需要几

    秒，可见宇宙环境有多恶劣。

    人们在宇宙受到的辐射量超过在地球上的100倍，作为身体

    上最敏感的部位，生殖器官首当其冲。辐射会让精子发生突变。一项研究表明，来自太空辐射的带电氧离子和铁离子会对母鼠卵

    泡储备造成伤害，而雌性卵巢内的卵泡又是有限的，长时间暴露

    在辐射下会对大脑造成永久伤害。

    那么怎么办呢？

    见微知著，从更小的单位研究起

    1. 精液

    2013年8月，日本的研究人员利用日本宇宙航空研究开发机

    构(JAXA)的货运航天器，将冷冻干燥精子样本送上国际空间

    站。在待了288天之后，样本随着火箭回到地球。研究者用这些

    精子对实验室的小鼠产生的卵子进行体外受精和胚胎移植。经历

    19天的孕育后，研究人员对小鼠实施剖腹手术，使其生下健康的

    小鼠。

    其实，小鼠在某种程度上存在DNA的损伤，但这些DNA损伤

    并没有影响到后代，也没有通过性状表达出来，甚至当第二代小

    鼠在生育第三代时也表现正常。

    这是人类首次在哺乳动物中完成类似的实验，而在对人的精

    液进行研究时，国际空间站上的科学家解冻并激活精液样本，然

    后观测精子活力与精卵结合的情况。这里需要理解精子获能的概

    念，即精子获得穿透卵子透明带的过程，只有经历了这个过程，卵子才能完成受精。现阶段需要搞清楚两个问题：微重力对精子

    活力的影响及在微重力下能否完成精子获能。早前有研究证明，缺乏重力会干扰精子的正常功能。然而，即便精子细胞本身功能正常，它们能否在太空中和卵子结合依然

    成谜，现阶段对精子活动的探索依然处于极早期阶段。

    2. 胚胎干细胞

    2017年4月，天舟一号货运飞船在太空开展人的胚胎干细胞

    分化为生殖细胞的实验，该项目负责人为清华大学医学院教授纪

    家葵。该团队此前已研究证明，人的胚胎干细胞可分化培育出原

    始生殖细胞及类精子细胞。

    该团队开发了一套荧光报告系统，将2008年获得诺贝尔奖的

    绿色荧光蛋白GFP嵌入到了一个名为VASA的基因之中——当细

    胞表达VASA基因的时候，荧光蛋白也同时会被激活表达，细胞

    就会发出绿色的荧光，以此来判断人类胚胎干细胞是否分化出原

    始生殖细胞，并实时传输回地面，与地球上同时进行的对照实验

    比对。

    该研究重点关注太空微重力环境下生殖细胞发育与成熟的基

    本规律，探索微重力、高辐射的环境对于人的生殖细胞有哪些影

    响，生殖细胞的分化是否会因此而滞后或者效率降低。(免费书

    享分更多搜索@雅书.)

