而这些恰恰是整个项目当中最困难的部分，说不担心绝对是在撒谎扯淡。

但阮思澄也并不算特别害怕——陈一非的方向、框架没有问题，邵君理都说了，非常清楚干净。

他们将胸痛患者的心电图、ck-b、肌钙蛋白等等信息输入软件，又把许多急性腹痛患者的检查数据、ct片子、b超视频也输入进去，屏住呼吸，拿到ai给他们的诊断结果，急急忙忙地与患者病历上的“标准答案”比对。

结果如同晴天中的一道霹雳，扇了思恒医疗每个人一耳光。

甚至打得他们耳朵里面嗡嗡直响。

不准。

而且，完、全、不、准，诊断的正确率大约只有一半。

他们用看救命稻草般的眼神看急诊医生cso石屹立，石屹立一一复查，神情同样痛苦，表示，对于有分歧的患者，病历上面三甲医生给的诊断是正确的，而ai给的诊断，是错误的。

第32章 裁员（三）

对于ai来说, 让结果从“不准”到“准”, 不是十分容易，与传统的“找bug修bug”模式全然不同。

目前在对ai的争论当中，一个常常被提起的问题就是“算法黑箱”。也就是说，人类不能解释它的工作原理。

人工智能的核心是“神经网络”。科学家们模仿人类神经系统，让机器进行学习。“神经元”们一层一层分布下来，每个单元都能接收部分数据，再将结果向上传给其他单元。

还是用“猫”来打比方，第一层可以将图片切割、降维, 得到许多小图, 第二层在每个维度利用色差寻找边缘, 三四五层根据勾勒出的边缘确定各个器官形状，六七八层通过各个部分颜色判断毛色、花纹，瞳色最后顶层得出答案：这是猫、狗、兔子、其他。

2006年多层神经网络出现以前，机器学习都只处于初级阶段, 需要人工提取特征。而2006年后, 它进入到“深度学习”的大时代。人类不监督、半监督, 机器自己分析特征、独立思考。给一万张猫的图片, 说“这都是猫”, 它就懂了，再给一张它没见过的，问“是不是猫”, 它会说是。人们给它正确答案的数据集, 它便可以进行学习, “看”的越多会的越多，不断优化自身能力。因此，“人工智能”定义十分清晰，区别是真·人工智能还是噱头只需要看它有没有模仿人脑。

然而，对每一层都在提取什么特征，以及机器为何要做这些事情、为什么能得出结论，人类无法解释。根据输出，有些提取简单易懂，比如勾勒边缘、模糊图片、突出重点、锐化图片可是，在很多时候，人类完全get不到！看着某层下来以后图片所变成的样子，只能叫一声“什么鬼！”有时人类只能提出几个特征，ai分出好几百层！