人工智能时代的智慧医学教育目录/Contents01 02 03人工智能概述建构主义理论和形成性评价智慧医学教育01人工智能概述参考消息网2017年3月17日报道韩媒称,谷歌Deep mind首席执行官(CEO)德米斯哈萨比斯宣布“要将Alpha Go和医疗、机器人等进行结合”。
为实现该计划,谷歌Deep mind首席执行官(CEO)德米斯哈萨比斯今年初在英国的初创公司“巴比伦”投资了2500万美元。
巴比伦正在开发医生或患者说出症状后,在互联网上搜索医疗信息、寻找诊断和处方的人工智能APP(应用程序)。
如果Alpha Go和巴比伦结合,诊断的准确度将得到划时代性提高。
2015年8月IBM宣布,将以10亿美元收购医学成像及临床系统供应商Merge Healthcare,并将其与旗下“沃森健康”(Watson Health)部门合并。
IBM 现在正在训练沃森成为一位癌症专家,在德州大学安德森癌症中心沃森已经成功修完了两年的医学院课程,其内部存储着数以千万计的医学杂志期刊和临床试验影像。
每当晨间问诊的时候,资深教授会要求各位研究员总结病人的病历,沃森似乎总能给出最好的答案。
2016年8月12日,IBM宣布沃森已登陆中国。
根据IBM宣布的计划,沃森将与国内21所医院进行合作,帮助医生为肿瘤患者制定更好的个性化治疗方案。
此事再次点燃了人们将人工智能应用于医疗保健领域的热情。
其后不久,东京大学医学研究院利用美国国际商用机器公司(IBM)公司研发的“沃森”(Watson)人工智能系统,通过比对2000万份癌症方面的研究论文,仅用不到10分钟就判断出一名60岁女性患有罕见的白血病。
2018年6月29日-30日,一场AI vs人类医生的“读片大战”在北京国家会议中心展开,是全球首场神经影像人工智能人机大赛。
AI代表——“BioMind天医智”系统,是全球首款CT、MRI神经影像人工智能辅助诊断产品。
人类代表——25名全球神经影像领域顶尖专家、学者和优秀临床医生。
比赛时长55分钟,经过紧张激烈的角逐,在两轮比赛中,BioMind分别以87%、83%的准确率,战胜医生战队66%、63%的准确率。
值得一提的是,两轮比赛BioMind均仅用15分钟左右时间便答完所有题目,而医生战队几乎答到最后一秒。
人工智能人工智能(Artificial Intelligence),英文缩写为AI。
它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。
达特茅斯会议2006年,会议五十年后,当事人重聚达特茅斯。
左起:摩尔,麦卡锡,明斯基,赛弗里奇,所罗门诺夫1956年夏季,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会,共同研究和探讨用机器模拟智能的一系列有关问题,并首次提出了“人工智能”这一术语,它标志着“人工智能”这门新兴学科的正式诞生。
达特茅斯学院诞生:人工智能H.A.Simon(1916-2011,心理学家,1978诺贝尔经济学奖,卡耐基-梅隆大学任职):二十年内,机器将能完成人能做到的一切工作Marvin Minsky(1927-2016,认知科学家,麻省理工学院AI实验室任职):一代之内……创造人工智能的问题将获得实质上的解决Marvin Minsky:在三到八年的时间内,我们将造出一台具有人类平均智能的机器1956年夏1965年1967年1970年人工智能(AI)的诞生:志存高远01人工智能的三大流派行为主义(Actionism)又称进化主义(Evolutionism)或控制论学派(Cyberneticsism),其原理为控制论及感知-动作型控制系统。
60-70年代,控制论系统的研究取得一定进展,播下智能控制和智能机器人的种子,并在80年代诞生了智能控制和智能机器人系统符号主义(Symbolicism)联结主义(Connectionism)又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism),其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
1956年首先采用“人工智能”这个术语。
后来又发展了启发式算法→专家系统→知识工程理论与技术,并在80年代取得很大发展又称为仿生学派(Bionicsism)或生理学派(Physiologism),其原理主要为神经网络及神经网络间的连接机制与学习算法。
60-70年代,联结主义,尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮,由于当时的理论模型、生物原型和技术条件的限制,脑模型研究在70年代后期至80年代初期落入低潮。
