最近有报道称,谷歌的AI系统可以准确诊断出26种皮肤状况,与董事会认证的皮肤科医生相当。结果发表在题为“皮肤疾病的鉴别诊断的深度学习系统”的论文中。然而,皮肤病学会的一个消息来源列出了70种常见的皮肤疾病。在英国皮肤基金会提出了一个同样广泛的名单。
Google的AI系统只能使用上面提到的70种列表来检测37%的皮肤状况。那么,如果AI这么聪明,为什么它不能检测所有皮肤状况呢?
对于初学者来说,AI智能可以用两个词来概括:“精度”和“召回率”。精度是机器对给定问题的预测精度。机器并非天生就聪明。他们必须接受大量数据的培训,然后才能达到人们可能认为“类似人类”的准确度水平(仅针对一个用例)。
一台机器能够成功评估并做出有意义的预测的用例越多,其“召回率”就越广。最终的AI机器能够保持高度的精确度和广泛的召回率。
在Google公告中要注意的一件事是,要应用于26种疾病的AI的诊断精度与董事会认证的皮肤科医生“相当”。那句话说,诊断的准确性并不完美。就像训练有素的皮肤科医生不会百分百正确。但是,皮肤科医生和机器在大多数时候都使用有限的召回率来获得正确的诊断。
在机器学习的世界中,精确度和召回率之间的平衡是我创造的“自动化连续体”。
这里有一些定义作为基础。自动化是指使用技术使机器,过程或系统能够比人工更快地执行活动,并具有更高的准确性,并且没有偏见。
自动化应被视为一个连续体
自动化是一个连续的过程。基本自动化涉及机器遵循预编程的规则来执行和重复可预测的任务。先进的自动化技术使机器能够模拟人类的言语,思想和行为,包括通过经验学习和改进。
免责声明:本文由用户上传,如有侵权请联系删除!