人工智能论文

人工智能（ArtificialIntelligence），英文缩写为AI 　　人工智能论文

　　摘要：崔政博士的新著《科学技术知识的政治经济学研究》以马克思的“劳动”概念为中心，提供了一个划定人工智能替代人类劳动的边界框架。该书区分了重复性劳动与创造性劳动，提出创造性劳动是人类劳动的本质也是人工智能不可替代的。但需要进一步指出的是，机器学习已经在认识实践中表现出对人类认知劳动的极大辅助作用，包括：人工智能能够提升科学知识生产效率;人工智能擅于提取和传递默会知识;人工智能可以产生某种机器知识。以上原因使得我们在创造性劳动中很难将人工智能排除在外，未来可能的创造性劳动方式应当是某种人机协作或人机融合。

　　关键词：人工智能;创造性劳动;科学知识;默会知识;机器知识

　　中图分类号：TP18文献标识码：A文章编号：CN61-1487-（2020）01-0154-03

　　产业科学出现以来，科技创新对经济增长的驱动作用已经成为全球性的共识。崔政博士的新著——《科学技术知识的政治经济学研究》，试图以“劳动”概念的历史分析为切入点，讨论科学技术在当代资本主义经济中所扮演的角色，进而以一种动态的劳动价值论表明当代社会经济运行的内在动因[1]2。该书以马克思的“劳动”概念为核心构建了一个哲学空间，将科学知识、技术创新、资本运行纳入其中，完整地阐述了科学技术对经济社会的塑造作用。该书的叙事方式表达了两个理论取向：第一，对科技创新的分析不同于传统技术创新理论仅关注经济“增长”，而是从更为基础的社会分工出发关注经济“发展”;第二，将科学知识的生产还原到马克思的“科学劳动”概念，实际上已经使用了一种扩展了的“科学”概念，蕴含着当代科学知识生产所具有的实践性、情境化、多主体等特征。

　　该书更为重要的贡献在于讨论了人工智能技术对于社会生产方式的挑战和变革作用。书中提出：“人工智能的替代效应是建立在对人类劳动数据化和逻辑化的基础上的，探索自在自然的创造性劳动是不可数据化和逻辑化的。因此，人工智能只能围绕既有的对象进行重复性生产，替代重复性劳动;而人类则能够探索自在自然，从而摸索新技术、建构新对象，进行创造性劳动。也就是说，机器所不能替代的人类劳动的‘硬核’是探索自在自然的劳动，是创造对象和掌握技术的‘创造性劳动’。”[1]25作者将马克思的“劳动”概念区分为“重复性劳动”和“创造性劳动”，进而指出人工智能是对机器大工业的否定，它将替代人类劳动中可以重复、可以数据化的部分，但创造性劳动是人类劳动的本质，是人工智能所不能替代的。

　　作者提出：“人工智能可以在将重复性劳动数据化的基础上，对人类劳动进行模仿，从而取代任何形式的重复性劳动。但人工智能却不能取代人类的创造性劳动，创造性劳动是通过探索自在自然，经过反复的摸索与实验、征服反常和偶然、掌握技术、创造对象、实现对象从无到有的过程的劳动，这是一种原生性的劳动。”[1]27作者认为，创造性劳动是对马克思的“自在自然”的探索，“自在自然”是在人类的现有认知能力之外，却以反常和失败等形式向人类显现其自身。然而，在认知实践当中，机器学习已经可以帮助人类探索认知能力之外的“自然”，当然这种“自然”并不以反常或失败的形式存在。作者也指出：“尤其是在大数据和云计算的背景之下，机器学习的速度远超人类的认知极限，甚至可能在数据中找到人尚未发现的方法和规则。”[1]35因此，在认知劳动方面，我们可以在作者的概念框架下进一步区分出人工智能对人类“创造性劳动”的辅助作用，具体表现为三个方面：人工智能提高科学知识生产效率;人工智能擅于提取和传递默会知识;人工智能可以产生某种机器知识。

