李飛飛對話沈南鵬：人工智慧如何照亮醫療的「黑暗空間」

李飛飛對話沈南鵬現場 受訪者供圖

經濟觀察網 記者 瞿依賢 3月26日舉辦的2021紅杉全球醫療健康產業峰會，呈現了40多位全球頂級醫院專家、新藥研發者、前沿科學家、企業家對醫療健康領域的思考。李飛飛和沈南鵬的對話是整個峰會的開篇對話。

李飛飛是史丹佛大學以人為本人工智慧研究院（HAI）聯席院長，也是人工智慧領域最有名的華人科學家；沈南鵬是紅杉資本全球執行合夥人、紅杉資本中國基金創始及執行合夥人，在TMT和醫療健康領域創下多個經典投資案例。

以下為對話實錄：

沈南鵬：去年你在Nature雜誌上發表了一篇文章，用環境智能照亮醫療的黑暗空間。所以我想請你來詮釋一下，環境智能（ambient intelligence）的內涵是什麼？它怎麼照亮我們醫療的黑暗空間？

李飛飛：謝謝。你提到的《自然雜誌》這篇文章，是我和我的合作者，尤其是史丹佛醫學教授Prof. Arnold Milstein和我的學生 Albert Haque在2020年10月共同發表的。

其實這項工作已經做了十年，它講述的是我們的醫療場景包含了太多人類行為。雖然我們總是關註很多的試驗數據、X光照片或者是細胞情況，但對病人的身體狀況以及康復、治愈的過程，歸根結底人的行為、人的動作在醫療健康這個場景中都是極其重要的。

這是一個特別沒被關註到的資訊源。在醫療場景裡我們都在關註血液檢測、醫學影像、細胞資訊，但是真正要讓病人最後達到健康生活，我們還是要回到人的行為。

在這個前提下，我和我的合作者在十年前就發現，其實人工智慧帶來了一個新的機會。它通過感知器，能幫我們采集到這樣的資訊。最重要的是，它不光是采集環境資訊，采集人行為的資訊，它還能做出智慧的分析，讓我們知道這個病人的情況有沒有改變，這個醫生、護士的行為有沒有對病人康復行為產生影響，而這些資訊非常重要。

我受到最大的啟發是無人駕駛。當時在矽谷，十年前矽谷是無人駕駛發源地，作為當時史丹佛人工智慧實驗室的主任，我們發現無人駕駛這個技術，就是通過感知器、AI算法和整個系統整合而產生的。這個想法就被我們放進了醫療的場景，所以產生做環境智能的想法。

沈南鵬：我們在中國看到了AI在診斷醫學裡的應用，比如在肺片、胸片診斷的工作當中，越來越多看到人工智慧能夠替代醫生，甚至是非常有經驗醫生的工作，能夠讓醫院和整個醫生群體共享以前有的知識積累。那在其他場景下您看到哪些比較重要的應用？具體哪些場景是您認為在未來一段時間內能夠突破的？

李飛飛：這個問題特別好。我們一直致力於的不是對人的替代，而是對人的增強。我們在Nature期刊上用了很多場景，比如醫院的場景和住家的場景。

在醫院，我們很早就開始關註ICU（重症監護室）。在美國ICU每年經費占到了整個GDP的1%，這是重要的醫療環境，在這裡的病人也是在做生與死的搏鬥，醫護人員壓力也非常大。在這樣的場景下，在美國ICU裡有很多的規定是嚴格必須執行的。比如說不太能動的病人，怎麼能夠讓他不產生褥瘡？褥瘡在醫院裡是引發人生命安全的問題。由於肌肉的僵硬、血液的不循環，病人產生褥瘡後非常痛苦，而且醫療費用也會增加，這個問題我們怎麼去解決？

我們發現最重要的是行為能力這個點，病人的行為能力對褥瘡的預防在ICU是很重要的，但是行為能力怎麼測呢？如果放一個感知器在床底下其實很難測出來，現在有一個辦法就是請人去看，比如請護士每兩個小時在電子病歷裡記錄一下病人翻身了，但這是非常不準確和粗略的一種記錄。如果用了AI智能的感知器，我們可以實時檢測病人翻身的情況和行為能力的情況，這個資訊對護理和醫療都非常重要，這個小小的例子就可以看出，它可以產生很大的作用。

