数字化转型的技术基础与实施方略及教育启示

余 中

数字化转型的技术基础与实施方略及教育启示

余 中

（北京智慧经纶健康科技公司，北京 100040）

桑：余中博士（简称“余”）是信息技术和人工智能领域的专家，1997在美国加州理工学院获得博士学位，导师是信息论创始人香农的传人Robert McEliece教授，另一位论文导师是神经网络机器学习理论的奠基者、著名人工智能专家John Hopfield教授，毕业后曾担任全球最大的通信公司美国AT&T的技术总监及总体架构师，2010年余博士作为“北京市政府特聘专家”归国参加国家医疗大数据建设，创建智能医学服务平台和中西医全科医疗AI系统，积累了人工智能在医疗健康系统创造性应用的丰富经验，现在还是清华大学人工智能国际治理研究院特聘专家。我们请他从技术的视角，谈谈对数字化转型的切身体验。

余：近两年在和桑教授的深度交流中，我深感人工智能在医疗和教育这两大民生领域的应用有很多相似之处。例如，优质医疗资源和优质教育资源的稀缺，是制约全民健康水平和幸福指数、解决社会公平的时代难题；又如，医疗服务对象的病人是千差万别的，如何进行个性化的精准医疗，是医疗服务面临的大难题；而教育领域如何超越整齐划一的课程教学模式，真正实现因材施教，是教育数字化转型的大难题。人工智能的广泛应用是破解这两大难题的有效途径和必由之路。

第一篇文章中桑教授对信息化、智能化、数字化三者关系的论述清晰、简洁、通俗，下面我从技术的视角作进一步阐述。

一 数字化是信息化不断升级的技术基础

纵观几十年来世界信息化的发展，每一阶段的攀升都与数字技术的创新密切相关。信息技术的实质是人类接收、加工、存储、交流信息能力的外化、延伸和强化，其实现的技术路径是要把人的感觉、思维和相应的语言、文字、图像等符号体系，转化为可以用光电信号处理的数据，而破解这一难题的正是数字技术。计算机的诞生是数字技术在数学逻辑运算领域的突破，创造了二进制的计算机语言和程序，实现了大大超过人脑的强大算力和逻辑转化与推理能力；经过几十年的发展，计算机先后破解了文字、声音和图像等数字化难题，使“电脑”越来越像人脑，人机之间的交流也越来越人性化，这就为计算机的应用和普及铺平了道路。互联网的诞生是人类传递生物信息的神经系统之外化和数字化，由此实现了无数电脑和人脑的“联网”，并创造出每时每刻海量增长的大数据海洋，远远超出了人脑和神经系统加工处理信息的能力，人工智能呼之欲出、应运而生。

二 智能化是引领数字化的目标与价值导向

对人类的智力发展来说，“大数据”既是挑战又是机遇。大数据是潜在的资源，从“资源”转化为“价值”，必须实现有效数据分析、数据挖掘。最有效的数据分析就是近些年来不断升级的人工智能机器学习算法。什么是人工智能？桑教授有一句通俗、生动的表述：“人工智能的本质是让机器学会学习。”用技术的专业语言来表述，人工智能的核心技术主要包括：①机器学习，其学习模式可分为监督学习、无监督学习、强化学习等，学习方法可分为传统机器学习和深度学习；②知识图谱，是把各种类型信息连接在一起而得到的一个关系网络，从“关系”角度分析问题的能力；③自然语言处理，是利用计算机技术实现不同自然语言的机器翻译，并实现对文本篇章的语义理解，让计算机用人类自然语言与人交流的问答系统；④计算机视觉，是使用计算机模仿人类视觉系统，让计算机拥有类似人类提取、处理、理解、分析图像和图像序列的能力，包括计算成像学、图像理解、三维视觉；⑤生物特征识别，是通过个体生理特征或行为特征对个体身份进行识别认证的技术，包括指纹识别、人脸识别、虹膜识别、声纹识别、步态识别等。