　　一、人工智能能够提升科学知识生产效率

　　机器学习的广泛使用可以提升科学知识生产的效率，主要表现在文献研究和实验室研究两个方面。人工智能系统可以通过自然语言理解获取、阅读和总结所有相关文献。例如，一个叫做Iris的人工智能系统的运行方式是：从某个研究主题的演讲切入，先使用自然语言处理算法分析演講的脚本，挖掘从开放渠道获取的研究文献，然后将相关研究文献分组并进行可视化，再通过人工标注文献使机器匹配精度增加，当机器能够理解文献的内容和结构时，可以帮助科研人员总结出该研究主题下的所有研究问题、假设、实验结果等，从而将前人工作完整呈现。此外，机器学习的使用还能够加快实验研究的进程。例如，2016年5月，澳大利亚国立大学的研究团队使用机器学习重复了物质的玻色—爱因斯坦凝聚态的实验室发现过程，从反复设置调整实验设备的各种参数到产生凝聚态物质，机器学习只用了一个小时，而凭借这一发现获得诺贝尔奖的三位科学家是在直觉的基础上经过多年实验才制造出了物质的凝聚态。由此可见，作为技术的人工智能的进步已经开始反向促进作为基础研究的科学知识的生产。

　　二、人工智能擅于提取和传递默会知识

　　波兰尼（MichaelPolyani）提出了默会知识（tacitknowledge）的概念，以区别于可以明述的知识（explicitknowledge），明述知识是用语言文字来表达的知识，如科学知识，默会知识则是我们知道但通常不加言述或者不能充分言述的知识[2]。默会知识具有以下几个特点：难以用语言文字描述，不易传播、记录和积累;获取默会知识主要依靠亲身体验;默会知识呈分布式存在，难以整合。这些特点导致我们很难有效运用默会知识，而机器学习的大规模运用使得人工智能系统非常擅于处理默会知识。作者敏锐地意识到了这一特点——“以往我们所说的‘默会知识’、手工技艺技巧，以及复杂程度远超人类认知能力之外的一些潜在规则，也都不再是一个个‘黑箱’，机器可以基于将人类劳动的过程还原成物理量和数据，再通过机器学习找到其内在的规律，从而取代人类劳动。”[1]56

　　在当前人类社会所有已经产生的信息中，文字只占极少的比例，大量的信息以图片和视频方式呈现，其中蕴含了大量需要通过亲身体验才能获取的默会知识。如果有办法将事物状态用图片或视频记录下来，就有可能使用机器学习从中萃取出知识。很多电影公司已经使用人工智能系统观看大量人类历史上的影视作品，从而归纳提取出经典桥段，创作出新的配乐、台词和预告片以供人类借鉴。更为重要的是，由人工智能系统获取的默会知识是以神经网络参数集的形式存在的，这对人类而言仍然不可描述，也难以在人类之间传递，但却非常易于在人工智能系统间传播。例如，一台掌握驾驶技能的自动驾驶汽车只要将参数集分享出来就可以快速让所有汽车学会这项技能，而且可以实现机器间的协同行动。 三、人工智能可以产生某种机器知识

　　如果说默会知识还是“可意会而不可言传”的知识，那么AlphaGoZero在围棋上的表现已经表明人工智能系统产生了某种既无法“意会”也无法“言传”的机器知识。AlphaGoZero在没有人类以往的经验或指导、不提供基本规则以外的任何领域知识的情况下，就使用机器学习在短时间内探索了大量人类从未尝试过的走法。机器发现的知识不仅完全超出了人类的经验，也超出了人类的理性，成为人类几乎无法理解的知识。由此，产生了讨论某种“机器认识论”的可能性，GregoryWheeler在《MachineEpistemologyandBigData》一文中提出：机器学习对事物间隐蔽的相关性的发现和掌握已经远超人类，因此机器知识更多的是一种相关性知识。[3]321董春雨教授在《机器认识论何以可能？》一文中也指出：“人类必须正视机器在其擅长的领域，通过特殊的认识方式所获得和积累的知识。”[4]

