挖掘场景需求，AI如何创造抗疫价值？

2月4日，工信部发布《充分发挥人工智能赋能效用，协力抗击新型冠状病毒感染的肺炎疫情倡议书》，倡议进一步发挥人工智能赋能效用，组织科研和生产力量，把加快有效支撑疫情防控的相关产品攻关和应用作为优先工作。在“新冠”疫情这样的“黑天鹅”事件下，各大AI公司都积极参与到抗疫一线中，使得AI技术迅速成为抗疫“主力军”之一。在此背景下，对于AI行业而言，新场景和新机遇的出现，或许会引领行业的变革。

相信即使是平时没有注意人工智能技术和行业的人，在这次疫情期间都会注意到，人工智能、AI这些词频繁地出现在各大新闻头条上。即使很多人并不了解AI到底能做什么，在这场疫情中具体能起到什么作用，但现在来看，这些都已经不重要了。重要的是，这次疫情，机缘巧合地让AI技术获得了巨大的曝光量，或许这将是AI技术推广落地、走进大众生活、普及行业应用的重要转折点。

当然，这与各大AI企业所做出的努力密切相关。那么AI技术是如何在这次疫情之中体现出自身价值？竹间智能高级技术咨询专家张程在接受记者采访时表示：“我们知道在近几年的人工智能热潮中，无论是连接主义还是符号主义，炒得都比较火热。自从新的算法出来后，各种迁移学习模型，预训练模型都在业界名声大噪。可是当放到客户端、放到真正的应用中时，我认为无论是连接主义还是符号主义都并不实际，因为人工智能最终都是为客户带来更好的用户体验，提升生产力。而我们就是以这样一个创造价值的模式去思考，人工智能在疫情中能够做些什么。”

事实上，对于很多AI初创公司而言，医疗领域是它们以往没有接触过的。它们本身没有专业的医生咨询团队、没有专业的防控防疫知识，这对于如何找到相应的场景数据去服务于防疫工作、服务于社会，是一个比较困难的问题。而作为一家专注于人机交互技术的AI公司，张程表示：“在我们团队内部的脑暴中，我们确定了几个场景，一是通过AI来收集人员信息，二是自针对自我隔离人员的AI情绪安抚，三是对人脸识别算法的改进。第一点的场景其实是来源于我身边的真实例子，在疫情期间有一位居委会工作的同学，他表示在过去一段时间每天只能睡3到4个小时，因为社区中需要确认的人数太多，每天都不停的进行电话访问，了解每个人的情况后，填写表格上交。这样的重复性工作其实是可以利用现有的AI技术去解决的，在减轻工作人员压力的同时，还能明显提高工作效率。另一方面，相信疫情爆发后，很多人都因为长时间在家，而多多少少产生焦虑情绪。而这些情绪需要得到回应，以缓解人们的焦虑，但靠人力恐怕是远远不够的。我们的对话机器人可以通过文字、图片、语音的方式完成疫情通知、信息采集、返岗人员调研、康复报告、愈后回访等功能，这个过程中能够完成拟人的互动。而这些内容都在一个月时间内迅速上线了。”

“在公共场景中，我们也将原来的技术作出了改进。竹间花了三天时间去修改了人脸识别算法，加强了人脸识别顶的权重，使其可以识别出戴口罩的人脸，这就避免了在汽车站、小区门禁等场景需要脱下头罩才能进行通关的情况，降低了感染风险。”张程补充到。

不过也有一些AI公司已经在医疗领域早有部署。由于新冠病毒潜伏期长，前期感染可能毫无发热症状，因此单靠测温枪来进行检测是很难识别出某些感染者，甚至连病毒核酸试纸也只有40%准确率。而新冠病毒主要攻击的身体器官是肺部，早期患者可能不发热，仅有畏寒和呼吸道症状，但CT可以显示出肺部局限性磨玻璃片状影。因此通过CT（Computed Tomography，电子计算机断层扫描）影像检查来观察肺部是否病变是最为准确的方式之一。

华为云EI解决方案架构师李坤武告诉记者：“以往CT影像从出片到医生确认结论，即使是经验丰富的医生，整个过程至少也需要12分钟。这对于疫情期间疑似患者数量庞大的背景下，效率是非常低的。如果通过AI进行辅助，采用AI去判断是否确诊，那么从上传CT影像到返回结果医生确认，整个流程只需要2分钟，可以看到效率是大大提高了的。”

但传统的CT片是二维的图像，这并不能直观体现病灶的情况，这也是以往医生从CT片判断病情需要丰富经验的原因。针对这一个痛点，除了直接的输出诊断结果外，AI还能够做的更多。李坤武表示：“新冠肺炎辅助诊断系统能够对二维CT片进行智能分隔，并对病灶体积自动准确测量，对分析结果进行三维重建，直观呈现出病灶的发展状况，便于指导病人用药进行针对性治疗。这对于临床治疗能够带来非常大的便利，减轻医生工作负担。”

而在医院无接触场景中，发展已久的AI语音识别技术也有了更广泛的应用。云知声IOT事业部VP、智慧服务业务线研发负责人田伟向记者介绍了智能语音病历系统在疫情中的应用：“其实在医院，传统的电子病历或是手写病历都为医生带来了很大的工作负担。据统计，医生每天平均在电脑上处理病历的时间大概是四个小时，平均占用他工作时间的40%，特别是在面对这种特殊时期。在这种场景下，使用键盘的效率是相对较低的，而键盘输入的效率也取决于熟练程度。”

但同样是语音识别技术，我们日常使用的语音助手、智能音箱等，与智能语音病历有什么技术上的异同呢？首先最大的不同是专业名词的大量使用。田伟表示，针对医疗领域，由于所涉及的领域之多，因此初始在具体场景下识别率远远达不到要求，而这需要针对不同的领域做特殊优化定制。针对应用的医院的使用的语义与我们通用的模型为基础，然后再加上训练生成一个定制的原模型，而且这个不同医院、不同科室也会有差异。为了更高的识别准确率，在拿到识别的结果之后，还需要后处理，也就是说需要做语义的纠正。另一方面需要适配病历模板以及不同设备，增强通用性。

总而言之，对于AI企业而言，不管是早有布局还是需求导向开拓新业务，在此次疫情中，如何更好地挖掘出AI技术的应用，更好地体现出AI技术的价值，都是它们仍在努力探索的方向。尽管在疫情当中，各种AI应用成功落地受到了广泛关注，但疫情过后，这些技术是否还能保持发光发热，或者说疫情过后的需求会不会迅速衰弱，也是目前关注AI医疗领域的企业所担心的。