深思考：它把手中的 AI 三叉戟，擲向了困擾兩癌篩查的效率頑疾 | 創業
圖片源自pixabay
越來越多的 AI 公司其實已經意識到，不是單項技術就能滿足實際場景的需求，而是需要一攬子整體解決方案，全棧式解決方案呼之欲出。
“大多數 AI 創業者都是先做好自己的技術，然後拿著這個技術到處找可以落地的場景。” 深思考人工智慧 （以下簡稱深思考）創始人楊志明認為，這些創業者的做法是有“問題”的。
“很多人不習慣為單獨的技術或服務買單，就像買電腦，使用者恨不得店員將系統以及所有可能用到的軟體都安裝上，也就是說大家更願意為軟硬體一體化的全棧式解決方案買單，這是中國的獨特文化。”楊志明表示，任何一個孤立的技術想要實現技術落地都比較困難，而且即使落地了也很有可能收不了費。
在楊志明看來，理想的創業思路應該是：先找到行業的痛點，以解決行業痛點為核心要務，不拘泥於某一種技術，而是採納所有有助於解決問題的技術，並以此為基礎打造一套完整的行業解決方案。“只有這樣，技術才更容易落地，落地之後也才更容易收到費。”
當然，楊志明並非理論家，實際上，他也正在實踐著自己的這個理論。
楊志明帶領深思考打造了一個集 NLP（自然語言理解）、CV（機器視覺）、AI 晶片為一體的“多模態深度語義理解”全棧式解決方案——深思考大腦 4.0。
據瞭解，多模態深度語義理解深思考大腦 4.0 是能夠同時對語音、文字、視覺影象等多模態資訊做深度語義理解與多輪人機互動的人工智慧引擎，該引擎將人工智慧從識別感知推進至深度語義理解階段。
“AI 的研究已經推向了後深度學習時代，”楊志明說，“在很多實際應用場景下，機器要同時理解文字、視覺影象等多維度的資訊。”
越來越多 AI 公司其實已經意識到，不是單項技術就能滿足實際場景的需求，而是需要一攬子整體解決方案，互動的時候除了 NLP 也要涉及到影像的互動，如果想讓互動更理解使用者更加快速的運算，肯定又需要底層晶片加速配合，這樣的佈局和轉變正在悄悄發生。”
由於具備 AI 晶片（iDeepWise M-DPU）研發能力，深思考大腦 4.0 可以為行業提供從端到雲的全棧式解決方案。端模式以軟硬體一體化的形式，更適合注重資料隱私的 B 端客戶，雲模式則更“輕”，更適合在某個領域大規模應用推廣。
兩癌篩查效率急需提升
據瞭解， 從 2009 年開始，國家便已經將兩癌篩查定為國家級重點專案，根據《中國婦女發展綱要（2011-2020年）》制定的目標，宮頸癌篩查覆蓋率需達到 80%，基於我國女性人口總數約 6.5 億，30% 從來沒有進行過篩查的事實基礎，目前篩查率遠低於這一水平，未來 8 年宮頸癌的篩查可撬動 5760 億市場空間。
然而與巨大的市場需求不同，宮頸細胞學閱片人員卻嚴重不足，中國病理醫生與人口比例為 1:70000，而美國為 1:2000，伴隨著閱片數量增多，閱片壓力也在慢慢增大，閱片人員由於疲勞和技能水平及主觀判讀等因素造成假陽性、假陰性高，敏感性僅有 65% 左右。
為此，深思考醫療解決方案的最重要一步就是利用機器視覺技術輔助醫生閱片。
眾所周知，大資料是以深度學習為基礎的人工智慧的關鍵因素，在演算法類似的情況下，資料越多，最後訓練出來的模型效果也就越好。因此，深思考一直都很重視資料的積累，具體來說，目前其已經通過合作等方法積累了超過 100 萬份宮頸癌醫療影像樣本以及 50 萬份乳腺癌醫療影像樣本。