    2015年NASA的研究结果表明，太空微重力环境影响了小鼠

    拟胚体(EB)在太空的分化能力，抑制了谱系分化基因的表达，但这些未分化的EB在地面条件下培养却能够进一步分化。

    这一系列的研究为后续的研究提供理论依据和技术支持。然而，不管是研究精液还是胚胎干细胞，终究是很早期的研究，最

    后即使能受孕，接下来该如何发育依然是需要探索的问题。

    受精卵可以在太空发育吗？

    初中生物教科书中曾讲到过太空育种，简单说就是让很多植

    物种子搭载火箭进入太空，在太空高能粒子辐射、微重力、高真

    空等条件下让植物种子发生遗传变异，然后经过挑选留下人类想

    要的品种筛选育种。但实际情况是，将一大批种子带到太空，只

    有少部分种子能结出又红又大的果子，绝大部分的变异都不是人

    类所需要的。

    人的对称生长与地球上的重力有很大的关系，在强大的辐射

    环境中能孕育出什么样的宝宝，这个问题恐怕连绿巨人本人都难

    以回答。植物变异畸形的种子会即刻销毁，但人的受精卵在伦理

    上并不被允许这样做，那应该怎么办呢？显然这涉及很多问题。AI真的能预测死亡时间吗？

    对于一些重病患者而言，“死亡”这个话题虽然十分沉重，但

    也需要预留空间去探讨和适应。如果可以精准预测患者的“死

    亡”，是否能给予他们这个预留空间呢？

    美国斯坦福大学开发了一个预测死亡时间的AI系统。这个AI

    系统整理了近200万名成人和儿童患者的电子健康档案数据，以

    及相关的医学诊断信息，从而得到病情的大数据。再通过数据收

    集与系统自主学习机制，这个AI系统可以预测患者具体的死亡时

    间。

    为什么要用AI来预测死亡？

    在中国，每年有约700万人走向生命终点，这个AI系统的出

    现，预示着医生能够更加精确地安排患者的临终关怀。除此之

    外，利用它我们还可以发掘一条新的道路。

    对于大限将至的晚期患者，这个AI系统可以通过长期的数据

    跟踪来判断死亡概率。而对于一些特殊疾病的突发症状，它也可

    以通过机器学习，感知患者的一些生命体征的变化从而发出危险

    预警。

    FDA于2018年批准通过了一个可以预测死亡的AI产品，这个

    产品名叫Wave Clinical Platform，由医疗科技公司Excel Medical研

    发。Wave Clinical Platform是一个永远在线的远程监测平台，集

    合了患者的用药情况、年龄、生理情况、既往病史、家族病史等

    实时数据。

    这个系统可以感知生命体征的细微变化，从而在发生致命事

    件6小时前发出预警。也就是说，这个系统可以通过比较数据库

    中的猝死病例，从而提前6个小时预测“猝死时间”，为医护人员

    赢得抢救时间。

    英国科学家也曾在《影像诊断学》杂志上发表文章说，AI可

    以预测心脏病人何时死亡。AI能让医护人员发现那些需要干预治

    疗的患者，从而让医护人员能够拯救更多的生命。

    AI预测死亡这一命题能成立吗？

    对于AI预测死亡这一命题所遇到的问题，我们可以从以下3

    个方面来考虑。

    1. “预测死亡”即“判死刑”，患者能接受吗？

    不可否认的是，预测死亡确实可以让医生更合理地配置医疗

    资源。但“死亡”并非那么容易被所有人接受。

    《众病之王：癌症传》的作者Siddhartha Mukherjee博士在文

    章中讲过自己亲历的一个故事，他曾经治疗过一名食道癌患者，这个患者的治疗十分顺利，但还是存在很大的复发可能性。于是

    医生提出了临终关怀，但这位患者拒绝了。这位患者认为，他的

    身体状况越来越好，精神状态也很好，为什么医生偏要说这些扫兴的话呢？

    令人遗憾的是，这位患者的癌症还是复发了。在他临终前，他始终处于昏迷状态，无法回应在他病床旁的家人。

    从这个故事中可见，并非每一个患者都能淡然地接受“死

    亡”。当患者与病魔、死神苦苦争斗时，医生用一套所谓科学

    的、精密的AI系统预测了患者的死期，于患者而言，抗癌之旅本

    就艰辛，而在其头顶悬上一把会准时掉落的“死亡之刃”未免也太

    过残忍。

    2. 病情存在个体差异，复杂病例难以判断

    AI预测死亡主要依赖于医疗大数据和深度学习。研究团队表

    示，AI预测死亡系统收集了发现病症后12个月内死亡的患者的数

    据，然后通过神经网络利用大数据计算每条信息的权重和强度，生成一个患者在3～12个月内死亡的概率分数，再通过分数预测

    患者在3～12个月内是否会死亡。

    医疗数据种类繁杂，质量参差不齐，是一种极具个性化的信

    息。疾病的病程具有一定的规律，但具体病情症状却因人而异。

    个人体质、周围环境等因素都会影响疾病的转归。除了个体的差

    异，疾病本身也难以被清楚地认知。例如，几乎任何传染病的初

    期症状都与感冒类似。也就是说，疾病本身是带有欺骗性的。在

    面对复杂的病例时，医生也常常需要借助辅助工具，或召开病情

    讨论会议，几方会谈后才能确定治疗方案。

    另外，AI预测死亡的深度学习有一个令人费解的地方，也就是“黑盒子”问题——它能够推算出一个患者的死亡概率分数，却

    无法表达其背后的逻辑。

    所以，通过概率分数来预测患者的死亡时间依旧存在许多问

    题。单单针对某类疾病的死亡预测可能有效，但是预测大病种的

    死亡概率的可能性却微乎其微。

    3. 医疗大数据共享难

    AI+医疗大多以算法开始，但最终还是会回到数据。数据获

    取难度大是所有AI项目的问题，医疗行业的数据，尤其是这类关

    于生死的数据更难获取。

    医疗信息与其他领域的信息不同，种类十分繁杂，标准也不

    统一。尤其许多医疗数据会涉及患者的隐私，有部分患者并不愿

    意将自己的医疗数据用于AI研究。

    就质量而言，医疗数据也有更高的要求，比如，所有的医疗

    数据都需要医生的人工标识。

    除了患者方面的原因，从医院方获取数据也有阻力。在不能

    确定某项研究是有利于医院救护的时候，医院恐怕并不愿意担风

    险而贡献出所有的工作数据。技术人员如何和医生形成合力，获

    取高质量的大数据，是大部分AI医疗企业共同面临的难题。

    “鸡肋”如何巧变为“熊掌”？

    “AI预测死亡的准确率高达90%”更像是一个噱头，预测人类的死亡只是更方便地进行姑息治疗，但其中还是会面临一些伦理

    问题。例如，要不要将死亡日期告知患者和其家人？机器是否有

    资格来宣判人类的死亡期限呢？

    如果换一个预测对象呢？设想一下，作为一只宠物狗的主

    人，当狗狗的身体机能渐渐衰退，主人是否想知道这只狗什么时

    候会离世呢？由于语言不通，人类希望借助一些辅助工具来了解

    宠物，希望有更精确的医疗辅助系统来诊断宠物的病情，从而为

    宠物做更好的安排。面对宠物，AI预测死亡似乎更能被人类接

    受。

    AI预测死亡系统的发展过程应该是一个不断提升价值的过

    程。一方面，这个系统应该建立更多对象的数据库，依赖深度学

    习来进行更多应用场景的选择。首先，选择一类对象(多半为宠

    物)作为训练学习模型的教材；然后，通过积累的“经验”来判断

    这类对象在发病期间的死亡概率；最后，对对象进行干预治疗。

    另一方面，预测应由预测死亡变成预测病程。预测场景从垂

    直领域到横向领域，构建一个智能预测系统，既包括病程的转归

    期，也包括病程前期的所有阶段，最后做到为用户个性化建模。

    在AI医疗上，我们细分了越来越多的名目。虽然“预测死

    亡”看起来涉及人类生死大事，但目前人们只是触及事情的表

    面。在戳破了“死亡预测”这个气泡后，如何让AI医疗预测成为一

    个真正惠民的项目，触及医疗痛点，恐怕才是大部分布局AI医疗

    的企业需要思考的。罕见病不再罕见，AI真的能让患者享受生命尊

    严吗？

    说起冰桶挑战，想必大家都很熟悉，这项挑战自2014年发

    起，旨在让更多人了解被称为渐冻症的罕见疾病，同时也达到了

    募款帮助患者治疗的目的。渐冻症因为名人的加入而有了关注

    度，但其他的罕见病却没那么“幸运”，在罕见病的目录中，更多

    的是那些不被人关注甚至被人歧视的罕见病症。

    虽然不被重视，但罕见病群体却一直在扩大。在中国，渐冻

    症患者每年确诊逾400例，根据WHO的数据，目前我国罕见病总

    患病人数约为1680万人。事实证明，罕见病已经不再罕见，一直

    致力于医疗领域的AI是时候重视这个特殊的患病群体了。

    AI能为罕见病做些什么？

    想要治病，当然要对症下药。罕见病的困境，首先体现在确

    诊上。

    由于不常见，罕见病误诊的概率非常高。据《2018年中国罕

    见病调研报告》，43%的患者需要在4家及以上医院求诊才能确

    诊，有16个患者甚至在超过20家医院求诊后才获得确诊。欧洲罕

    见病组织的调查也显示，40%的受调查者曾被误诊。

    患者除了要承担误诊的风险，还要在长期的确诊等待中饱受

    生理和心理上的煎熬，面对这种情况，我们如何又快又准确地诊断出罕见病呢？

    简单来说，就是要“化简为繁”。为什么这么说呢？因为罕见

    病的患病人群少，能够提供给AI建立模型的有效数据也非常少，有没有一种方法能将数据增加呢？当然是有的，总结起来就是

    ——“人数不够，细胞来凑”。

    如同罕见病患者会表现出患病症状一样，罕见病的细胞模型

    也会在细胞结构上表现出一定的特征，而这些特征就成为机器学

    习的素材。AI可以“观察”非常多的细胞显微照片，并对照片上的

    细胞结构特征进行分析，从中找出与疾病相关的细胞特征。

    位于美国犹他州盐湖城的Recursion公司就利用机器学习、计

    算机视觉和机器人自动化领域的进展，通过计算机软件每周分析

    上百万张超高清晰度的细胞显微照片，构建了上百种模拟罕见病

    的细胞模型，然后通过先进的成像技术对这些模拟罕见病的细胞

    模型拍照。

    这种“化简为繁”的方法不仅在诊断上有所帮助，在罕见病的

    另外一重困境——药物开发中也能起到不小的作用。

    罕见病的药物市场一直没能受到药物研发公司的重视，因为

    其患病人数少、市场需求小、药物研发成本高，罕见病的药物被

    形象地称为“孤儿药”。目前，我国对于“孤儿药”的研发处于初期

    阶段，罕见病患者的治疗药物基本依赖进口。

    AI在处理数据方面绝对是个高手。AI药物研发的底层核心就

    是知识图谱，其实质就是将来自实验室的理化数据、各种期刊文献中的研究成果及临床数据等原本没有关联的数据连通，将离散

    的数据整合在一起，从而提供有价值的决策支持。

    所以，如果能通过细胞显微图像判断疾病特征，整合更多离

    散的数据，我们也可以通过这个方法来进行药物筛选，提高筛选

    的速度和成功率。

    维护生命尊严，AI要从哪里做起？

    虽然找到了途径去助力罕见病的诊断，但AI要解决的事情却

    远远不止于此。

    从马斯洛需求层次理论出发，我们能够发现，相较于正常

    人，罕见病患者面临着更多难以满足的需求，他们既没有稳定的

    收入，又面临着巨额医疗支出，最低层次的生理需求尚难满足，更不用说最高层次的自我实现了。

    《罕见病群体生存状况调研报告》显示，在经济上，罕见病

    患者对家庭的依赖程度非常高。近八成受访者主要靠家庭成员的

    收入来维持生计，一成受访者是依靠自己的劳动收入，其余受访

    者则依靠政府提供的生活保障、社会捐赠或者其他。

    罕见病患者面临工作机会少，在求职过程中遭到歧视等问

    题。

    但谁不想活得有尊严呢？当被病魔折磨的患者们在日复一日

    的生活中渐渐失去自我价值感时，能够以独一无二的“我”的身

    份，自主地去做一件事，常常是激动人心的。于是，如何为罕见病患者提供自我实现、寻求意义的渠道，才是AI要真正解决的问

    题。

    AI首先要做的是延展罕见病患者的工作技能，延展途径有两

    个：一个是能力培训，这也是目前许多社会组织在做的；另一个

    是找到同等替代力的工具，这也是AI能大展身手的地方。一般来

    说，罕见病患者无法工作的原因往往在于身体机能的缺失，而AI

    本质上则是人的机能的延伸。

    例如，对于渐冻症、肌无力患者，我们可以运用脑机接口技

    术，这种新的神经生物能力能够扩展渐冻症患者的运动能力、感

    知能力和认知能力，患者可以有效地、完美地将自己的思想转化

    成运动指令，由此可以操控简单的工具，或者调控一些机器。

    其次，AI还需要建立一个匹配工作的数据库，为这些患者有

    针对性地找到一份工作，其中最有效的方法是搭建一个人机平

    台，将大众的力量通过这个平台汇集在一起。

    2018年，谷歌曾在其搜索结果页面上推出了新的就业搜索功

    能，可以让用户在几乎所有主要的在线工作网站(如LinkedIn、Monster、WayUp和Facebook等)上搜索职位，但其本身并不发布

    任何企业的招聘信息。

    针对罕见病患者的这个平台应该将重点放在社会服务工作项

    目上，这些项目可以让罕见病患者参与到为特殊人群服务的社会

    工作中，在与病友进行互动、满足其社交需求的同时，也实现自

    我价值。这样就实现了从以往的“众筹”变成“众就业”，从“授人以鱼”变成“授人以渔”。

    最后，AI应该建立一种模型，使罕见病患者的公平劳动行为

    有着具体化的定义和框架，来适应罕见病患者大量就业的变化。

    在建立模型时，既要避免企业通过“逆向选择”来识别特定群体及

    个人，也要避免极少数的患者以弱势群体的身份对企业进行“道

    德绑架”。

    当然，维护患者的生命尊严，仅靠AI是远远不够的。要真正

    保护这些患者，还需要政府在相关的就业监管和政策制定上保持

    高度的重视。

    同时，我们也应该在AI开发上使力，当罕见病患者的就业需

    求成为部署AI的中心时，关注和理解这些需求就变得十分重要。

    在AI开发上，我们可以引入不同的受保护人群，这样既为这些群

    体创造了新的岗位，如“数据清洁工”(能够“清理”数据，为模型

    提供有效数据)，又能够开发出具有共情能力的AI系统。拒绝开颅，AI能扩充人的脑容量吗？

    还记得《最强大脑》第四季中那一场人机对战吗？在那一期

    节目中，镜头扫过，名人堂里的“超级大脑”们面露难色，没有人

    敢上去应战，尴尬的气氛简直都要溢出屏幕了。这一次“人机大

    战”也把“人类不敌机器”的话题推向了高潮。

    事实上，现在说人类敌不过机器还为时过早，但AI在有些方

    面确实还是占据了一点“剑走偏锋”般的优势，那就是“库存量”。

    类比起来，也就是人脑的脑容量，虽然我们拥有灵长类动物中最

    大的脑容量，但人脑再强大，也难以存储某个事件的百万甚至千

    万条的数据。

    虽然脑容量大的人不一定聪明，但脑容量大一点，就好像捡

    了个“三级包”(游戏词汇，指最大容量的装备包)，虽然不一

    定“装得满”，但起码可以“装”。那么，我们有什么办法可以扩充

    自己的脑容量，升级一下自己的“装备”呢？

    扩充脑容量，有哪些方法？

    总体来说，人类脑容量演变呈“两头缓慢，中间迅速”的S形

    曲线式发展，其演变受到了包括行为和基因等多种因素的共同调

    节，如基因进化、工具的制造和使用、劳动等。而对于扩充脑容

    量，我们或许可以从这些影响因素中得到一些启发。

    1. 复活已灭绝的物种作为智人的一个分支，尼安德特人的脑容量甚至逼近了现代

    人的脑容量值。所以，如果技术上可行，我们是不是能直接“复

    活”尼安德特人，让“大”脑人成为现代人的一部分呢？

    哈佛大学遗传学家George Church在接受德国《明镜周刊》采

    访时曾表示，他已快要开发出克隆尼安德特人的必要技术，届时

    他需要找到一位“愿意冒险的女人”充当代孕妈妈，孕育出3万年

    以来第一位尼安德特婴儿。

    这听起来是不是很疯狂？别惊讶，Church的说法可不是天方

    夜谭。早在2009年，德国马克斯·普朗克研究院莱比锡人类进化研

    究所的科学家们已经完成了对尼安德特人的基因组测序，并将完

    整的尼安德特人基因数据公布在互联网上，每个人都可免费获

    得。

    拥有了基因组，“复活”灭绝物种就成为可能。此前也有一些

    生物学家克隆濒危或灭绝动物的先例，在2009年，已经灭绝的西

    班牙山羊亚种巴卡多，从冰冻的皮肤样本中被克隆出来。虽然新

    生儿因呼吸衰竭而死亡，但它的诞生表明，复活已灭绝的物种还

    是可行的。

    Church的实验室就正在创造尼安德特人的细胞，想象一下，一个新生的尼安德特婴儿的脑容量能有多少？“大”脑带来的是愚

    钝，还是超级聪明？这些谜题的答案，似乎近在眼前了。

    2. 脑联合的畅想

    一个大脑的容量或许有限，那再加几个大脑呢？如果可以建立一个脑对脑的界面，将两个活人的大脑连接在一起，不就可以

    实现“扩容”了吗？

    在历史上，也有人这样考虑过。诺贝尔奖获得者默里·盖尔曼

    曾在他的著作《夸克与美洲豹》中提到过，“某一天，人类能够

    与一台先进的计算机直接用线连接起来，思想与情感完全被共

    享，再也没有了语言上的选择和欺骗……这必然会造成一种复杂

    的新形式，它是许多人的真正混合。”

