HTC张智威:AI、大数据、云计算将实现医疗行业颠覆性创新

简介:

 AI无疑是今年的热门话题,笔者第一次邀请了微软小冰的首席架构师,以一个专业技术人员的身份,给会员们科普了认识AI的基本世界观。第二次我们请了图普科技CEO李明强,来从创业者的身份聊如何看待AI的实际应用。

然而这一定还不能满足你对AI的好奇,本期迎来一个进阶话题,讨论AI在医疗行业的应用与前景。圆桌主人,绝对的业界大牛:HTC负责研发及医疗的总裁、原Google中国工程院院长张智威(Edward Y. Chang)博士。

20175915727_1494313647969492500.jpg

他是谷歌创始人的同学,李开复见过评正教授最快的人

张智威是Google两位创始人佩奇(Larry Page)和布林(Sergey Brin)斯坦福同学,出身一个实验室,在98年Google刚创立的时候,曾一再邀请张智威加入。而张智威真正加入的时间是在2006年,负责搜索与社区产品,2010年负责全球移动技术创新的研发。

1494313802160002633.jpg

初见张教授,我就感受到一股儒雅的气质。后来看到网上的报道:

朋友都叫张智威“诗人科学家”,网上有他很多的诗篇。在他加入Google时,有道考题就是让他作一首诗,“二三十分钟以后他就回来了,并且做了两首诗”,李开复回忆说。

李开复曾评价张智威:“他是我认识的教授里面,最快的从助理教授变成正教授的人”。这中间,只花了不到七年的时间。1999年8月,获得斯坦福大学电机工程博士学位之后,张智威教授受聘于加利福尼亚大学圣巴巴拉分校电子和计算机工程系。2003年3月,他获得终身职位,并于2006年晋升为电子工程学正教授。

目前,张智威是HTC 研发及医疗总裁,HTC北京的新项目,是他从零到一、一手搭建的,而他目前最关注的方向AI技术在医疗领域的应用。

团队赢国际大奖亚军,但智能医疗一切都刚开始

张智威曾在清华大学的分享中提到:

医疗的发展,受到成本、品质、普及,三个方面互相牵制。

成本上,全世界都看病贵,医疗保险也是美国的社会核心议题,中国看病贵所以发的社会矛盾不胜枚举;

品质上,临床中仍然有很高的误诊率,美国都高达120万例;

普及上,中国的易患关系紧张,很大一部分原因是医生和病人的比例低;然而在非洲医生和病人的比例只有1:2000。

这三方面都存在着尖锐的矛盾,但因AlphaGo热议的AI技术理论上能很大程度上改变现状。如果能实现AI在线诊断,能极大解放医生资源,更精准地服务更多病人。其实智能医疗想象力还不止这些,VR辅助手术、精确的基因测序预测、治疗癌症……

张智威认为,实现医疗行业颠覆性创新,需要三大技术的参与:1.AI和大数据;2.云计算;3.移动传感器。HTC试图把医疗诊断从被动化主动,用硬件设备实现疾病的初诊,实际应用已经不是空谈。

今年四月,张智威和哈佛大学彭仲康领导的DBG团队(The Dynamical Biomarkers Group )参与了历时三年半的“高通三录仪XPRIZE竞赛”,大赛要求研发小型消费级的产品,满足15种以上疾病的状态诊断。并从来自全球的300多只队伍竞争中,获得了亚军以及百万美元的奖金。

HTC医疗总裁张智威:实现医疗行业颠覆性创新需三大技术

这个参赛产品DeepQ”Tricorder设备(如上图),小小一个,但集成了生理信号分析技术,图像处理,生物标志物检测等技术。除了能测血压、心率等这些生命体征外,还能检测血液和尿液,诊断高血压、糖尿病、肺结核、甲肝、尿路感染等疾病。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
|
3天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
6 1
|
6天前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
|
15天前
|
人工智能 运维 Serverless
【云故事探索】NO1:看森马服饰,在阿里云上如何用AI实现创新?
在数字化转型中,云计算成为企业创新的关键驱动力。森马服饰借助阿里云函数计算,应对新零售挑战,实现业务模式重塑和效率提升。面对AI技术落地的困难,如高成本、长决策周期和复杂运维,森马通过阿里云的Serverless解决方案,快速将AI融入核心业务,优化了从设计到营销的全链条流程。通过函数计算,森马降低了AI项目初期的硬件投入和运维难题,提升了设计师的工作效率,将设计时间从3天缩短到30秒,实现了服装设计和营销的智能化升级。
|
15天前
|
数据采集 安全 测试技术
【专栏】阿里云RPA浏览器自动化插件是一款基于AI的创新工具
【4月更文挑战第29天】阿里云RPA浏览器自动化插件是一款基于AI的创新工具,能模拟浏览器操作,实现自动化业务流程,提升效率,降低成本。其特点包括强大的自动化能力、智能识别处理、灵活定制、稳定性能及安全保障。适用于数据采集、表单填写、网页测试、办公自动化和电商运营等场景,助力企业数字化转型。
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【4月更文挑战第27天】 随着人工智能(AI)技术的飞速发展,其在自我进化的持续学习系统中扮演的角色日益重要。本文探讨了AI如何通过创新算法、自适应策略和交互式学习环境来优化其学习能力。重点分析了深度学习、增强学习和迁移学习等技术如何共同作用于AI系统,使其能够不断从新数据中提取知识,适应不断变化的任务要求,并实现跨领域的知识转移。此外,文章还探讨了在设计这些系统时面临的挑战,包括数据隐私、算法偏见和系统的可解释性问题。
|
19天前
|
人工智能 文字识别 自然语言处理
低代码引领AI创新:业务解决方案智能化设计
低代码平台结合AI技术,正推动构建智能化应用的革命。低代码通过可视化界面和预置模块简化开发,提高效率,降低技术门槛,并能灵活应对变化。AI则为应用带来智能决策支持、自动化工作流和增强用户体验。实际应用中,AI用于智能预测、情感分析、OCR和关键字提取,帮助企业加速数字化转型,提升业务价值。
25 1
|
19天前
|
人工智能 搜索推荐 大数据
【视频】如何用人工智能AI、大数据打动消费者洞察PPT|报告分享
【视频】如何用人工智能AI、大数据打动消费者洞察PPT|报告分享
|
26天前
|
人工智能 监控 数据可视化
智慧工地管理云平台可视化AI大数据建造工地源码
数字孪生可视化大屏,一张图掌握项目整体情况;
28 3
|
27天前
|
存储 机器学习/深度学习 大数据
云计算与大数据:合作与创新
本文探讨了大数据技术与云计算的背景和发展,大数据的5V特征(量、速度、多样、复杂、不确定)及云计算的3S特点(服务、共享、可扩展)。两者相互依赖,云计算为大数据提供计算与存储资源。核心算法涉及分布式计算、数据挖掘和机器学习,如线性回归、逻辑回归等。通过代码示例展示了Hadoop的MapReduce、Scikit-learn的KNN和TensorFlow的线性回归应用。未来趋势包括数据量增长、实时处理、AI与ML集成及数据安全挑战。附录解答了大数据、云计算等相关问题。
317 3

热门文章

最新文章