当今迅速发展的智能化浪潮，其技术基础都是数字化的升级换代，在迭代中飞速提升的智能化算法和算力，在软硬件开发和各行各业广泛应用中不断取得新突破。支撑深度学习的深度神经网络是非常庞大的系统，需要海量数据、强大算力的支撑来进行网络训练。深度学习算法模型对于算力的巨大需求，推动了芯片业的创新发展，如训练深度神经网络用到的GPU、TPU等特殊人工智能芯片的开发设计和应用。深度学习框架是进行深度学习的基础底层框架，包含主流的神经网络算法模型，提供稳定的深度学习API，支持训练模型在服务器和GPU、TPU间的分布式学习，部分框架还具备在包括移动设备、多种平台上运行的移植能力，从而为深度学习算法带来前所未有的运行速度和实用性。目前主流的开源算法框架有TensorFlow、Caffe/Caffe2、CNTK、MXNet、Paddle-paddle、Torch/PyTorch、Theano等。

随着人工智能在各行各业的广泛应用，人们越来越清晰地认识到，为满足人工智能在应用中不断增长的需求目标（如人工智能的可解释性、知识自动生成、通用性等），仅靠“数据驱动”的机器学习是有一定的瓶颈和局限性的，只有依靠凝聚了人的智慧、经过长期积累筛选建立的不同行业的专业知识才能有效破解，这就必须实现“数据驱动”与“知识驱动”内在结合。知识驱动是基于专业知识的人工智能“逻辑推理”，早期人工智能“重推理”，近期的人工智能转向“重学习”（数据驱动的机器学习），如何将此两者相结合，是新一代人工智能创新发展的大趋势与攻坚战，也由此引领数字化发展的目标和价值导向。

三 人机协同的增强智能是破解医疗、教育难题的希望之路

当代人工智能发展与应用前沿的虚拟现实/增强现实（VR/AR）和“元宇宙”（Metaverse）值得特别关注。VR/AR面临的挑战主要体现在智能获取、普适设备、自由交互、感知融合四个方面，智能化视听技术生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境，包括数字人、数字孪生、平行系统、平行世界（元宇宙）等，用户借助智能装备与数字化环境中的对象进行交互，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现更深层次的人机交互，包括语音交互、情感交互、体感交互、脑机交互。

元宇宙是基于VR、AR等人机交互技术，建立完全数字化环境，支撑数字逻辑实现的现实世界的业务逻辑重构。元宇宙覆盖的内容不仅是信息的表示、呈现和传播，还包含人类生产、生活的全部内容。元宇宙系统实现数字化的方式，既有数字孪生，也有数字原生，还有虚实相生。数字孪生不仅把现实世界中物理性存在的内容映射为数字化内容，而且将现实世界中非物质性存在的内容，如法律、制度、规范、风俗、习惯等内容映射为数字内容。元宇宙系统还包含大量数字原生内容，这是纯粹数字世界自己生成的数字化内容，它们在物理世界中并不存在对应的对象，这些数字化内容与现实物理世界还将发生各种关联，生成更多数字世界虚实相生的新内容。元宇宙特征包括沉浸体验、高仿真，实时运营、多维互动，高效内容生产，身份与规则以及保障大规模用户持续在线。图1是“元宇宙”特征对应技术群支撑系统框架图，包括关键技术、角色及细分技术三大部分。

图1 “元宇宙”特征对应技术群支撑系统框架图

这是在信息化向智能化不断攀升过程中降临在人类面前的数字化生存新时空、新天地，展现了包括教育医疗等所有领域走出工业文明步入信息时代的希望与未来。

下面简要介绍近十年来我们团队在探索人工智能、大数据等前沿信息技术运用于我国医疗健康系统，破解该领域一系列难题的做法和感悟。

当前中国医疗健康服务体系有两大痛点：其一，没有家庭医生/全科医生服务体系；其二，90%的优质医疗资源集中在不到10%人口居住的大城市，导致的结果是“无序就医”“看病贵、看病难”。