    大家是不是觉得很熟悉？没错，这就是目前非常火热的脑机

    接口想法的雏形。但与脑机接口不同的是，在扩充脑容量上，计

    算机不再作为终端的信息输出设备，而是作为人脑之间的连接枢

    纽。

    脑机接口技术的成功也表明，“大脑—机器—大脑界面”的逻

    辑是合理的。杜克大学的研究员曾经做过一项实验，他们把动物

    大脑连接到了一起，并合作完成了一些简单的任务。大脑连接

    后，猴子们展示了动作技能，老鼠也表现出了计算能力。

    3. 让神经之间多点联系

    注意，现在所说的这个方法可能是最简单也最容易实现

    的“扩容”方法了。实际上，认知挑战是塑造“大”脑的主要驱动

    力，这与AI有点相似，AI也是通过不断地认知、建立GAN来丰富

    自己的数据库的。

    对于人类而言，认知挑战具体的驱动力可以分为生态驱动型

    和社会驱动型。生态驱动型模型指的是非社会性的环境因素，如寻找食物和躲避被猎食；社会驱动型模型则是社会性因素，如人

    与人之间的协作、竞争等社会关系。

    2018年，《自然》刊登的一项研究首次通过数学模型确认了

    生态挑战是人类脑容量增大的主要驱动力之一，否定了之前很多

    学者推测的一种可能，即人类社会的复杂性导致了人脑容量的增

    加。

    毫无疑问，我们具有在外界环境和学习经验的作用下塑造大

    脑结构和功能的能力。大脑内部的突触、神经元之间的连接可以

    由于学习和经验的影响建立新的连接，从而影响个体的行为。神

    经元之间连接增多，神经密度变强，大脑容量自然就大了。

    我们要不要扩充脑容量

    如果人类只做一些简单的事情，那我们完全不需要大脑，这

    里可以参考一下单细胞生物。但是，我们希望自己能体验到愉悦

    感，而不只是为了简单的生存，有时候还希望可以将这种感受表

    达出来，所以，大脑引发出的是更为复杂的社会行为。

    一直以来，没有人会质疑体积更大的大脑能够胜任更复杂的

    功能，不过越来越多的科学家开始思考体积变大是否是大脑功能

    增强的唯一途径。为了变得更聪明、记忆力更好，而去扩充一

    个“大”脑是否是必需的呢？

    1. 尼安德特人的囚徒困境长久以来，尼安德特人多被认为是因智力不足以应付环境的

    变迁而灭亡的低等人种。而实际情况是，尼安德特人非常成功地

    应对气候挑战的时间至少有20万年，比延续至今的现代智人还要

    长12.5万年到15万年。

    尼安德特人的脑容量比智人还要大，与现代人十分接近甚至

    高于现代人，目前也有很多证据表明尼安德特人是拥有不低的智

    力的(他们甚至还会化妆)，那为什么现代人的这个“近亲”会灭

    绝呢？

    关于尼安德特人灭亡的原因科学界已经有了种种猜想。我们

    在这里也可以开一个“脑洞”——尼安德特人逼近现代人的大脑容

    量极有可能促进了这个人种的灭绝。大胆设想后，接下来就是小

    心求证了。

    在丛林法则中，胜利者未必是最聪明的，也未必是最强壮

    的。反而，因为拥有高智商、自我意识很强的尼安德特人更容易

    陷入困境，明明有合作双赢的选择，但是博弈的结果都是选择背

    叛，个人理性有时能导致集体的非理性——聪明的尼安德特人因

    自己的聪明而作茧自缚，从而损害了集体利益。

    BBC的一个纪录片中也曾提到过，东非草原的智人的协助能

    力超过其他地方的人类，就像东非草原上其他动物，如狮子、鬣

    狗等，合作的方式都比别处同科的动物更复杂，语言的发育也最

    充分，这些物种往往更容易在竞争中胜出。与尼安德特人相对的

    智人，在艺术方面也会更有协作精神，其艺术成就也往往有利于

    种族之间的识别、认同和互助。如此来看，扩充了脑容量也不一定是一件好事。我们可以用

    以下两句话总结尼安德特人灭绝和智人留存的原因，即“聪明反

    被聪明误”和“三个臭皮匠顶个诸葛亮”。

    2. 简单的大脑效率高

    在人类的进化过程中，脑容量一直是增加的，直到增长到3

    万年以前的约1500mL之后，出现了下降趋势，到现代约减小为

    1300mL，不仅脑容量减小了，而且脑重量与体重的比值也减少

    了。

    大脑为什么会出现小型化的趋势呢？科学家用蜘蛛做了一个

    实验，从中发现了一个现象：纵使大脑体积相差多个数量级，但

    这些蜘蛛表现出来的行为能力却几乎没有差异。

    除了蜘蛛，迈阿密大学的科学家也对70余种的鸟类进行了调

    查。最终，科学家提出，一个微型的大脑或许能够更加高效地完

    成所有复杂的生命活动。

    “进化，不需要任何多余”，也许这就是大脑变小的原因。

    而“大脑微型化”这一结论不仅影响了我们对脑容量大小的认知，更为AI的研究提供了新的见解。

    简单来说，“大脑微型化”的行为就类似于计算机芯片中晶体

    管体积的缩小。如果这项研究能够取得突破性的进展，程序员就

    有可能从中获取灵感，将小动物的“小”脑融入AI的设计中。宠物智能医疗兴起，关键问题解决了吗？

    中国有多少家AI+宠物医疗的公司呢？

    数量上，恐怕还不到一个省内医院总数的13。

    让宠物医疗拥抱AI，我们有多少个迈向这个领域的动力，就

    有多少个放弃的理由：论蛋糕大小，“它经济”远远比不上“他经

    济”和“她经济”；在智能领域，宠物医疗的战略性意义也远不及人

    类的医疗、安防、教育等领域。

    在融资上，智能宠物医疗领域还没有获得顶级资本的青睐。

    所以，当你发现宠物医生使用的医疗器械还停留在很多年前时，也就不足为奇了。

    然而，随着互联网宠物医院业态的涌现，有关宠物医疗的创

    业方向越来越多，AI+宠物医疗也开始成为一门好生意了。

    复制人类的智能医疗模式可行吗？

    面对宠物医疗市场这块变得诱人的蛋糕，我们要思考的问题

    是，AI应该如何为其增值？

    同样是智能医疗，宠物行业是否可以完全复制人类的模式，在预防、诊断和监管方面做出成绩呢？这恐怕很难，原因在于以

    下三个方面。

    1. 大数据诊断行不通在人类临床上，利用大数据来做病例模型、筛选治疗方案是

    很常见的，但在宠物临床上的普及率却非常低。这是因为宠物传

    染病、皮肤病的防治，以及免疫驱虫服务的服务流程较为标准

    化，从业人员往往能够凭借经验直接给出诊断结果。

    除了北京、上海、广州、深圳等一线城市里接诊数量大的宠

    物医院，业内对成像系统做模拟病例都不太看好，一是因为成本

    太高，二是因为一般需要使用病例模拟的患宠病情发展会很快，可能根本来不及采取治疗手段。

    所以，在宠物医疗领域，AI、大数据在宠物诊断这方面可能

    真的派不上大用场。

    当然，大数据仍然有其他的用处。例如，在药物研发中使用

    基因数据、临床实验数据的共享、电子病历系统的广泛使用等。

    此外，医疗信息资源库可以为宠物提供个性化健康管理，包括智

    能导诊、健康记录和疫苗接种预警等；医疗信息资源库也可以为

    医生提供个性化临床决策支持。

    2. 智能感知还不够

    近年来，比较常见的宠物智能医疗产品就是可穿戴设备，包

    括智能项圈等，一般具有监测宠物的心率和呼吸速率的功能。在

    日常生活中，系统会将宠物的呼吸、心率数据发到云端进行分

    析，一旦数据异常，主人手机上的客户端就会建议主人带宠物去

    医院。

    宠物智能穿戴虽然能够满足人们对宠物的关爱需求，但和人类穿戴产品一样，存在产品同质化严重、产品功能与智能手机功

    能高度重合的问题。

    此外，宠物与人不同，人类虽然长相各有不同，但起码是同

    一个物种。但是在宠物界，不同宠物的体型不同，运动形式也比

    较多样，同时，宠物还会有与心理状态相关的高级行为。

    显然，依靠AI来感知动物的体态和运动形式还不足以全面了

    解宠物的生理状态。参考人类“望闻问切”的就诊模式，我们还需

    要“询问”动物，得到动物自身的“回答”，才能够更准确地知晓宠

    物的“感受”。

    宠物虽然不会说话，但它们都有自己的叫声，这也是宠物医

    疗行业里智能问诊的突破点。日本有科学家发现，动物的叫声包

    含疼痛、发情、饥渴等信号，甚至会表达出个体身份等丰富的信

    息，也能反映出其身体、生理状况。

    《亚澳动物科学》杂志就发布过一种数据挖掘算法，能够从

    奶牛叫声中提取信息，并进行早期异常检测。实验结果表明，该

    方法的准确率大于94%，且系统成本低，可实现无接触、实时检

    测。

    所以，通过AI去分析某种动物的叫声信号，建立具有个体显

    著性差异的多个声学特征，就能将声学特征作为宠物医疗的“指

    示器”。

    3. 宠物医院更看重营销而非治疗目前，国内知名的连锁宠物医院瑞鹏和瑞派，它们在线下都

    有100余家门店，领跑国内宠物医疗行业。宠物医院在本质上还

    是一个“商店”。

    这家“商店”面向的客户主要为单个养宠人群，收入来源较为

    分散，因此，它必须具有很强的营销能力才能养成用户习惯。宠

    物医院要想打造核心竞争力，需要具备良好的线上导流能力和线

    下门店扩张能力。

    诚然，治疗效果和医疗设备也在宠物医院的竞争格局之列，但营销、人才输送、门店复制和服务标准化才是宠物医院形成连

    锁的核心要素。

    如果要搭建一个智能连锁平台，就代表宠物医院需要连接一

    个产业链，这个链条包括专家、设备、耗材、地方宠物诊所、代

    理商等。在这个模式中，角色众多，不确定因素太多，成本更是

    不能确定。

    最后，这些成本由谁承担？羊毛出在羊身上，宠物主人无疑

    要为这些智能医疗设备买单，令人遗憾的是，宠物可没有医保。

    如果宠物医院有能力自己研发，那购买智能设备自然是更划

    算的。如果宠物医院没有更多的资本，那这类设备又是否真的能

    提升宠物医院的客流量呢？

    智能宠物医疗未来可能的变量，还是取决于政策因素。例

    如，制定行业规范，包括宠物医院设备标准、宠物管理办法、宠

    物医疗保险等。规模化过程中，AI要做宠物医生的防御衣

    在技术落地的过程中，我们还要知道，宠物智能医疗并不是

    一个简单的技术升级，它在现实世界中会面临许多复杂的情况。

    而如何让这个技术惠及宠物医生、宠物和主人三方是比技术突破

    更让人头疼的问题。

    “宠物医生被宠物咬了，主人是不负责的。”一位宠物医生告

    诉我们，这几乎是业内默认的一个“规矩”。在发生医生被宠物伤

    害的事件后，态度比较好的客户会向医生道歉，但大部分不会给

    予赔偿，而一些比较刁蛮的客户，反而会觉得这是因为宠物医生

    不够专业，甚至觉得是他们活该。

    在宠物医院里，医生的权益很难得到保护，面对这样的情

    况，医生也掌握了一套“生存法则”——“把本身不严重的病说得严

    重点，不能让主人觉得这个病很容易治。”受访的宠物医生告诉

    我们，因为宠物疾病和诊治过程发生意外的概率较高，而为了减

    少纠纷，医生往往更倾向于隐瞒部分信息。这也是有人觉得宠物

    医疗信息不透明的原因之一。

    所以，在宠物行业，智能医疗产品的设计和使用体验不仅要

    满足宠物主人和宠物的使用需求，还需要解决宠物医生的难题。

    这里可以参考人类医疗的做法。2017年，IBM与Atrius Health

    达成一项协议，共同开发一个基于云的服务来改善医患体验，通

    过大数据描述不同人在不同治疗选择下的健康结果，进而支持医

    生与患者共同决策。尽管共同决策的好处很多，但许多医生表明很难将共同决策

    技术整合到他们与患者的直接互动中。患者在医疗过程中“做自

    己的主”反而会增加医疗风险。

    如果将场景换成宠物医院呢？效果可能会比较好。

    一般来说，宠物行业存在一个共性——使用者、购买决策者

    是分离的。与人类医疗相比，这种共性的好处就是决策者对宠物

    医生的忠诚度会比较高，医疗风险也会相应降低。

    通过提供影响宠物健康的多种因素的整体视图，可以使宠物

    医生与宠物主人共同决策。这样，既可以提高宠物主人的认知，也可以减少无根据的护理和成本变化，进而改善宠物医生和宠物

    主人的关系。

    你愿意让你的宠物“数字化生存”吗？

    在思考宠物智能医疗的方向时，我们试图去解决一些根本的

    问题——如何让宠物更加健康地、长久地生存下去？能否一劳永

    逸地解决宠物疾病等问题？

    对于人类而言，我们提出了思维移植、数字化生存等观点，也就是让人类不再仅仅依赖于肉体，这样就可以不再面对疾病问

    题了。仿效这类做法，你是否愿意让你的宠物进行“数字化生

    存”，保持“永生”？

    我们无法提取一只狗的意识，却可以收集一条狗在世界上留

    下的所有痕迹：样貌、体型、经历、吃喝的喜好、“撒娇”的形态……通过对这些数据的学习，我们完全有能力在数字世界“再

    造”出一条“永生”的狗。

    目前也有很多技术包括VR、AR等都支持人们在虚拟世界“抚

    摸”一只狗，甚至进行一些逗猫狗的游戏，如抛球、甩盘等。而

    且，比人类数字化生存更好的是，用数字化技术“模拟”一条狗，不会面临太多社会伦理方面的问题。

    但是，数字化的宠物也会给人一种错觉——我们有人陪伴，且这个人永远不会离开。毋庸置疑，这种情感陪伴也是有风险

    的，就像曾经风靡一时的电子宠物，让人们沉醉于虚拟世界，而

    不愿回归现实。挖掘“黑马级”的智能医疗器械市场，难在哪

    了？

    “假如没有症状，国内大多数患者都不会主动要求做胃镜检

    查。”中山大学第六附属医院的医生在接受采访时说道。

    关于胃镜的可怕程度，许多人都有所耳闻。笔者也询问过现

    在在医院工作的同学，“是不是越严重的胃病做胃镜的反应就会

    越大？”

    “不一定，比如胃癌患者做胃镜就不会有丝毫反应，”他回答

    道，“但是，往往做了一次胃镜后，会发现自己的病已经到了晚

    期。”

    虽然有人说不同的人应激反应的程度不同，胃镜也没有传说

    中那么可怕，但是没有人能提前知道自己不是生理反应最激烈的

    那个。未来医疗健康将有望成为拉动内需的“三驾马车”之一。那

    么，在如今这个关键节点上，我们到底能不能完成把医疗器械彻

    底智能化的使命？

    从检查到吃药，最好都“别找我麻烦”