　　机器知识与科学知识或默会知识的核心差别在于：机器知识依赖数据，科学知识或默会知识依赖信息。信息是事物可观察的表征，或者说信息是事物的外在表现。任何一个物体的信息量都非常大，要精确描述一个物体，就需要将其中所有基本粒子的形态以及它们之间的关系都描述出来，同时还要将该物体与周围环境的关系都描述出来。而数据是已经描述出来的部分信息，关于一个物体的数据通常要比信息少得多，例如只包含它的形状、重量、颜色和种属关系等。只有当信息经过适当的处理，当它被用来进行比较、得出结论和建立联系时，它才會转化为知识。而知识可以理解为伴随着经验、判断、直觉和价值的信息，作为认知主体的人在其中扮演了关键角色。

　　相较之下，机器知识可以被刻画为数据在时空中的关系，这些关系表现为某种模式，对模式的识别就是认知，识别出来的模式就是知识，用模式去预测就是知识的应用

　　概言之，科学知识和默会知识多是基于信息的因果性知识，而机器知识多是基于数据的相关性知识。此外，科学知识是易于记录、易于陈述、易于传递的;默会知识是难以记录、难以陈述、可传递的;机器知识则是可记录、不可陈述、易于在机器间传递的。

　　四、人工智能发展的局限性

　　当然，基于人工神经网络的机器学习仍有两个核心的局限性导致人工智能系统还不足以承担创造性劳动。第一个局限是，人工神经网络需要依赖特定领域的先验知识，也就是需要特定场景下的训练，这是因为人工神经网络的学习本质上是对相关性的记忆，人工神经网络将训练数据中相关性最高的因素作为判断标准。这个问题在自动驾驶汽车中表现的非常突出，鉴于道路交通情境的复杂性和交通标示的多样性，自动驾驶系统难以避免很多交通事故。第二个局限是，人工神经网络无法解释产生某个结果的原因，这种不可解释性在许多涉及安全和公共政策的领域显现的比较突出，例如在智能医疗中，人工神经网络在影像识别和辅助诊断中都对其结果缺乏医学上的解释性，都需要专业医生的复核。

　　基于人工神经网络的人工智能系统在记忆和识别这两个基础智能方面超越了人类，但在推理、想象等高级智能方面还相差较远。与人类相比，人工智能无法承担创造性劳动的原因还不止于以上的局限性，还包括：人工智能没有常识和物理世界的模型;人工智能没有自主和自发的通用语言能力;人工智能没有想象力，需要大量常识、反事实假设和推理能力;最重要的是人工智能没有自我意识。自我意识的缺乏导致能够产生机器知识的人工智能系统仍然无法被视为认知主体，其知识的“创造性劳动”是一种无意识认识活动。

　　五、结语

　　人工智能系统在提升科学知识生产效率、处理默会知识以及产生机器知识方面的优势，使得我们在创造性劳动中很难将其排除在外，未来可能的创造性劳动方式应当是某种人机协作或人机融合。脑机接口（brain-computerinterface）是当前一个重要的人机协作研究方向，而其中最激进的方式是马斯克提出的Neuralink，即通过柔性电极对接在人脑的神经网络上，Neuralink要解决的是人类的信号输入与输出，但其问题在于人类的高级思维（如逻辑推理或描述场景）必须依赖语言，而目前基于人工神经网络的机器学习能力主要是对环境的识别能力，还远没有达到语言和逻辑推理，但人类智能通过语言进行沟通。这背后就隐含了人类的科学知识与人工智能系统的机器知识之间的不可通约，以上例子也表明基于人机协作的创造性劳动还有很大的技术障碍需要克服。

　　参考文献：

　　[1]崔政.科学技术知识的政治经济学研究[M].石家庄：河北人民出版社，2019.