2010年我们创建了北京智慧经纶健康科技公司，团队专家包括国内外大数据与人工智能专家、国家医疗健康信息化专家，与中华医学会、中国健康促进基金会、国家疾病预防控制中心、全国近700家三级公立医院等合作开展了一系列国家级医疗健康大数据科研项目，采集、治理（数据清洗与结构化处理）与分析（数据建模与分析）一亿人的医疗健康大数据，将基于西医循证医学与中医辨证施治的医学临床路径与基于机器学习的大数据疾病预测模型相结合，开发了基于“知识图谱/贝叶斯推理网络+机器学习”的“医学AI大脑”（探索新一代人工智能技术在医疗健康领域的创新应用与发展），开发了“AI三云联动”（全科医疗AI云、专科医疗AI云、家庭健康AI云）全民健康智能服务平台，为患者/客户提供中西医智能诊疗和“预防、保健、诊疗、康复”全流程一体化的医疗健康服务体系（如图2所示）。

在国家卫健委的指导和支持下，我们部署了人工智能赋能基层医疗的示范工程，入选国务院发展研究中心智库《改革开放40周年成果：中国样本》成功案例，被誉为“人工智能赋能的21世纪赤脚医生”，世界银行和世界卫生组织专家团实地考察后给予了高度评价。“AI三云联动”全民健康智能服务平台现已部署2000多个医疗机构、服务覆盖1000多万人。人工智能与人类智能的“共生系统”（人工智能赋能医生服务/患者管理，全流程服务与管理数据反馈优化人工智能，两者建立相互支撑、增强学习的共生系统），是快速提升百万级数量全科家庭医生的医疗服务能力、实现具有自学习能力的医学人工智能、提供普惠医疗与全民健康服务的有效方法与实施路径。2022年春节后新冠病毒在香港全面爆发，我们应邀通过医学AI大脑开发和部署了“新冠中医AI诊疗与防控系统”，助力香港医生实现了新冠患者中医诊疗临床全过程AI数字化管理服务（诊断、治疗处方、药品出单及配送、初诊复诊、疗效评估、统计分析等），极大地提高了香港医生的新冠诊疗能力、效率、专业化水平及患者管理能力，得到香港医生、特区政府、国家援港抗疫中医专家组的高度评价。

图2 “AI三云联动”健康智能服务平台/人类智能与人工智能医学共生系统示意图

我们希望能与教育领域的同行开展更深入的合作，携手破解我国人才培养和健康生态文明建设的数字化转型难题。

桑：余博士介绍的经验、成果和感悟，对智能化、数字化的内涵、结构、前沿、趋势进行了系统化、专业化的解读，尤其是总结和展现了人工智能技术在医疗健康领域创造性应用的成功案例，其中有三点特别值得借鉴：一是创建“三云联动”的“医学AI大脑”，整合了国家医疗健康部门、医院、患者的多层次、多样化需求和提供这些需求服务的各类资源，并在人机结合的数据挖掘、深度学习中形成了快速迭代的智能化超循环生长系统；二是开发出直接面向患者、家庭和基层医生的中西医AI终端设备，在基层医院和三甲医院创建支持该终端的全科—专科医生AI工作站，并与云端的“医学AI大脑”联网，提供“预防、保健、诊疗、康复”全流程、智能化的医疗健康服务体系；三是深入持久地开展人工智能专家（PhD）与医学专家（MD）的深入交流对话与有效协作，实现人工智能专业技术语言、思维方式与医疗健康领域专业术语、思维方式的交流沟通，培养出一批能听懂和理解对方语言的跨学科人才，由此创建各领域智能化人才培养的新模式。这些对破解当前教育数字化转型中的痛点和难题具有很强的启示。

余中，博士，研究方向为人工智能基础理论与应用及医疗大数据，邮箱为jyu@mmednet.com。

2022年11月28日