    研究表明，早期胃癌的术后5年存活率可达95%以上，但是如

    果到了中晚期，术后5年的存活率仅有20%。

    基于这样的现实背景，智能胶囊胃镜开始出现在世人的视线

    当中。目前的智能胶囊胃镜主要分为两类，一类是内部驱动的微型仿生胶囊机器人，但这类机器人普遍缺乏持续的动力系统，除

    非开发出无线充电的技术，否则，只能停留在实验室阶段。另一

    类是通过磁控方式实现机器人在消化道中的运动，这类胶囊机器

    人已经开始进入人体临床试验阶段。2013年，安翰公司推出了世

    界上首个获得SFDA批准应用于临床诊断的胶囊内镜机器人

    NaviCam。患者只需吞下一颗胶囊机器人就可以接受无痛无创的

    胃镜检查。

    当下，中国消化道诊疗存在医师资源紧缺、医疗资源分布不

    均等多重问题，优质资源对于广大的群众来说依旧十分难寻。

    另外，吃药难也是一个大问题。试问一点病痛都没有的人能

    有几个？但真的能够做到按时按量坚持吃药的患者又有几个？

    2017年，麻省理工学院团队研发出了一款新型药物装载器，该装

    载器可以在特定的时间内释放药物的颗粒结构，实现精准的药物

    输送。不仅如此，研究人员还将其用3D打印技术制作了实体。但

    是目前该装载器仍然存在稳定性方面的问题，因为这样的精准放

    药机制必然会有较高的成本造价，如果其能够起作用的时间不能

    达到令大众满意的程度，则很难得到量产。未来，麻省理工学院

    团队的目标是将该精准放药机制的稳定性提高到可以持续数百天

    以上。

    智能医疗器械还有什么别的问题？

    由于医疗器械属于医疗系统的基础设施的构成部分，因此，其对于全面的智能化医疗服务有着极其重要的意义。不过，在智

    能医疗器械的实际运用过程中仍然还有几个问题需要得到重视。1. 找准使用范围，智能医疗器械不是“万能钥匙”

    智能医疗器械在未来或许可以帮助我们实现远程医疗。

    《2016年美国医疗健康消费者调查报告》提到，虽然近半数参与

    调查的消费者中有身患慢性病的，也有没有患慢性病的，他们均

    表示愿意使用远程医疗服务进行急性后期照护或慢性病情监测，但是消费者貌似对使用远程医疗急性病症诊疗不太感兴趣。这就

    要求技术开发人员需要充分了解患者的就诊诉求，避免开发无用

    的产品。

    2. 患者对于植入物的接受程度还很有限

    在医疗领域，目前常用的植入物基本上都与大病有关，最常

    见的植入物是全金属关节，而一般只有瘫痪的病人才用得着它。

    这也就是说不到非用不可的时候，病人一般很少选择在自己的身

    体中植入东西。英国药品和保健用品监管署曾警告称，大多数全

    金属植入物患者需要每年进行血液检测。植入物让患者不得不考

    虑其所带来的炎症、组织损伤、已经残留在身体中的金属碎屑给

    身体造成的影响。因此，对于胃病之类的“小”病，患者对于植入

    物的态度可能并不会像我们想象中的那样好，也就是说，大多数

    人不会为了实现精准吃药而植入这样的东西，除非这样的植入物

    可以实现无害溶解。

    智能医疗器械的普及并非一朝一夕的事情，从顶层到底层，还存在许多值得深思的细节。因此，智能+医疗器械这块“大

    饼”，说它“香”也“香”，说它“难啃”也不是假话。2 机器人“捕手”