　　[2]郁振华.当代英美认识论的困境及出路——基于默会知识维度[J].中国社会科学，2018（7）.

　　[3]GregoryWheeler.Machineepistemologyandbigdata[A].inMcIntyre，Lee，andAlexRosenberg，eds.TheRoutledgeCompaniontoPhilosophyofSocialScience[C].Taylor&Francis，2016.

　　[4]董春雨，薛永红.机器认识论何以可能？[J].自然辩证法研究，2019（8）.

　　人工智能论文

　　【摘要】STEM教育已经成为世界发达国家基础教育研究的热点，通过加强科学、技术、工程、数学等学科之间的联系，打通学科壁垒，采取更加灵活的学习方式，让学习者在真实情景下开展深度学习，有利于创新人才和高水平技术人才的培养。

　　【关键词】STEM教育;人工智能;机器人;编程创新

　　随着现代信息技术的迅猛发展，人工智能这个“技术英豪”已在全世界如火如荼地“跑马圈地”，迅速跻身技术创新的第一梯队。未来十年，我们将进入不可想象的智能化社会。智能机器人是信息技术发展的前沿领域，智能机器人教育具有实践性强、探索性强和综合性强的特点，有利于学生迅速接触前沿研究，打开思路，拓宽视野，开展智能机器人教学研究活动，让小学生从小触摸人工智能，感受它的非凡魅力，是小学阶段实现STEM教育理念、提高学生动手能力、培养学生创新精神的最好途径。

　　一、开展人工智能教育的背景

　　国务院在2017年印发的《新一代人工智能发展规划》宣布：举全国之力，在2030年一定要抢占人工智能全球制高点！人工智能正式上升为国家战略。2018年7月，中国第二届STEM大会在深圳福田召开，大会邀请了国内外著名的专家学者开设主题讲座，介绍最新的STEM教学理论和实践成果，掀起了福田STEM教育的热潮。在新一轮的教育规划中，福田区加快教育综合改革，以“智能教育”作为未来的发展方向，建立与中心区匹配的智能教育服务体系。STEM是用科学、数学知识和先进技术，以工程思维解决现实世界的问题。其教育的核心是：发现问题—设计解决方法—利用科学、技术、数学知识实施解决方法—将解决方法传达给大家。基于学校学科融合的办学理念，我校积极探索STEM教育的模式，开设机器人STEM课程，开展教师的课题研究和学生的探究性小课题研究、积极组织学生参与区、市级机器人创客比赛活动，积极投身人工智能的教学研究行列，培养学生的STEM素养。

　　二、以课程建设为核心，提升学生的STEM素养

　　机器人STEM课程是一门激发学生学习人工智能知识兴趣、培养学生综合能力、挖掘学生潜能为统领，以设计、组装、编程、运行机器人为主要学习内容，以培养学生观察能力、分析能力、想象力、逻辑思维能力、动手能力和提升学生的信息技术核心素养为主要目标的课程。机器人配备了各种功能的零件：如砖、轴、轮子等机械部分，大型电机、中型电机等动力部分，光电、触碰、红外等传感器，还有机器人的核心部件——控制器。学生通过动手创作，发挥自己的想象力和创造力，将零件组装整合，搭建各种具有实用功能的机器人。在搭建各种主题作品的过程中，锻炼了学生的动手能力，培养了学生的逻辑思维和解决问题的能力。他们在做中学、在玩中学、在学中玩，享受人工智能带来的无穷乐趣。

　　如果没有给机器人赋予运行的程序，机器人就是一堆塑料。因此，编程是机器人STEM课程的核心。在编写程序的过程中，学生需要把一个复杂的大问题，分解成一个个可以解决的小问题，循序渐进，逐步解决整个问题。在编写程序的过程中，学生首先要要清楚机器人的搭建结构和运行原理，其次还要清楚各种传感器的功能，通过编写程序来控制各种传感器，使机器人感知外界的环境信息，并对感知到的信息做出决策和响应，以使机器人能够顺利完成指定的任务。