直到Hopfield 教授在1982年和1984年发表两篇重要论文,提出用硬件模拟神经网络时,联结主义又重新抬头人工智能的三个发展阶段➢基于基本通用机制的智能“推理机”➢知识+通用机制“专家系统”➢知识+数据(信息)+通用机制“数据应用”人工智能三大流派均获得发展符号派连接派行动派知识表示神经网络机器人知识图谱深度学习增强学习模拟人的心智模拟脑的结构模拟人的行为人工智能的应用人工智能自然语言处理机器视觉数字营销语音识别数据服务智能驾驶机器人人工智能的技术体系➢人工智能技术的核心问题就是知识处理,涉及知识表示(Knowledge Representation),推理技术(Reasoning Technology),和知识管理(Knowledge Management)等➢归纳推理(Inductive reasoning):普遍化或归纳普遍化,是从关于样本的前提到关于总体的结论的过程。
机器学习(Machine Learning)可以被看作广义的归纳推理的工程化技术,包括基于神经网络模型的深度学习(Deep Learning)技术➢演绎推理(Deductive Reasoning):从‘前提’的已知事实,‘必然地’得出结论的推理。
采用符号逻辑的办法来表达知识,实现推理技术的工程化成为其主要技术内容。
语义技术(Semantic Technology)与知识图谱(Knowledge Graph)可以被看作广义的演绎推理的工程化技术计算机科学奠基人艾伦·麦席森·图灵(Alan Mathison Turing,1912年6月23日-1954年6月7日),英国数学家、逻辑学家,被称为计算机之父,人工智能之父。
冯·诺依曼(John von Neumann,1903~1957),20世纪最重要的数学家之一,在现代计算机、博弈论、核武器和生化武器等诸多领域内有杰出建树的最伟大的科学全才之一,被后人称为“计算机之父”和“博弈论之父”。
克劳德·艾尔伍德·香农(Claude Elwood Shannon,1916年4月30日—2001年2月24日)是美国数学家、信息论的创始人。
人的智能与人工智能的融合02建构主义理论与形成性评价建构主义建构主义(constructivism)是一种关于知识和学习的理论,强调学习者的主动性,认为学习是学习者基于原有的知识经验生成意义、建构理解的过程,而这一过程常常是在社会文化互动中完成的。
建构主义的提出有着深刻的思想渊源,它具有迥异于传统的学习理论和教学思想,对教学设计具有重要指导价值。
建构主义的最早提出者可追溯至瑞士的皮亚杰(J.Piaget)。
他是认知发展领域最有影响的一位心理学家,他所创立的关于儿童认知发展的学派被人们称为日内瓦学派。
皮亚杰的理论充满唯物辩证法,坚持从内因和外因相互作用的观点来研究儿童的认知发展。
他认为,儿童是在与周围环境相互作用的过程中,逐步建构起关于外部世界的知识,从而使自身认知结构得到发展。
建构主义理论“学习的含义”建构主义认为,知识不是通过教师传授得到,而是学习者在一定的情境即社会文化背景下,借助其他人(包括教师和学习伙伴)的帮助,利用必要的学习资料,通过意义建构的方式而获得。
由于学习是在一定的情境即社会文化背景下,借助其他人的帮助即通过人际间的协作活动而实现的意义建构过程,因此建构主义学习理论认为“情境”、“协作”、“会话”和“意义建构”是学习环境中的四大要素或四大属性。
建构主义理论“学习的方法”建构主义提倡在教师指导下的、以学习者为中心的学习,也就是说,既强调学习者的认知主体作用,建构主义教学又不忽视教师的指导作用,教师是意义建构的帮助者、促进者,而不是知识的传授者与灌输者。
学生是信息加工的主体、是意义的主动建构者,而不是外部刺激的被动接受者和被灌输的对象。
学生要成为意义的主动建构者,就要求学生在学习过程中从以下几个方面发挥主体作用:(1)要用探索法、发现法去建构知识的意义;(2)在建构意义过程中要求学生主动去搜集并分析有关的信息和资料,对所学习的问题要提出各种假设并努力加以验证;(3)要把当前学习内容所反映的事物尽量和自己已经知道的事物相联系,并对这种联系加以认真的思考。
“联系”与“思考”是意义构建的关键。
教师要成为学生建构意义的帮助者,就要求教师在教学过程中从以下几个面发挥指导作用:(1)激发学生的学习兴趣,帮助学生形成学习动机;(2)通过创设符合教学内容要求的情境和提示新旧知识之间联系的线索,帮助学生建构当前所学知识的意义。
(3)为了使意义建构更有效,教师应在可能的条件下组织协作学习(开展讨论与交流),并对协作学习过程进行引导使之朝有利于意义建构的方向发展。
建构主义所蕴涵的教学思想主要反映在知识观、学习观、学生观、师生角色的定位及其作用、学习环境和教学原则等6个方面。
知识观(1)知识不是对现实的纯粹客观的反映,任何一种传载知识的符号系统也不是绝对真实的表征。
它只不过是人们对客观世界的一种解释、假设或假说,它不是问题的最终答案,它必将随着人们认识程度的深入而不断地变革、升华和改写,出现新的解释和假设。
(2)知识并不能绝对准确无误地概括世界的法则,提供对任何活动或问题解决都实用的方法。
在具体的问题解决中,知识是不可能一用就准,一用就灵的,而是需要针对具体问题的情景对原有知识进行再加工和再创造。
(3)知识不可能以实体的形式存在于个体之外,尽管通过语言赋予了知识一定的外在形式,并且获得了较为普遍的认同,但这并不意味着学习者对这种知识有同样的理解。
真正的理解只能是由学习者自身基于自己的经验背景而建构起来的,取决于特定情况下的学习活动过程。