    外骨骼机器人能让我们秒变“钢铁侠”吗？

    京东曾在头条号上发布视频，晒出京东公司为物流工作人员

    研发了一款外骨骼机器人，佩戴在工作人员的背部，以尽量减少

    频繁弯腰拿取商品造成的腰椎损伤，如图2-1所示。图2-1

    无独有偶，福特公司在2018年宣布与Ekso Bionics公司合作，在美国的两家汽车工厂内对外骨骼机器人进行测试，并展示出了

    实际应用的视频。这款机器人能够帮助工人减轻5～15磅的重

    量，从而减缓每天4600个日常高空作业任务对工人上半身造成的

    压力。

    有京东和福特这样的知名公司带头，可以预见，外骨骼机器

    人将很快在各大工厂被应用。对普通员工来说，借助外骨骼机器

    人能够减轻工作中身体的负重压力，降低肩周炎、腰椎间盘突出

    等常见慢性疾病的发病率，确实是令人欣喜的好消息。

    在为关心员工的好公司点赞的同时，我们不禁想搞明白，外

    骨骼机器人到底是什么高科技？穿上了它，是不是就拥有了钢铁

    侠般的超强能力？

    可以肯定的是，影视作品中的“高科技”往往极度超越现实。

    虽然AI正处在飞速发展阶段，但是现实生活中的外骨骼机器人的

    研发速度并没有那么快。我们简要讲述了外骨骼机器人的前生今

    世，下面让我们共同了解这项可能改变人类生活状态的黑科技。

    外骨骼机器人其实是美国军用装备

    2000年，美国国防部基于增强士兵体能，提高单兵作战能力

    的目的，提出“外骨骼机器人”的概念。实际上，外骨骼机器人不

    同于我们在以往的军事战争或科幻电影中见到的“铁甲”，而是附

    着于人体外部的“AI”。它为穿戴者提供保护，并根据人的肢体活动来驱动机械关节重现动作，用以提供额外的动力，帮助使用者

    跑得更快、跳得更高、负重更强。

    美国军方在研制招标书时提出4个要求：①外骨骼系统必须

    能够保护穿戴者，以大幅度减少伤亡。②外骨骼系统携带的能源

    必须能够维持24小时的工作，而且必须轻且完全无声。③外骨骼

    系统必须能够让士兵背负更大质量的同时仍然能够跑得更快，跳

    得更高、更远。④外骨骼系统必须采用流畅、高效且完全无声的

    液压元件。

    在美国国防部的巨资支持下，雷神(Raytheon)公司的XOS

    和洛克希德·马丁(Lockheed Martin)公司的人类外骨骼负重系统

    (Human Universal Load Carrier，HULC)脱颖而出。同样是研究

    外骨骼机器人，两家公司的区别在于，雷神公司专注于研究全身

    机械外骨骼，而洛克希德马丁公司专注于研究可增强下肢能力的

    机械外骨骼技术。

    从2000年开始立项，Sarcos Research公司经过6年研发，成功

    制作了第一款原型机XOS 1，也是XOS 2的原型。XOS 1搬运重量

    的实际和察觉比为6：1，也就是说当搬运60千克的重物时，穿戴

    者会感到只搬运了10千克。2007年，雷神公司收购了Sarcos

    Research公司，并在2010年推出XOS 2。XOS 1当初设计的目的主

    要是证明理论的可行性，XOS 2才对性能有了更高的要求，需要

    更轻、更快、更强的设计，并且需要降低能源消耗。XOS 2自重

    95千克，相比第一代产品的重量轻了10%，搬运重量的实际和察

    觉比为17：1，能源消耗也降低了50%。2004年，大名鼎鼎的加州大学伯克利分校下属人体工程和机

    器人实验室成功研发出伯克利下肢外骨骼(BLEEX)——这就是

    HULC的原型。2009年，该实验室推出HULC，同时授权洛克希

    德·马丁公司在军事领域对其进行推广。HULC自重24千克，由背

    包式外架、金属腿框架及相应的液压驱动设备组成。穿戴者的负

    重不会作用在本人身上，而是直接由机械外骨骼传至地面。

    HULC的功能主要包括力量增强和耐力增强两项。力量增强体现

    为士兵佩戴后可搬运90千克的重物而毫无感觉，耐力增强体现为

    士兵在3.2 kmh的行动速度下可降低5%～12%的氧气消耗。

    外骨骼机器人在医疗领域大放异彩

    在2014年巴西足球世界杯开幕式上，一名下肢瘫痪的少年穿

    着智能机械骨骼外衣开球的飒爽英姿引爆了全场，向全球展示了

    康复外骨骼机器人的风采，也使这个集人机信息交互、机器人自

    动控制、神经康复工程等多学科知识于一身的高科技新成果引起

    了世人的瞩目。

    针对腿脚不便的老年人及残障人士，外骨骼机器人可以辅助

    或恢复其腿部的行走移动，从而提高老年人及残障人士的生活质

    量。针对正常人，外骨骼机器人可以提高穿戴者的负重能力，并

    减少体能消耗。

    2013年，日本筑波大学研制的HAL的第五代产品HAL 5上

    市，同年2月HAL 5获得了国际安全认证，这是第一个获得该认证

    的机械外骨骼产品。同年8月，HAL 5获得欧盟认证，其被允许在

    欧盟境内进行医学治疗。HAL 5的重量只有10千克，基本可以满足常人的承受力。通过感测体表的一些生物信息，如肌肉的运

    动、神经电流的改变，HAL 5可以模拟穿戴者的动作，并且在平

    行的方向上增强穿戴者的力量和耐力。

    ReWalk是以色列ReWalk Robotics公司的明星产品，它同样拿

    到了美国FDA的认证，进入了上市销售阶段。它是一种可穿戴式

    辅助运动的下肢外骨骼，是一种帮助腰部以下脊髓损伤的人重新

    实现独立行走的外骨骼机器人。它由腿部支架、独立控制的髋关

    节和膝关节电机、充电电池、附着于关节框架的计算机系统及一

    副控制平衡的拐杖组成。髋关节和膝关节处均包含可驱动的屈伸

    自由度调节器，踝关节处则设有带限位作用的双向矫正关节，可

    以防止人体受到伤害。

    2016年5月，哈佛大学怀斯研究所发布了与ReWalk Robotics

    公司合作研发的新一代外骨骼机器人，其采用拉伸检测运动技

    术，之后通过拉索驱动踝关节的动作，实现动作驱动。

    国内对于外骨骼机器人技术的研究开展较晚，发展较缓，与

    国际水平相差较远。在AI浪潮的推动下，中国也有大量上市公司

    和创业公司开始涉足这一领域，如2017年深圳迈步机器人科技有

    限公司发布其首款面向偏瘫患者的外骨骼机器人BEAR H1、上海

    傅利叶智能科技有限公司发布了外骨骼机器人Fourier X1等，但

    目前还没有企业获得CFDA认证，也因此并未真正有产品完全进

    入到商用阶段。

    从京东发布的视频来看，京东的外骨骼机器人动力系统很可

    能采用了结构较为简单的气压驱动。气压驱动式动力系统在有负荷的作用下，速度容易发生波动，不适用于较为精密的场合，只

    能在小功率场合应用，想要开发出高精密的外骨骼机器人可能还

    有较长的路要走。

    外骨骼机器人让我们成为“钢铁侠”还比较困难

    尽管外骨骼机器人取得了不少成就，但无法回避的现实是，目前技术上仍然面临不少困难。例如常见的液压系统所处的工作

    环境远比常规的地面液压系统复杂，液压系统在运动时常发生晃

    动、倾斜，同时系统中液压介质的容量也随时发生变化，容易导

    致运行不流畅、噪声大、可靠性不足。

    用“钢铁侠”的标准来评判外骨骼机器人是否成熟可能有点苛

    刻，但无论如何，作为带辅助性质的AI器具，至少需要满足三点

    要求：智能化反馈足够及时、佩戴足够舒适、续航足够持久。这

    样的外骨骼机器人才能算得上成熟，而目前要实现这三点都面临

    一定的困难。

    首先，足够及时的智能化反馈是操作流畅、体验良好的首要

    条件。在最基本的动作同步上，目前肌电信号采集的方法有很严

    格的外界环境限制，传感器会因汗液等细微因素的影响而受到干

    扰，使得外骨骼在进行动作的反馈时产生延迟，难以胜任高难度

    动作。更智能的外骨骼机器人，应能够在人机交互环路中准确、及时检测识别用户大脑的运动意图，达到所思即所动的理想运动

    控制效果。

    其次，佩戴舒适是辅助器具的基本要求。目前的外骨骼机器人受限于外骨骼捆绑式的穿戴方法，会对人体造成压迫，导致血

    液不畅、肌肉变形，并因此影响外骨骼的定位精度。外骨骼机器

    人未来还必须在增加外骨骼关节自由度、使人们能更舒服地穿戴

    外骨骼并可以全方位地自由运动上下功夫。

    最后，较为持久的续航才能有产品实用性，而从直观的参数

    上来看，目前的外骨骼机器人依然没有完全达到2000年美国国防

    部提出的要求，如HAL5的续航时间只有160分钟，ReWalk的续航

    时间只有3.5小时，远低于24小时的整天续航要求。这需要轻而坚

    固的复合材料和便携式的持久电源两方面的技术突破，这也是很

    多电子设备都面临的共同难题。

    由此可见，目前的产品满足普适的三点要求都还存在一定的

    困难，要想一秒变身“钢铁侠”，目前还难以实现。不过，科技总

    是在不断发展，随着新材料、新技术的不断出现，在不远的将来

    一定会有更高级的智能人机交互、更加灵活舒适的外骨骼机器人

    产品投入市场，造福大众。我们距离下一个“阿尔法法官”还有多远？

    随着百度、联想等公司先后进军AI领域，AI领域的爆炸式发

    展就进入了一个新阶段。

    在设想或者已呈现的产品中，AI已经涉猎语音交互、安防、自动驾驶、医疗健康、电商零售、金融、教育等诸多领域。但把

    它与司法审判、纠纷解决这样严肃而传统的领域相结合，听起来

    有点儿像是天方夜谭。

    但这已经在不知不觉中走向了现实。2016年7月底，中共中

    央办公厅、国务院办公厅印发的《国家信息化发展战略纲要》

    中，“智慧法院”赫然在列。2017年7月25日，上市公司久其软件

    在投资者关系互动平台上表示，其全资子公司华夏电通充分利用

    在司法领域积累的业务经验及大数据技术完善解决方案，加快建

    设“智慧法院”，并已在多省高院进行推广与试用。

    法律纠纷审判应用AI很有必要

    事实上，法律在某种程度上恰恰与AI的基础需求不谋而合。

    正如美国现代实用主义法学的创始人霍姆斯在其代表作《普通

    法》中所说，“法律的生命不在于逻辑，而在于经验”，法官在断

    案时，不仅要根据国家的硬性法律，也要根据自己的职业经验，而那些经验数据的累积场景恰恰最适合AI的应用，在法院中普遍

    出现的小纠纷案例也提供了足够的数据支持。

    反过来，法律的执行机构法院体系，在纠纷解决领域(非刑事案件)对AI的需求也是迫切的。

    首先是效率需求。随着法律意识的增强，越来越多的人把社

    会、经济生活中的纠纷诉诸法律，这些纠纷数量巨大，但是大多

    简单易断。

    数据显示，2016年最高人民法院受理案件15985件，审结

    14135件，比2014年分别上升42.6%和43%；地方各级人民法院受

    理案件1951.1万件，审结、执结1671.4万件。

    绝大多数案件都是由基层审理的，现实情况是基层法官的人

    数十分有限。据法院系统一份调查统计数据，一名基层法官一年

    至少要处理200起纠纷，在经济较为发达的地区甚至能达到400多

    起。一名基层法官一个工作日至少要审结一起案件并且还有书写

    判决等多项工作，这对法官的职业能力和身体素质都是极大的挑

    战。而且，工作越忙，出现纰漏的可能性就越大。

    反观这些纠纷处理，案件按难易程度综合确定为简单、一

    般、复杂、非常复杂4种案件类型，其中简单和一般的案件居

    多。如果能够将AI引入纠纷解决机制，就可以较为妥善地解决这

    个问题。

    然后是公平需求。由于法官的职业能力高低不同，同一类型

    的案件在全国各地不同地区甚至即使是同一法院在不同时间段得

    出的判决结果都不相同。这固然是现实，但总体而言这对当事人

    来讲是不公平的，对整个社会的纠纷解决也是不利的。

    通俗来讲，AI类似于机器的运作，很大程度上可以避免当事人通过与工作人员产生利益关系而导致的判决不公正现象。这可

    以从根源上杜绝在解决纠纷领域的贪污腐败现象，使法律更具有

    公信力与威慑力。

    其次，利用AI可以使相同类型的案件得到基本一致的判决，或者说更为公正的判决，可以在很大程度上避免不同地区不同判

    决的情况，提高判决结果的一致性，同时防止冤假错案的产生。

    公平是法律的要义，高于一切。引入AI，统一尺度，意味着

    在同质案件上，因人员不同造成的不公平问题可以得到解决。

    最后是经济因素。很多低收入人群面对纠纷解决的费用往往

    望而却步，这实际上使一部分人失去了维护自己正当权益的机

    会。

    AI降低了纠纷解决的费用支出。虽然解决纠纷系统在创设的

    过程中会耗费大量的人力、物力，但案件的处理速度与成本都会

    使当事人满意，效率与公正就都能实现。

    灵活性决定可行性

    司法领域的规则都是制定好了的，所以，AI应用到法律审判

    与应用到其他领域(对于没有成文的规则，AI会用算法总结并遵

    循)有着很大的不同。

    我们对AI能否解决法律纠纷的忧虑，不在于它是否能严格按

    照法条去判断，而在于它可能会太过于按照法条去判断，即过于

    刻板，得出的判决会十分没有“人情味”。在进行判决时，法官不仅要考虑法条对案件的情节的适用

    性，还要考虑当事人的诉求、案件在一定范围的影响，甚至我们

    国家特殊的国情。法官传统断案模式具有更多的人情味在里面。

    法院审理案件并不是非黑即白，AI平台还必须能检测出这其中的

    精妙之处。

    但是，随着科学的不断进步与发展，只要信息成本足够低，我们就可以将所有的相关因素都输入进去，不管是硬性的法律规

    则，还是软性的人情社会，将AI的落脚点体现在人上，这样的问

    题会慢慢得到解决。利用AI系统代替基层法官处理简单或者一般

    的案件，快速简单地做出对纠纷的处理，这样高效率的司法方式

    是我们想要追求的。

    不过，这也说明，使用AI是需要一定条件的，那就是简单或

    者一般的案件，对于复杂的纠纷，AI还难以达到妥善处理的水

    平。

    鉴于目前人们对于AI的不了解与不信任，在初始阶段，法官

    可以将AI的判决结果作为预审，或者利用AI辅助完成审判过程中

    的一系列事项。

    例如江苏法院建设“云上法院”，以“江苏法务云”为载体，实

    现同类案例、审判资料的智能推送，为法官办案提供辅助。上海

    法院则建立了大数据司法公开系统，审判流程、裁判文书、执行

    信息、新闻信息、联络服务全程公开、留痕、可视、可监督。

    河北法院主推的“智审1.0系统”，在将AI应用于纠纷解决上走得更远。它有五大功能：自动生成电子卷宗；自动关联与当事人

    相关的案件，避免重复诉讼、恶意诉讼或虚假诉讼的产生；智能

    推送相关的辅助信息辅助审判；自动生成与辅助制作各类文书，目前已实现裁判文书80%的内容一键生成；智能分析裁量标准，根据法官点选的关键词，自动统计、实时展示同类案件裁判情

    况。

    目前，AI的应用还停留在辅助阶段，未来随着AI应用的进一

    步加深，相信一些标准化的纠纷案例能够实现AI自动审判。不

    过，一旦当事人对于AI所产生的预审判决不满意，启动正常司法

    程序，使用传统的司法模式也应该被允许。

    AI开始应用到法律领域，让律师们都慌了

    英国伦敦大学的科学家研制出一款新的AI产品，它能处理法

    律文件并对案件做出判决，自动化运算的“审判”结果和人工审判

    结果一致率达79%。

    应用AI，审判工作和律师的日常工作在算法上是高度重合

    的。如果AI急速发展到能够考虑到所有因素、解决各种复杂疑难

    案件的程度，那么律师们就会慌了。

    从效率的角度来讲，AI是高效率的，是我们追求的。将所有

    的相关因素设置好，这时不仅有效率，更有公平，不会一边倒。

    那么到时候，还会需要这么多律师吗？

    麦肯锡全球研究院在2018年1月表示，在“当前技术”(广泛

    使用或至少在实验室测试)下，23%的律师工作能够被自动化。技术进步的速度是无法预测的。以前，大家都认为AI主要威

    胁标准化的日常工作岗位，类似律师这样非标准化的专业技术人

    员是安全的。但随着AI取得的进步越来越大，所谓的非标准化的

    工作内容也可以被替代，如律师筛选文件、寻找相关段落等例行

    工作任务。

    越来越多的律师事务所应用AI，比如，主要受理破产案件的

    BakerHostetler利用AI筛选大量的法律数据。

    又如，Kira Systems是一家致力于用AI分析、评审合同的服

    务商，它把律师们需要评审合同的时间缩短了20%～60%。如果

    这个效率继续提升，AI做到与律师工作别无二致，那么许多人可

    能会因此失业。

    在此背景下，Dentons，一家拥有超过7000名律师的全球性律

    师事务所成立了Nextlaw Labs——一个创新和风投部门。除了监

    测最新的技术，该部门还对7家法律技术初创公司进行了投资。

    这是一种对长期风险的警觉。

    十年前，没有人想到今天移动互联网会发展成这样。同样，十年后AI会发展成什么样也无法预测。但至少目前，司法领域站

    在了AI变革的前沿。作诗的AI机器人为什么能骗过行家？

    “微明的灯影里我知道她的可爱的土壤是我的心灵成为俘虏

    了我不在我的世界里街上没有一只灯儿舞了是最可爱的你睁开

    眼睛做起的梦是你的声音啊”