　　以笔者执教的《走进人工智能》一课为例，该课伊始，笔者激趣导入，播放了特奥机器人飞速弹奏《野蜂飞舞》的精彩视频，勾起了学生学习人工智能知识的好奇心，产生探究科学的勇气，让学生对机器人技术有强烈求知的欲望。接着，采用任务驱动法教学，让学生通过微课程学习EV3编程技术，循序渐进地完成两个任务：1.让乐高机器人沿直线匀速运动;2.让乐高机器人沿直线匀速运动并且到达指定地点;最后的终极挑战环节，笔者让学生用乐高的配件搭建机械臂，编写程序，让乐高机器人模拟宇航员调整太阳能电池板，学生在設计、编程、调试中学得开心，玩得快乐，创意飞扬。

　　三、以课题研究为引领，推动师生专业化成长

　　课题研究是学校发展的源动力，是促进师生专业成长的重要途径。机器人教育作为一门具有高度综合渗透性、前瞻未来性、创新实践性的学科，如何为学生学习的“思维体操”提供了一个崭新的“表演舞台”，使教学取得“效率高、印象深、氛围雅、感受新”的明显效应，一直是我们在进行机器人教学研究中最为关注的问题。为此，我校信息技术教师申请了福田区教育科学“十三五”规划课题《基于STEM教育理念下的机器人搭建与编程教学研究》，学生申请了2018年深圳市中小学生探究性小课题《乐高机器人的搭建与编程》，师生在研究中努力学习，敢于实践，勇于创新，取得了很大的进步。

　　以学生的探究性小课题为例，学生采用PBL项目式学习方式开展小课题研究，学生的学习方式由过去的像容器一样被“满堂灌”转变为学生间“合作、交流、探究”式学习，掌握了隐含在问题背后的科学知识，形成解决问题的技能和自主学习的能力。在研究的过程中，学生保持开放的心态，敢于尝试新鲜事物，从失败和成功中汲取经验教训，养成追求真理、锲而不舍的科学态度，在课题研究中不断优化算法和改进搭建模型，设计实用的机械臂，进一步提升机器人的稳定性和完成任务的数量和质量。团队成员在研究中不断碰撞出智慧的火花，通过小组合作解决一个个课题研究过程中遇到的困难，掌握了科研活动的过程与方法，在探究中催生宝贵的创新意识。

　　四、以参加机器人赛事为驱动，搭建学生个性成长的平台

　　雄鹰只有经过千百次的历练，才能够在蔚蓝的天空中展翅翱翔。机器人比赛让学生接轨前沿科技，开阔眼界，培养学生综合素养，让其在同龄人中迅速脱颖而出。通过参加机器人比赛活动，为学生搭建个性成长的平台，创设真实的解决问题的情景，让学生严格按照规则进行实战对抗比赛，不断修改机器人的设计，并对机器人重新进行编程，以期在合乎规则的情况下，取得尽可能好的成绩，品尝成功的快乐。

　　通过参与各级各类机器人比赛，挖掘了学生的潜能，张扬了学生的个性，丰富了学生的学习生活，培养了学生的核心素养，促进学生人格的健全发展。队员贾壹方谈到参加机器人创意赛时，感触良多：参加了机器人创意赛后，我受益无穷。我学到了许多关于编程、搭建的知识，更重要的是：我认识到了团体合作的重要性，一开始我们总是各执己见，可是，在陈秀老师的带领下，我们认真地听取他人意见，齐心协力地克服了一个又一个困难，感谢福民小学为我们提供了这样一个学习和进步的机会。

　　未来，我们将继续带领学生行走在人工智能校本课程的探索和实践道路上，完善课程内容，认真参与课题实验，带领学生参与各种展示活动，为学生探索科技搭建更完美的平台，培养人工智能时代的信息技术精英。

　　参考文献：

　　[1]中国STEM教育白皮书.中国教育科学研究院，2017，6，20.