基於這些醫療影像大資料，深思考通過深度學習等技術實現了提取宮頸細胞的關鍵特徵、自動分割團簇重疊細胞、快速識別塗片上病變細胞的分級類別等技能。
考慮到醫療行業很多敏感資料不能上雲的現實，如果通過在本地搭建 GPU 伺服器來輔助醫生閱片，GPU 不僅開銷昂貴而且功耗還比較大。因此，楊志明還帶領團隊研發了基於 FPGA 的醫療影像專用 AI 處理器 M-DPU，“不僅功耗更小，而且效能也將更好。”楊志明介紹，這些晶片都支援直接安裝到顯微鏡等醫療器械上，讓這些醫療器械從簡單的資料採集工具升級成智慧裝置。
總之，在演算法、大資料以及 AI 晶片的加持下，深思考兩癌篩查方案在精度以及效率方面都取得了不錯的成績：
- 高精度：細胞分類精度 99.3%；宮頸細胞篩查敏感性 98.4%，特異性 99.7%，排陰率達到 81%；
- 高速度：90 秒分類 7 萬個細胞；
- 高通量：可以批次掃描 1-480 樣本。
不過，如果僅僅只是利用機器視覺來輔助醫生閱片，市面上有類似技術的企業其實並不少。而這也不是楊志明博士所強調的“全棧式”解決方案。深思考大腦 4.0 還為行業提供了 NLP（自然語言理解）的應用。
楊志明介紹，使用者在拿到體檢報告之後往往會詢問醫生需要注意哪些事項，然而醫生其實並沒有太多的時間與精力來解答這些大多類似的問題。因此，楊志明認為用機器人助手來解答使用者的疑慮是一個不錯的選擇，而深思考大腦 4.0 的 NLP 技術則在其中起到關鍵作用。
深思考自然語言理解技術雖然並不怎麼為大眾所知，但其技術水平卻已經得到了行業內的認可，據瞭解，在 2017 年第六屆全國社會媒體處理大會上的首屆中文人機對話技術測評中，作為中文語義理解與人機互動領域最高水平的賽事，深思考獲多輪人機互動語義識別第一名，並且在 2018 年蟬聯冠軍。
另外，深思考還具有超過百萬條機器人人機互動語料、1 億條人工智慧醫療問診知識庫以及 100 多萬條營養大健康資料庫。楊志明相信深思考的機器人助手絕對會讓使用者滿意。
憑什麼同時涉足 NLP、CV 以及晶片行業
據瞭解，楊志明本人最擅長的技術其實是 NLP，他不僅是中國科學院 NLP、DL 人工智慧方向的博士，而且作為一個連續創業者，其創業專案始終與 NLP 相關，也有專案被某紐交所上市公司收購的經驗。
對此，對於前面這個問題，楊志明表示：“雖然 NLP 是我的立家之本，但就像我數學特別好，並不意味著語文就不行。”楊志明認為，他之前創業積累下來的演算法以及對 AI 的深刻認識都對做後面的事有幫助，“技術是一脈相承的。”
另外，楊志明還表示，雖然他不是做 CV 以及晶片的專業人士，但深思考內部卻聚集了一大批擅長做這些事的專業人才。
在市場落地方面，據介紹，深思考的兩癌篩查方案已經覆蓋 70% 第三方檢測機構，並已經跟數家頂級三甲醫院達成了合作。
值得一提的是，除了醫療領域，深思考也重點佈局了智慧商業領域，通過自身在人工智慧領域的獨特技術優勢，將人工智慧賦能智慧展廳，改變傳統 4S 店經營模式，為客戶提供一站式智慧商業解決方案，目前已經簽約奇瑞捷途，其他汽車品牌正在穩定推進中。
據悉，深思考已完成 5000 萬的 A 輪融資，並已於今年 8 月開啟 A+ 輪融資。目前，已有多家知名投資機構與深思考進行深度接洽，深思考將在智慧醫療大健康和智慧商業方向與新投資人開展深度戰略合作，充分發揮協同效應，構建更加強大的產業生態體系。