    你喜欢这首诗吗？这首诗节选自北京联合出版公司出版的诗

    集《阳光失了玻璃窗》，而诗集的作者并非人类，而是一个AI机

    器人——微软小冰。

    其实除了小冰，作诗超过27万首的编诗姬及专注于古诗创作

    的九歌机器人也引发了社会的热议。就在AI机器人创作诗词成为

    一种趋势的时候，质疑也接踵而至。

    被质疑的初衷：让AI去学作诗或许是一个伪命题

    在回答AI学作诗的目的之前，我们不妨先思考一下，人类创

    作诗词是为了什么？诗词是经过符号化的信息，它的本质是传达

    人的思想和情感。《毛诗序》中有这么一句，“诗者，志之所之

    也，在心为志，言之为诗”，其所要表达的正是诗词创作的目

    的。作诗是为了言志抒情，表达人的情感，将人的思想寓于其

    中。我国诗词能经久不衰的原因之一就是其中所饱含的人文情

    怀，能够引发共鸣，能够给人以精神上的享受。

    很多时候，我们读的诗歌和文章，并不只是一些堆积的文

    字，而是与作者进行的精神交流，进入他的生活或者他的想象空

    间。正如诗评人秦晓宇所说，“诗人的诗歌中是有其经历、追忆、愿景等的，这些浓缩在诗歌文本字里行间，才构成了极大的

    魅力。”而AI机器人只是利用算法运算和严谨周密的二进制作

    诗。因此，让AI去学作诗被许多人看作是一个伪命题。

    被质疑的质量：抖了一下小机灵的AI作诗机器人，“钱

    途”坎坷

    AI作诗机器人之所以被认为可能赚不了钱，是因为AI作诗机

    器人作诗的质量不高，这些作诗机器人“只是和人类玩了一场游

    戏”。

    1. 并非真正作诗，而是基于诗词学习之后的临摹写作

    《扬子江诗刊》副主编胡弦认为，目前看来，微软小冰的诗

    歌基本都是“二手货”，而诗歌的本质是原创。

    确实，无论是微软小冰的以图写诗，还是九歌机器人的集句

    诗，诗词创作机器人的背后是由大数据和算法技术作为支撑的。

    在搭建好人工神经网络的算法后，AI通过不断输入的诗词数据来

    进行自我学习，包括它们的形式、内容等。例如微软小冰学习了

    519位诗人的现代诗，而九歌机器人学习了30多万首诗。

    在通过深度学习建立好知识图谱之后，AI机器人能够根据所

    输入的信息，快速进行算法运算，然后输出诗词，这就是AI机器

    人作诗的过程。这就意味着，AI机器人并非真正作诗，而是基于

    诗词学习之后的临摹写作。

    2. AI的创作优势与一首好的诗作并没有直接的联系通过上文对AI机器人作诗路径的分析，我们能够看到与人类

    相比，AI机器人作诗至少有3个优势。第一，速度快。AI机器人

    能够通过持续不断的学习提高信息的处理和输入速度，往往比人

    类作诗更快速，通常在10秒之内就能完成。第二，句子工整。诗

    词，尤其是古诗词讲究合辙押韵，而AI机器人是按照固定的路径

    运行的，因此，能够严格按照要求输出。第三，博闻强记。AI机

    器人有着强大的诗词数据库支撑，在集句诗、藏头诗等考查知识

    储备、词语搭配等方面有着更为突出的优势。

    乍一看，AI机器人似乎比人类更胜一筹，但是别急，我们再

    来看看在名人名家眼中一首好的诗歌作品应该是怎样的。诗人余

    光中认为，好的诗歌应该有这些特征：丰富的想象力、高超的语

    言、讲究音调和意象的营造。浙江“青年文学之星”、中国作协会

    员高鹏程认为好的诗歌作品应该包含三个方面，第一是第一眼看

    过去就应该让人动容、动心、动情，第二是经得起反复推敲、琢

    磨，第三是让读者难以忘怀、反复阅读。所以，如果按照这两位

    的观点，那么AI的创作的优势与一首好的诗作并没有直接的联

    系。

    3. AI作诗机器人在逻辑和语义连贯上还有较大的问题

    AI作诗机器人除有创造力、情感等方面的“AI通病”，逻辑不

    清和语义不连贯也是其存在的突出问题。华东师范大学中文系周

    圣伟教授以机器人所写的“新酿三篇常细俗，闻韶一曲已为人”为

    例来点评，他认为单看任何一句似乎没有太大问题，但是合在一

    起后，两句诗之间看不出任何联系，缺乏内在的逻辑关系。复旦

    大学中文系侯体健副教授在看过作诗机器人“小诗机”的作品之后，也给出了“词语混搭、半通不通”的评价。

    综合而言，一方面，我们在阅读AI的诗词时，由于诗人的创

    作背景、个人生平等为一片空白，失去支撑点的想象空间完全被

    扼杀，丧失了阅读诗词的乐趣；另一方面，通过算法技术输出的

    诗词，本质上只是词语的搭配游戏。因此，AI被质疑只是抖了一

    下小机灵，在工整的外壳之下是空洞的灵魂。如鲍南在《北京日

    报》发表的文章中所言，机器人写诗只是一场文字游戏。

    当然，至少从外界看，目前AI作诗机器人的市场已经迈向了

    逐渐成熟的阶段。不过，问题确实摆在面前。从目前的AI作诗机

    器人的本身的应用来看，几乎没有更进一步的商业想象空间，还

    只是停留在博观众眼球的阶段。

    AI机器人作诗之后，盈利之路在哪？

    从宏观来看，AI作诗机器人所拥有的技术、功能能够在更大

    的领域发挥作用。因此，我们大胆预想，AI作诗机器人的优势可

    以被应用于其他领域，以此来获得商业上的价值。

    1. 中文语义分析技术能够助力人机交互

    人机交互是各领域的产品AI化的关键之一。但是由于汉语本

    身所具有的复杂性，我国在此领域受到重重阻碍。而AI作诗机器

    人能够通过深度学习，在中文语义分析能力上得到极大提高，这

    就为优化中文语义分析的算法提供了基础。例如开发编诗姬的玻

    森数据就开发了玻森中文语义开放平台，以此来获得利润。2. 辅助教学，加入AI教育的混战中

    马化腾曾表示，AI+教育与AI+医疗领域有望诞生达到千亿美

    元以上规模的公司。AI作诗机器人可以顺势而上，凭借自身在语

    言文字学习方面的优势，加入AI教育的混战中。

    3. 辅助科研，以全知视角助力克服知识盲点

    虽然说AI作诗机器人自己创作的诗歌受到了名家们的批判，但是我们可以凭借其强大的学习能力和记忆能力来构建一个完整

    和全面的知识图谱，以全知的视角来帮助科研人员进行调查研究

    工作。例如在理解一首诗歌时，我们不仅仅要弄懂表面的文字解

    释，包含通假字、生僻字等，还要理解其中的，同时还需要清楚

    作者本身的人生经历及其所处于的时代背景等。而人类因为知识

    获取和记忆的局限，往往在这些方面或多或少地存在着知识盲

    点，而通过全知视角的AI则能够有效克服这个问题。

    总之，作诗机器人在一定程度上只是娱乐化的产物，正如法

    兰克福学派的哈贝马斯所说，这些产品本身并不具备艺术性，只

    是文化工业的产物。作诗机器人在未来可能也无法代替诗人，其

    诗作也难以供人们研究。但是，作诗机器人背后的技术却是一个

    值得继续挖掘的领域。为什么没有出现杂技机器人？

    2018年的大年三十下午2：20，一出别出心裁的春晚亮相。

    不是往年春晚重播，而是由北京电视台科教频道播出的“机器人

    春晚”，内容和春晚差不多，无非是唱歌、跳舞、小品、相声，但是少了杂技。

    杂技起源于人类的生产劳动和战争，是我国最早独立成形的

    艺术形式之一，一直受人民欢迎，观赏性很强。这不由得使人发

    问，难道没有杂技机器人吗？

    是的，现阶段还没有真正的杂技机器人。

    一口不能吃成胖子，几个动作也不能构成杂技

    据报道，2018年5月，迪士尼研发出了杂技机器人，它会后

    空翻。这款杂技表演机器人叫Stickman，它通过摆锤运动获得动

    力，脱离导线后在空中完成翻转，翻转动作包括一个后空翻、一

    个双后空翻。最后舒展身体以完成一个笨重的自由落体式的“软

    着陆”。

    当然，事实证明是，它只会后空翻。

    Stickman并不是第一款能够完成后空翻的机器人。赫赫有名

    的波士顿动力公司于2018年在YouTube上发布了人形机器人Altas

    最新版本的一段视频，它不仅可以走“梅花桩”，还可以完成原地

    向后跳转、原地后空翻等动作，长得像忍者神龟。但是这还是不能称得上杂技。如果仅仅会后空翻就能称为杂

    技机器人，那么杂技的门槛也未免太低了。杂技演员的基本功，传统的说法是“腰、腿、跟头、顶(倒立)”，随着现代杂技艺术

    的发展，人们对杂技的观赏性提出了更高的要求，舞蹈训练也被

    列入了杂技演员的基本功训练之中。一个杂技演员，具备上述几

    个方面的基本素养是必不可少的。

    显然，机器人后空翻只做到了传统说法中的“跟头”，而且还

    不能做到连续翻跟头。Stickman的研究者也表明，它模仿人类杂

    技选手的水平非常有限。他们还要继续在这个机器人身上做实

    验，看看它到底能完成多么复杂的动作。

    杂技杂技，就是需要不断炫技

    杂技是一项常人不可为的表演艺术。一般有五大技术种类：

    翻腾类、平衡类、软功类、高空类和抛接类，所有的杂技表演都

    是这五大种类的单个表现或灵活组合。现代杂技节目对创新的要

    求越来越高，融合的元素越多、越灵活，越能给人以视觉冲击。

    现阶段的机器人，一个元素都做得不够好，更不要说融合。

    湖南省杂技家协会副主席赵双午老师曾说过杂技表演中有“三大

    关系”：人与自身、人与道具和人与他人之间的关系。这一理论

    用在杂技机器人的表演上也是成立的，即机器人与自身、机器人

    与道具和机器人与机器人之间的关系。

    机器人与自身的关系是指在不用道具且独身一人的情况下，与自身身体发生对抗的关系。这需要这个机器人真的“天赋异禀”，即一个人一台戏。

    机器人与道具的关系是指表演中必须运用道具，靠自身对肢

    体、道具的把控所呈现出的关系，同时还需要给人以美感。

    机器人与机器人间的关系体现在两个机器人及两个机器人以

    上的节目表演中，团体之间的相互配合，强调“团队精神”。现在

    用于舞台表演的机器人大都是一样的动作，以量取胜。

    虽然机器人可以进行一些人类的艺术、运动等活动，如它们

    可以学画画、学唱歌、学写诗、学投篮、学跨栏等，甚至它们可

    以通过技术迭代达到较高的水平，但是想要成为杂技表演者还差

    很远。

    将来会出现杂技机器人吗？

    会，或者说历史上曾有过。古代文献中经常出现一种娱乐型

    的木偶机器人，它们不仅能唱歌、跳舞、奏乐，还会耍杂技，与

    真人演员无异。

    这很容易让人想起那个大名鼎鼎的“土耳其骗局”。据说当时

    有一个坐在大机箱前的“土耳其魔法师”，它能自动而快速地下象

    棋。在维也纳皇宫的首次表演中，它就迅速击败了对手Cobenzl伯

    爵，随后名声越来越大，它还击败了一系列著名的挑战者，包括