　　[2]戴玉梅，王健潼，彭青青等.基于核心素养的小学机器人创客课程实践研究[J].中国教育信息化，2018，1.

　　人工智能论文

　　摘要：现如今，随着人们健康意识的日益提高和人工智能技术的逐步成熟，人工智能技术在医疗领域的应用已经在理论和实践上取得了诸多成果。无疑，以人工智能技术为内核的智慧医疗模式将是未来医疗领域发展的大方向。本文基于已有的智慧医疗研究成果和典型案例，总结了智慧医疗发展的现状;也对智慧医疗在发展过程中遇到的问题进行了归纳和总结;同时，针对问题提出了一系列对策性建议。

　　关键词：人工智能;智慧医疗;医疗技术革新

　　中图分类号：R-05;TP18      文献标识码：A  文章编号：1006-3315（2020）5-150-002

　　艾伦·麦席森·图灵（AlanTuring）早在1950年发表的《计算机器与智能》中就表达了自己对“人工智能”的看法。1956年达特茅斯会议上首次提出了“人工智能”这一词汇，标志着“人工智能”作为一个独立的研究领域首次出现在公众视野中。

　　在这次会议后，得益于大数据的积聚、理论算法的革新和计算机计算能力的提升，“人工智能”取得了快速的发展：2012年，在图片分类比赛ImageNet中，多伦多大学教员、谷歌大脑研究员杰弗里辛顿的学生IIyaSutskever和AlexKrizhevsky使用深度学习打败了Google团队;也就是在同一年，斯坦福大学教授吴恩达（AndrewNg）和谷歌首席架构师杰夫·迪恩（JeffDean）一起开展了“谷歌大脑”项目的研究，将人工智能技術成功地应用于语音和图像的识别上。

　　当今快速发展的人工智能技术逐步进入我们的日常生活和生产中，在医疗、安保、金融等广大领域发挥着独特的作用。如今造成看病难的一个重要原因便是医疗资源的供给不足，尤其是在欠发达的农村和西部地区，这一问题就更加明显;另一方面，不同医生的专业素养和诊疗水平也存在差距，医疗从业人员质量参差不齐，这也是造成看病难问题的一个原因。在医疗领域，人工智能技术因为成本较低，同时具有较强的可复制性和易推广性，在未来将会成为解决医疗资源供给不足、分布不均以及医生专业水平参差不齐等问题的有效手段。2017年，国务院提出要大力推广人工智能技术参与治疗的新医疗模式，同时出台了《促进新一代人工智能产业发展三年行动计划（2018至2020年）》，加快构建智能医疗体系。

　　一、人工智能在医疗领域的运用

　　（一）智能数据诊断

　　在传统医疗中，在经过对患者的问诊和一系列医学检查后，医生方可得出最后的诊断结果，在这一过程中，医生无疑居于主导地位。近年来，随着医学诊疗技术的发展，在诊断中需要医生参考和审阅的数据越来越多，医生想要做出精确的判断，就必须大量阅读相关检查资料，这无疑增强了医生的工作强度，使医生很容易出现疲劳和诊断失误的情况。但是，利用人工智能技术开发出的应用对海量的数据进行分析，并在此基础上做出诊断，这将在很大程度上减轻医生的工作强度，并且提升诊断的准确性。

　　目前，该项研究已经取得了一定的成果。前期，使模型对海量存在明显异常的影像数据进行辨别和记忆，在此基础上，使模型最终可以实现对影像数据异常点进行自动识别和标注。智能影像诊断利用其高速性和较高的准确性来帮助医生审阅相关资料，无疑减少了医生大量的无意义劳动，在模型的判断和筛选下，诊断结果的准确性也得到了不同程度的提高。

　　但是，前文就已经提到过，高准确度的诊断模型的建立，是需要建立在大量标注异常的影像数据的记忆和识别的基础上，大多数情况下，医疗数据中或多或少都包含着患者的一些隐私信息，在国家和民众日益关注个人信息安全的今天，想要获取足够多的信息存在一定程度上的困难。

　　（二）语音电子病历

　　患者在正式治疗前，医生需要详细询问其症状、病史和检查结果等内容，并作为病历详细记录下来。但在很多情况下，医生的双手因为各种原因会被占用而不便进行记录，在后期的补录中，很可能会出现错记漏记的情况，也使得医生的工作量增加，不利于下一步治疗工作的开展。

　　为了解决这一问题，北京大学口腔医院协同科大讯飞共同研发了一套名为“基于语音的门诊病历采集系统”，该系统利用自然语言处理和语音识别技术，在医生与患者的沟通和交流过程中，对谈话内容进行现场录音，再经过系统的进一步处理，就会生成结构性的电子病历，之后，医生对系统生成的电子病历进行简单的检查和确认，病历的书写和记录工作就可以在很短的时间内完成。该系统可以以一种更直接的方式记录医生与患者的诊疗数据，大幅度提高医生的诊断效率。

　　（三）智能问诊

　　医生在做出诊断和给出治疗方案之前，需要深入了解患者的情况，患者在这一过程中，有迫切得到合理治疗的愿望，如何提高医生诊断效率，切实保障每名患者得到及时救治的权利，将是一个十分重要的议题。北京康夫子科技有限公司研发了一套预问诊系统，系统会从预约挂号开始，通过模拟医生来进行一系列先导性的问诊，详细记录患者的相关信息。为了帮助医生在正式诊断前提前了解患者情况，该系统还会将患者所回答的问题整理成规范的病历形式。该系统主要的优势有以下几点：①患者由于医学专业知识有限，在预问诊阶段，患者的回应大部分是日常生活中的通俗用语，为方便医生的进一步诊断，系统能够将其翻译为标准的医学用语;②在预问诊时，每则医学术语都配有易于大众理解的详细解释，降低了系统使用的门槛，使患者能更加高效准确地回复，提高预问诊的效率。

　　二、人工智能为医疗技术革新带来的机遇

　　（一）提升医疗服务水平

　　通过与物联网、智能健康设备等途径，人工智能对其搜集的用户健康数据进行分析和汇总，建立用户个人健康档案。在此基础上，进行包括个人健康、产后调理、慢病管理等方面的个性化的用户健康指导，使用户更好地进行自我健康管理。具体操作是：人们在身体不舒服的情况下，可先通过问诊平台，对自身状态有初步了解，在有需要的前提下，根据指导去医院做相关检查治疗。 （二）缓解医疗压力

　　基层社区医疗是医疗服务体系中的基础部分，同时也是面对问题最多、医疗压力最大的部分，人工智能技术对于提升基层社区的医疗水平、缓解医疗压力发挥着十分重要的作用。

　　人工智能技术在基层社区医疗中发挥作用的最显著的标志，便是卫生站医疗AI的普遍应用：一方面，医疗AI的使用，使得诊断信息的共享成为可能，即相当于给基层医生提供了更多的诊断样例;同时，当疾病复杂且来势较急时，亦可通过医疗AI进行远程紧急处理，防止病情的恶化，为患者接受进一步的治疗奠定基础和争取时间。

　　三、智慧医疗面临的挑战

　　（一）技术问题

　　大量的数据信息是智慧医疗发展的基本条件。近些年来，由于电子病历的应用和发展，大量病历数据在医院积累下来，但由于不同医院之间缺乏共同的数据标准以及病例数据共享机制，所以智慧医疗的发展受到了很大程度的限制。

　　同时，人工智能模型在医疗领域的应用，有很大一部分都是很难解释其决策原理的黑箱模型。医生不了解模型做出决策的机制，就无法向病患解释，很大程度上制约了智慧医疗的进一步发展。所以想要进一步发展和推广智慧医疗，提高其可解释性是十分必要的。