    拿破仑和富兰克林。直到几年之后，这个骗局才被揭穿。原来机

    箱里藏了一名象棋大师，他用一个磁铁系统来跟踪对手的举动并

    移动自己的棋子。由于技艺并没有流传下来，因此，现在已经很难推测古人是

    按照什么逻辑做出的木偶机器人。现在有一项新的研究成果或许

    可以回答这一问题。加州大学伯克利分校和英属哥伦比亚大学最

    新研究成果表明，运用强化学习方法能教生活在模拟器中的机器

    人模仿人类，并让它学会武术、杂技等复杂技能。

    机器人究竟是如何学习新动作的呢？

    简单来说，机器人是通过获取动作的数据来学习的。研究者

    对动作的数据进行了改良，然后将这份整理好的数据给机器人学

    习，最终使得机器人的动作像人一样流畅。AI是如何揪出“网络钓鱼者”的？

    许多苹果手机用户都反映自己的iMessage经常收到垃圾信

    息。但是由于苹果公司一贯尊重用户的隐私，它在服务器端无权

    也从来不读取用户发送的信息内容，当然就更谈不上通过内容对

    用户信息进行监管过滤了。

    目前，iMessage所收到的垃圾信息多数是广告，诱导用户下

    载App。但还有一类比打广告更恶劣的垃圾信息叫“网络钓鱼”。

    科技公司一般是如何应对“网络钓鱼”的？

    相信大多数人对“网络钓鱼”应该都不陌生，这是一种在线身

    份盗取方式，攻击者主要通过欺骗性的电子邮件和伪造的Web站

    点引诱收信人给出敏感信息。目前，“网络钓鱼”的危害遍及全

    球，数据显示，2017年，中国、澳大利亚、巴西是最容易受到攻

    击的区域(高达25%～28%的计算机用户成为攻击目标)。

    “网络钓鱼”的方式日新月异，各大科技公司，尤其是社交类

    公司都深受其害。那么这些科技公司到底是如何对付“网络钓

    鱼”的呢？我们依据不同的特点将这些对付“网络钓鱼”的方法分为

    如下3类。

    1. 检测行为数据，和手机交互的是“你”还是“它”？你所知道的是，从你注册Facebook的那天起，Facebook会源

    源不断地向你提供你所感兴趣的各类社会、生活动态。但是你所

    不知道的是，在后台，Facebook会利用手机的陀螺仪来探测用户

    细微的动作，甚至包括用户的呼吸、点击屏幕的速度、握持手机

    的角度。这听上去似乎很恐怖，但是在我们看来，Facebook的做

    法别有深意。

    实际上，每天在Facebook上进行注册的用户不仅有人类，还

    有千万台试图侵入社交网络的机器人。这些机器人入侵者会通过

    传播虚假信息导致混乱并损害Facebook的公众信任。面对这样的

    攻击，Facebook当然有责任对自己的社交网络进行人为管制。但

    是与数量惊人的机器人交战，仅依靠人工的力量是完全不够的。

    所以，不管是探测用户呼吸，还是探测用户握持手机的角

    度，都是Facebook为了判断屏幕前的用户到底是不是真人所必须

    收集的行为数据。尽管现在网络犯罪分子所培养的机器人正在不

    断尝试模仿人类与终端设备的交互，例如故意放慢机器人注册信

    息时的处理速度，使之尽量与人类的正常速度接近，以此来逃避

    检测识别，但一个虚拟的机器人始终无法复制一个真实的人类与

    设备进行的物理交互。

    2. 检测账户活动，太过频繁的活动很有可能是机器人

    检测行为数据并不是阻止机器人侵入网络世界的唯一途径。

    与Facebook合作的初创公司Unbotify还能依靠AI根据一台设备上

    的账户数量及创建后的账户活动来判断账户是否为机器人账户。这个方法的逻辑很简单，举个例子：如果一个账户在注册之

    后的1分钟内发送超过100个好友请求，那么你相信这是一个正常

    账户吗？肯定不是。但这样的账户在社交网络中可能很多，因此

    我们需要依靠AI来对其进行标记。另外，如果一个“网络钓鱼

    者”想要让更多的“鱼儿”上钩，那么他必须多下诱饵，因此，他通

    常会在一个设备上登录多个“僵尸”账户。但是通常，正常用户的

    做法是在多个设备上登录同一个账户。很明显，这两者的账户活

    动情况是大相径庭的。那么，AI也可以根据这些异常的账户活动

    检测出该账户是否为机器人账户。

    3. 检测内容本身，关键词汇暴露“钓鱼”的本质

    YouTube的评论区，是“钓鱼”内容最泛滥的地方之一。因

    此，YouTube也使用了AI管理检查工具来筛选恶意评论，以对付

    网上大量的“钓鱼”信息。

    YouTube的AI是如何做的？它与前面两类检测方式大有不

    同，因为它是基于自然语言识别的一种检测方式。YouTube的AI

    的主要工作是自动标记那些它判定为会危害对话内容的评论，但

    它并不会自己做决定将其删除，而是让人类做最后的决定。

    在AI的前期训练过程中，人类标记对它来说很重要，因为这

    是建立AI是非观念最关键的一步。可是“网络钓鱼者”却会在论坛

    上输入一些负面信息，同时告诉AI这些信息没有问题，以此来达

    到欺骗AI的目的。而这将会对AI检测内容的有效性形成极大的威

    胁，因为只要数据足够多，AI就很容易开始颠倒黑白。我们可以看到AI拥有各种各样识别恶意“钓鱼”信息的能力。

    但是反过来，我们也会发现“网络钓鱼者”其实同样也可以利用

    AI，让AI通过学习来预测科技公司的识别方式，从而达到把其被

    检测出的可能性降到最低的目的。

    因此，这场对抗赛的输赢其实还没定。

    我们必须认识到，尽管像AI这样的技术将是未来网络防御的

    基石，但是同时犯罪分子也在盯着这些技术。

    1. 对抗性样本，AI尚未解决的软肋

    很多网站甄别“网络钓鱼”功能的实现首先是建立在AI的深度

    学习功能建模之上的，然后通过模型是否匹配来对良性和恶意信

    息进行区分和识别。问题在于，AI系统建模所依赖的神经网络是

    可以被对抗样本所干扰的。

    也就是说，恶意软件只需要改变部分代码，生成对抗样本，就能够引起监测系统的识别错误。通常情况下，黑客只要改动不

    到1%的字节，就能躲过监测，而这并不会影响其入侵功能。所

    以，实际上，大家并没有深刻地认识到机器学习的弱点，其实包

    括深度学习在内的很多机器学习模型，普遍都已经表现出了对于

    对抗样本的脆弱性，而目前科研界对此并无合适的解决之道。

    2. AI精准检测的背面是AI精准犯罪

    另外，AI还有助于犯罪分子更了解自己的目标对象。2016

    年，《美国黑帽》的一篇论文提出一种名叫SNAP_R的递归神经网络。这种神经网络是被动态地从目标用户的时间轴上的帖子中

    提取出来的，积累了大量的用户个人数据。因此，它可以在

    Twitter上对特定的用户推送“钓鱼贴”，提高“网络钓鱼”的“上钩

    率”和“精准度”。

    近年来，鱼叉式“网络钓鱼”已经成为攻击者越来越有针对性

    的攻击方式之一。罪犯通过收集信息对网络中的关键人物进行个

    性化处理并组织有说服力的电子邮件，引诱用户提供机密信息。

    有61%的受访者透露自己曾经历过鱼叉式“网络钓鱼”。而对比手

    动鱼叉式“网络钓鱼”和“批量钓鱼”，使用了AI的先进式鱼叉“网络

    钓鱼”开始变得更加有效。

    3. 区分人机的图灵测试实际没有用吗？

    在登录网站的时候，用户一般会通过回答问题来证明自己是

    人类，而不是虚拟化的攻击者，最典型的例子就是“12306”订票

    系统那种找图操作。这其实是图灵测试的一种。但是近年来，黑

    客利用AI学习图像，使虚拟攻击者对这种问题的破解率接近

    90%。

    2012年，有研究人员尝试用机器学习来进行安全攻击，在破

    解简单验证码的实验中，深度学习的精确度就已达到92%。2017

    年，一项名为“我是机器人”研究也揭示了如何破解最新语义图像

    验证码的方法。这也就意味着黑客可以进行未经授权的访问，并

    借助进入访问状态的账户进行更大规模“钓鱼”信息的散播。

    因此，就目前的视觉身份验证方式来说，身份验证还有待改进，加强对虚拟攻击者的防范，或许引入声纹识别是更好的办

    法。

    AI的对抗战还在继续，AI如何更有效地防范虚拟攻击者的攻

    击，各界还在研究当中，例如，可以通过完善概率模型，对“网

    络钓鱼”进行反预测、反侦察；增加分类器数量，提升分类器质

    量，使“网络钓鱼”难以规避监测。

    与其苛责AI给犯罪分子提供了更便捷的犯罪手段，不如想办

    法在这场黑白对抗战中取胜，毕竟犯罪分子已经把AI当作武器，我们也没理由把自己创造出来的“利器”拱手让人。机器心理学家为什么可能会是人类最后一个职

    业？

    《我，机器人》是美国著名科幻作家艾萨克·阿西莫夫一生中

    最重要的一部中短篇科幻小说。小说描绘了机器人的智能水平在

    经历了一步步发展之后，最终“挺立于人类与毁灭之间”。更重要

    的是，小说中不但有机器人，还有机器人心理学家苏珊·凯文。

    在实际工作中，机器人会出现各种各样的意外状况——这也

    是机器人心理学家需要应对的。有趣的是，机器心理学家要做的

    并非排除机器故障，而是要理解和解决机器人的“心理问题”。

    回到现实中，机器心理学可以算是一个对应人类心理学的新

    学科，它可以让人们了解机器人的心理，和机器人更有效、更便

    捷地交互，最终使机器人更好地理解和服务于人类。

    虽然现阶段还没有机器心理学这一学科，但随着AI的发展，机器心理学很可能会成为心理学的重要分支，这是为什么呢？

    1. 机器心理学家是AI发展的“脚镫”

    但凡说起AI，人们总是会强调大数据的多样性和它的计算力

    更强大、更准确、更高效，但是实际上AI会引爆这个时代的根本

    原因，是因为它使人们的交互方式产生了根本的变化。

    人机交互的方式从键盘、鼠标等“实物交互”变成语音、触摸

    甚至脑电波(人的意识)“非实物交互”。因此，人们产生了一种难以驾驭的恐惧。这时机器心理学家的作用就凸显出来了，让机

    器心理学家去消除人机隔阂，让更多的人更好地接受机器。

    在几千年前，人类就驯服了马，但是人类真正开始利用马是

    因为脚镫的发明。脚镫是什么？就是搭在马身上，供人上马踩的

    东西。甚至可以说，脚镫影响了人类的历史进程，因为脚镫作为

    介质改变了人与马“交互”的方式。

    而机器心理学家在某种程度上就在充当脚镫这个角色，人机

    的交互由此而变得更加顺畅。从机器角度来说，如果有人了解它

    们是如何根据这些信息来学习和采取行动的，那么它们犯错的概

    率也会小得多。或者，当它们犯了错时，有人能做出合理的解

    释，这样就不会造成公众恐慌。

    2. 心理学是AI的“干爹”