　　（二）隐私问题

　　在医疗领域，人工智能技術的应用将会收集许多包含个人隐私的医疗信息。这些被采集的患者医疗信息，如果发生泄露并被不法分子利用，那么将对当事人造成极大的不利影响，也会使当事医院产生严重的信任危机，降低医院社会公信力。例如，可以利用这些泄露的医疗信息来抨击竞争对手，使其受到不利的影响;不法黑客也可以通过侵入医院数据库获取患者信息，如果患者恰好患有诸如艾滋病等一类的病症，那么这些信息的泄露将很可能导致患者受到世人的疏远。

　　云计算技术已经成为人工智能应用的主要架构，但无疑，储存在云端的医疗领域的隐私信息，如果不能使用更加可靠的加密技术，将会进一步增加医疗数据的泄露风险。

　　（三）法律问题

　　对于智慧医疗这一新生事物，在应用过程中产生法律上的纠纷，将是无法避免的问题。相较于传统医疗而言，人工智能技术的应用虽然可以提高诊断结果的准确性，但如果人工智能诊疗系统做出误判，就会产生误诊，甚至造成医疗事故。由于相关法律法规的不健全，一旦产生问题，患者将面临无法可依的窘迫情况，难以保护自己的合法权益。

　　相关法律法规的不健全将会是智慧医疗发展过程中不可避免的问题，如何明确当事各方责任和义务，切实保护患者合法权益，将是未来立法者和相关部门要重点考量的问题。

　　四、对策建议

　　（一）建立信息共享机制

　　建立医疗信息及时共享机制以及相关医疗数据标准，将是接下来智慧医疗发展的大方向：首先，各级各类医疗机构应在保护患者隐私的大前提条件下尽可能多地共享医疗数据，这样会便于医疗人工智能应用研发机构的研发工作;其次，开发相关医疗人工智能应用的企业应在模型的可理解性上加大研发力度，使智慧医疗真正成为未来全民化的医疗新模式。

　　（二）保护云端信息安全

　　在保护患者隐私、防止其遭受不法侵害方面，应加大对患者诊疗信息的法律和技术保护力度，在法律上，用高昂的犯罪成本使不法分子不敢为，在技术上，用过硬的加密技术使不法黑客不能为。

　　（三）完善相关法律法规

　　针对智慧医疗面临的法律问题，最重要的就是要做到有法可依，立法者应加强调研和论证，针对目前智慧医疗已经出现的问题，制定能有效解决纠纷、保护各方合法权益的法律法规;同时，各级各类医疗机构应增强法律意识，严格依规依法使用人工智能技术，将风险及时地告诉患者;作为患者，更应积极保护自己的合法权益，与医院签订相关文件，达成共识，在自己的合法权益被侵犯时，更应积极地拿起法律武器保护自己的合法权利。

　　资金支持：2019年大学生创新创业训练计划项目（201911420007）

　　参考文献：

　　[1]糜泽花，钱爱兵.智慧医疗发展现状及趋势研究文献综述[J]中国全科医学，2019，22（03）：366-370

　　[2]何遥.智慧医疗的新发展[J]中国公共安全，2018（10）：150-154

　　[3]宋文欣.面向医疗领域的实体对齐研究[D]哈尔滨工业大学，2018

　　[4]吴蓉，王军红，刘一洋.智慧医疗的优势、应用现状及发展方向[J]实用医药杂志，2016，33（10）：942-943+947

　　[5]智勇，段宇.智慧医疗产业结构及发展现状探析[J]现代管理科学，2015（09）：52-54

　　[6]何遥.智慧医疗现况与发展趋势[J]中国公共安全，2014（12）：44-47

　　[7]任江北.从AlphaGo的胜利看人工智能的发展与智慧医疗应用前景[J]中国战略新兴产业，2016（28）：80-83

【人工智能论文】