    2018年苹果公司招聘，要求求职者除了懂计算机还要懂心理

    学。原因是人们在与Siri沟通时，会不自觉地向它倾诉。某种程

    度上，这种复合型人才也算是机器心理学家的“初始版本”了。其

    实计算机与心理学结合并不是时代发展的产物，它们从AI发展伊

    始就一脉相承。

    美国著名的AI学者司马贺(赫伯特·西蒙自取的中文名)就

    是一名心理学家，他把认知心理学和计算机科学结合在一起。

    早在1955年，司马贺就成功开发出“逻辑推理者”，使用机器

    进行人工推理。随后，他又研制出“一般解决者”，通过判断现在

    状态与目标状态的距离，不断进行反馈从而达到目标。这种反馈机制正是以人类的思维方式为基础的，为计算机模

    拟人的思维活动提供了具体的应用实例。按司马贺的说法，AI就

    是计算机表现出来的那种如果由人表现出来就会被称为智能的行

    为，如认知。

    机器心理学家：是船长也是水手

    机器心理学家既要指明方向也要干实在活。

    1. 机器认知与人的认知差异就是方向

    在谈机器认知之前，我们可以先考虑一下，对人类而言，理

    解其他人究竟意味着什么？

    我们既不会试图去估计其他人的神经元的活动，推断他们的

    前额皮质是如何连接的，也不会去与其他人的海马体交互，但我

    们在理解他人方面非常有优势。

    认知心理学家认为，我们的社会推理取决于其他人的高层次

    模型，这些模型涉及的抽象概念并未描述它所观察行为的基础物

    理机制；相反，我们理解的是他人的心理状态，如他们的欲望、信仰和意图。这就是所谓的心智理论。

    DeepMind最新研究提出“机器心智理论”，研究者建立了一个

    名为Psychlab的平台，构建了一个心智理论的神经网络ToMnet，并通过一系列实验证明它具有“心智能力”。

    实验结果表明，当识别的东西有干扰时，人的注意力会被分散，而机器的注意力则较为集中。因此，若要说机器人具有“心

    智能力”，那这种“心智能力”和人的认知差异很大，而正是这种显

    而易见的差异，给发展机器认知心理学指明了新的方向。

    2. 使机器心理咨询师像心理咨询师

    上文提到的苹果公司的招聘，透露出一个很重要的信息，即

    Siri在某种程度上充当了心理咨询师的角色。在1966年，麻省理

    工学院的一位研究员Joseph开发了一款聊天机器人Eliza。Eliza引

    入了心理学家罗杰斯提出的个人中心疗法(Person-Centered

    Therapy)，其作用就是在聊天的时候让聊天机器人尽量引导人倾

    诉。

    其原理很简单，基本依赖于模式匹配和脚本答案，但目前最

    好的聊天机器人也无法让人感觉它是具有稳定性格和情感、活生

    生的。这就涉及如何让机器人的语言和行为更具有个性问题。

    普通人学习心理咨询的过程如下：

    · 学习心理学的基本知识、基本的助人技巧。

    · 学习、记忆和理解各种理论对于人格结构的假设。

    · 学习各种异常心理的成因、症状、干预方法。

    · 被治疗、被督导。

    学习者也需要学习大量的模型与案例，其实整个学习流程是

    有章可循的。这时机器心理学家可以将学习的经验复制给机器，不断调整机器的学习模式，以适应学习过程。

    这样做的好处是，机器可以被用来加强和测试适用于人类的

    认知过程，最终得出最优的学习方式。

    3. 使机器更像人

    随着AI的发展，积极对其进行研究的心理学家会帮助公司开

    发出效率更高且更像人类的机器，不管是在性格方面还是在伦理

    道德方面。这种特性会让这些机器对消费者更有吸引力，因为他

    们更愿意与这样的AI互动。

    但有一个恐怖谷理论似乎与其相悖，该理论认为，随着机器

    与人的相似度越来越高，人们对它们的好感最初会逐渐上升；但

    当机器与人类相似到一定程度后，人们对它们的好感会急剧下

    降，甚至转成厌恶。

    但是在未来肯定不会这样，因为机器心理学家的广泛存在必

    将基于这样一个事实：AI是可以思考、学习和做出明智选择的。

    这无疑还有很长的一段路要走。

    1950年图灵发明了计算机，这代表了当时最高的智能水平。

    现在人们司空见惯的智能手机只有手掌那么大，人们提到手机的

    时候已经将“智能”这个词省略了，更多人并不会将这种智能放在

    心上。在我们所熟悉的、每天都被计算机和智能手机所环绕的生

    活里，与人造机器的共生本就是我们生命体验的一部分。

    随着AI的不断发展，人们会接受各种被机器心理学家调教的机器。路漫漫其修远兮，未来可期。阅片机器人为什么还没有被普及？

    还记得你上次为了看一个X片的结果在医院排队花了多长时

    间吗？

    在传统医学上，医生需要把片子对着灯光一张一张地看，费

    时费力，而且一旦疲劳，阅片的成功率会有所下降，导致判断错

    误。

    不过这个问题很快可能会得到解决。2018年在一档AI节目

    《机智过人》中，一个阅片机器人几秒内看了300多张CT片。

    如果你对于医学影像识别领域有所关注，那么你会发现2017

    年最有趣的事莫过于杭州健培科技有限公司与阿里巴巴iDST视觉

    计算团队，在国际权威肺结节诊断大赛LUNA16的世界纪录之

    争。最终，杭州健培科技有限公司的“啄医生”阅片机器人以

    91.3%的平均召回率夺得第一，并且创造了新的世界纪录。这场

    世界纪录之争，反映了我国阅片机器人这一细分领域的蓬勃发

    展。

    事实上，从肺部影像AI诊断系统“天肺一号”的推出，到腾讯

    的“腾讯觅影”、阿里巴巴的“ET医疗大脑”纷纷入场搅局，再到阅

    片机器人“视诊通”大战84位影像科的专业医生、“啄医生”阅片机

    器人与15名三甲医院主治医师打成平手，方兴未艾的阅片机器人

    已经引发社会各界的热议，人们也对它产生了无限遐想。

    阅片机器人真的能做到既快又准吗？AI机器人凭什么能阅片？

    随着AI在医疗领域的深度落地，AI机器人在大数据和算法技

    术的支撑之下，能够对MRI图像、CT图像、超声图像等医疗影像

    进行识别和处理，并且通过进行自主学习，不断提高处理的能力

    和效率，从而能够辅助医生进行阅片诊断。

    一般来说，在唤醒机器人后，阅片机器人的运行会经过图像

    输入、图像分割与识别、图像分析和信息输出4个步骤。图像输

    入是指将张数不等的医疗影像输入进阅片机器人；图像分割与识

    别是指阅片机器人会对输入的序列图像进行算法分割与识别、标

    注病灶等；图像分析是指对病灶进行相关分析，包括磨玻璃的密

    度、实性成分占比等；信息输出指将所得出数据进行汇总，得出

    报告。

    通过观察阅片机器人的运行路径，我们不难发现其具有高效

    率、客观性等特征，阅片机器人能够在提高医生诊断效率的同

    时，减少人为失误率。

    阅片机器人的“爆红”为什么是在这个时候？

    阅片机器人的快速发展，其实是与算法技术在此领域的成熟

    应用分不开的。阅片机器人的核心就是医学图像的处理技术，包

    含图像的去噪、增强和分割等，而这背后是算法技术的支撑。在

    查询诸多文献后，我们发现目前比较常用的算法有蚁群算法、模

    糊集合论、卷积神经网络等。

    1. 蚁群算法蚁群算法是人们在研究蚂蚁觅食的过程中得出的用来寻找优

    化路径的概率型算法。在医疗图像处理中，常常是基于区域内部

    灰度相似性和区域之间灰度的不连续性来进行图像分割的。因

    此，能够利用蚁群算法的“正反馈”效应及分布式的计算方式来完

    成对输入图像的分割。

    2. 模糊集合论

    待考察的对象及反映它的模糊概念作为一定的模糊集合，人

    们建立适当的隶属函数，通过模糊集合的有关运算和变换，对模

    糊对象进行分析。目前基于模糊集合论的图像处理方法包括模糊

    连接度分割法、模糊聚类分割法等。

    3. 卷积神经网络

    卷积神经网络由人工神经网络发展优化而来，是一个多层的

    神经网络，每层由多个二维平面组成，每个平面由多个独立神经

    元组成。卷积神经网络采用了局部连接和共享权值的方式，避免

    了对图像的复杂前期预处理。人们可以直接输入原始图像，并且

    它还具有良好的容错能力、并行处理能力和自学习能力，可以处

    理复杂的环境信息。据悉，“啄医生”采用的算法就是在中科大的

    安虹教授团队基于影像识别的3D卷积神经网络上进行优化的。

    正是这些算法的成熟，才促成了这些阅片机器人性能的快速

    提高，也加速了它们的落地应用。

    不过，尽管阅片机器人有着科学和强大的技术支撑，但要全

    面进入医疗应用阶段，还需要一些时间。目前不确定因素主要表现在程序设定、数据学习和数据保护三个方面。

    第一，程序设定上的失误，可能导致大规模误诊。

    阅片机器人目前仍然做不到100%的精确判断，肺结节诊断正

    确率的世界纪录为91.3%，“视诊通”在进行甲状腺结节超声图像

    的性质判定时正确率也只有76%。

    正如前文介绍的那样，支撑阅片机器人运行的是一整套由人

    预设好的程序，程序的各个环节紧密相连，前后相继，最终完成

    阅片工作。而人的主观失误正是体现在程序的预设上，如果其中

    任何一个环节设定出现了纰漏，就会使得最终的数据报告出现偏

    差，从而会导致医生的误诊。此前强生CTC检测仪器Cellsearch系

    统就被爆出存在包括复位错误等共37个类别的问题，所幸在问题

    发现之前，仪器还未造成严重事故。

    第二，急需更多有质有量的案例，提升机器人的学习能力。

    阅片机器人实现自我学习的基础是大量的学习数据输入，学

    习数据的质和量都对阅片机器人产生重要的影响，学习的数量越

    多、案例越典型，识别的速度就会更快，质量就会越高。相较而

    言，目前医疗相关数据在质和量上都存在问题。其一是大量的医

    疗数据未进行电子化，其二是医院与医院之间存在“藩篱”，不能

    共享数据库。在《机智过人》节目中，杭州健培科技有限公司

    CEO程国华透露其阅片机器人学习的医疗影像资料为10万套以

    上，而同场竞技的主治医师都为20万套以上。再给出一个数据可

    能会更为直观，战胜人类棋手的AlphaGo一共学习了数百万人类围棋专家的棋谱。

    第三，医疗数据监管力度不足，个人隐私保护存在隐患。

    阅片机器人进行诊断的医疗影像资料报告在输出给医生的同

    时，也通过信息传输技术保存在了机器生产商的云平台上。经过

    长时间的积累，机器生产商拥有的个人数据会非常庞大。而这也

    就意味着，目前在我国医疗数据监管乏力的情况之下，个人的隐

    私将受到极大的威胁。

    在2018年浙江松阳警方破获的一起特大侵犯公民个人信息案

    件中，犯罪嫌疑人入侵某部委的医疗服务信息系统，获取各类公

    民个人信息达7亿余条。正如和美医疗控股有限公司创始人林玉

    明提倡的一样，希望国家通过对数据立法来保障个人的隐私安

    全。

    目前阅片机器人所取得的成就，标志着我国在AI部分细分领

    域有了突破性进展。尽管有些问题尚待解决，但我们相信在AI的

    助力下，未来人们就医会更高效、更便捷。如何成为安防机器人“头号玩家”？

    2018年4月，安防机器人初创企业Cobalt Robotics完成1300万

    美元A轮融资，“机器人+安防”这个概念再次引起人们的关注。王

    石早在2015年就在万科园区局部启用机器人巡逻保安，但是从目

    前的市场格局上来看，市场正处于起步阶段，国内入局安防机器

    人的“玩家”并不太多，“头号玩家”更是没有。

    据预测，到2020年，全球范围内的机器人市场价值将达到

    346.728亿美元，到2022年，专业服务机器人(包括医疗、国防、救援、安防、物流、建筑机器人)将会主宰机器人市场。近几年

    安防机器人势必会爆发，各大公司如何在这百亿元市场中占领一

    席之地呢？

    一、解决三大技术难题筑起行业“护城河”

    就技术角度而言，安防机器人主要有十大技术热点：导航定

    位、计算机视觉、目标跟踪、移动与运动控制、检查巡检、算

    法、目标检测与识别、传感器、网络、人机交互。而这十大技术

    热点彰显的三个核心问题是移动底盘、机器视觉、智能语音。

    1. 移动底盘

    目前移动底盘产品相对成熟，可以应用到各种机器人身上，但是现阶段却没有成熟的SLAM(同步定位与地图构建)技术方

    案。针对机器人行走，大部分企业采用三维激光雷达SLAM方

    案。该方案比较成熟，产品也更加丰富。只有极少数企业采用3D视觉SLAM方案，该方案适用于复杂动态场景，但对计算性能和

    算法要求很高。不管是激光雷达还是3D视觉，从技术角度上讲，它们可以在任何室内环境下应用。

    SLAM方案中，有两个至关重要的难点。第一个难点是多传

    感器的定位。地图构建是静态的，但机器人走动时，地图构建是

    动态的，这就需要通过多传感器的搭配去定位。第二个难点是多

    传感器之间的融合协调。由于这涉及每个传感器的特性和数据处

    理，因此，在协调上难度非常大。

    2. 机器视觉

    目前，机器人视觉的应用是众多AI企业集中攻坚的热门方

    向。机器人视觉的核心功能包括更智能的空间与环境感知能力和

    视觉认知能力。理想情况是机器人被植入深度视觉后，可以更精

    准地实现自动三维地图重建，自主规划行走路线，轻松进行物体

    识别及人的身份识别等功能。但是在应用场景中，问题却不少。

    例如突然掉落的一个东西成为障碍物，机器人的反应速度跟不

    上，可能会突然停止，或机器人前面多几个人行走就可能会导致

    机器人行走速度变得很慢或直接失灵。

    目前市面上的深度视觉产品主要是深度摄像头。按技术分

    类，深度摄像头可分为以下三类主流技术：结构光、双目视觉和

    TOF飞行时间法。前两者受环境影响较大，后者因成本高量产比

    较困难。

    3. 智能语音智能语音识别一直是最让企业头疼的问题。智能语音包含语

    音合成技术、语音识别技术和自然语言处理(NLP)技术三项主

    要技术。语音合成技术发展最早，基本没有太大的技术问题；语

    音识别技术在2012年被卷积神经网络应用之后，准确率大幅提

    升，虽然效果和体验还不够理想，但也在C端、B端得到了广泛应

    用；NLP技术虽然在搜索引擎中早有应用，但在人机交互领域仍

    属于浅层处理。

    这里有几个问题需要解决，首先是歧义消除，即机器在相关

    语境下是否能识别带有多重含义的词语。例如，“灌水”既有往容

    器中注水的意思，也有发表无意义帖子的意思。还有一个跟机器

    视觉类似的问题，当机器前面有多个人时(这在社区显然是正常

    的情况)，它是否依然能与人正常交流。这里有一个“鸡尾酒会

    问题”亟待解决，“鸡尾酒会问题”显示了人类的一种听觉能力，人

    类能在多人场景的语音或噪声混合中，追踪并识别至少一个声

    音，在嘈杂环境下也不影响正常交流。

    从多模态交互的角度来看，如果在目前的智能语音技术上再

    去扩展视频、图片、运动数据等素材非常困难，那么只能一对一

    单线操作，现在还没有成熟的方案能将它们结合起来。

    二、从理念导入实践，技术落地还需“软着陆”

    中智科创机器人有限公司于2015年率先在国内开发安防巡逻

    机器人。它是户外全天候智能机器人，集高清摄像头、红外热成

    像、视觉激光导航、环境传感器、警灯装置于一身，具备自主导

    航、自主执行任务、24小时全方位音视频监控、异常情况自动报警等多种功能。据统计，一个安防巡逻机器人可以抵得上2.4个安

    防人员执行巡逻任务。

    2017年，青岛克路德机器人有限公司在华为全连接大会上推

    出了一款安防机器人。这台机器人具备自主巡逻、业主识别、紧

    急情况报警、险情预警、远程对讲、语音对话等功能，可以实现

    24小时自主巡逻。此款安防机器人已经在鑫苑集团旗下的鑫苑名

    家小区正式投入使用。

    入局的“玩家”不少，“头号玩家”却还未诞生，于是各“玩

    家”开始从最擅长的细分领域做起。

    1. 识别障碍物，保证“通行无阻”

    2017年，浙江国自机器人技术有限公司发布了一款名为

    TIGER的“智能安防机器人”，这款机器人可以巡逻、发布危机预

    警、查漏补缺、进行车辆管理、进行人脸识别，还可以与人进行

    语音交互。但是它上不了台阶，最多只能爬一个小斜坡。

    武汉工控仪器仪表有限公司在全力解决机器人上台阶的问

    题。该公司开发的“小卒一号”安防机器人头上装着4个摄像头，能在小区里自由行走，无须人工控制，可以提供全方位无死角的

    监控保障。只需充电4小时，它就可以不间断巡逻8小时。

    机器人很难识别小台阶等障碍物，有针对性地开发算法和进

    行实地调试，才能保证机器人“通行无阻”。技术人员需要实时监

    控机器人的步态数据，并在计算机上绘成一条坡度曲线。只有当 ......