我再說一個居家的情況，其實這是我本人最關註的醫療場景，因為全球的老齡化會造成越來越多的人會在晚年花很長時間在家裡，而且老年同時也是慢性病比較多的年齡階段。我們在全球老齡化的情況下，如何讓老人更好地過上健康以及自理的生活呢？

比如說老人的一些慢性病，如果及時處理，一些抗生素就可以解決的問題就不需要去急診室。但我們怎麼發現老人一開始有沒有出現感染的現象或者他的心率呼吸發生變化？或者這一天都沒有怎麼動，他的飲食、睡眠的狀況都發生了變化，甚至你可以看到他不再做平時做的社交。

這些資訊從哪裡來？普遍只有兩個，第一是護理人員，不管是家人還是家政的護理人員，但這個資訊很不準確並且不可持續。

另外就是穿戴式的設備，也是我覺得很有發展前途的技術。但穿戴式有自己的問題，尤其是對老人來說，穿戴式不是特別受歡迎的設備。而且穿戴式不可能像眼睛一樣看到老人很多行為方面的問題。通過設備和感知器我們可以觀測到，而且可以持續觀測到老人行為變化以及醫療有關的重要資訊，可以及時送給家人和醫護人員。就像剛才說的一個慢性病老人，他可能只是需要一個抗生素的干預，而不需要拖到兩個星期以後非要到急診室或者住院。

沈南鵬：人工智慧在醫療產業的應用可能是一個長期趨勢。另外一個就是新冠，它是一個短期事件，但是這個事件對醫療體系創新有怎麼樣的推進？我們人類碰到這樣的災難，當然一方面要解決短期的陣痛，另一方面也是利用這樣的機會推進醫療行業的創新利用，有什麼樣的經驗可以跟大家分享？

李飛飛：新冠對於在座每個人都有非常深刻的影響，不管是對個人、生活還是事業。

首先，我覺得很重要的影響，是全球經歷了一次以人為本非常謙卑的經驗，不管科學技術在21世紀發展得多好，我們還有很多面對自然和自身身體健康無法抗拒以及遇到的挑戰。我雖然說的跟科學技術本身無關，但是作為技術人，我一直跟我的學生強調，這種對人的關註以及對人自身健康的關註，其實是特別重要的,新冠給我們帶來了很大的沖擊。

說到具體的技術點，我覺得有下面幾點。

第一，遠程醫療。作為長期生活在美國、有時候忙得只能跟我的醫生遠程說話的患者，我一直想為什麼遠程醫療沒有被廣泛的應用？結果新冠一來，極速推廣了遠程應用。它促進了跟遠程醫療相幹整個生態各方面的發展。

同時，我們關註相幹的環境智能也是。我自己非常明顯感覺到我的合作夥伴，尤其是史丹佛醫學院，還是美國另外一個很大的醫療系統，它們對環境智能在可持續的情況下獲取病人的情況，甚至對病人處理做出技術性的判斷，這種態度一下子就變了，大家非常歡迎。

您提到的公共衛生危機，那就是「健康資訊」，很多人說新冠不是第一場pandemic，但是是第一場infodemic。infodemic的意思也是一場各種真假資訊在極速傳播。這是對技術和社會影響非常深刻的事情。我的醫學院同事很多看到技術在資訊的傳播裡起到了好的作用和壞的作用，互聯網帶來迅速資訊的傳遞。但是AI人工智慧也帶來了錯誤資訊（mis and dis-information）的傳遞。所以新冠在各方面都產生了很深遠的影響。

沈南鵬：你講到在新冠影響下infodemic，回到現在你主導「以人為本」人工智慧研究所，我覺得這個非常好，作為研究所不僅關註技術發展，同時關註AI人工智慧對社會的變化，尤其是在倫理以及社會各個層面可能產生的影響，從HAI成立到今天為止，在這樣的交叉領域裡有哪些可以給我們分享和解讀？

李飛飛：這個問題確實是非常重要的一個問題，我自己作為科學者、技術人，從二十年前走進科學的領域到今天，我也改變、成長了很多。我沒有想到我那麼熱愛的科學最後變成改變社會的驅動力。

在這個過程中，我們大概在兩三年前成立HAI就意識到非常深刻的問題，AI它不單是一個技術領域，AI涉及的社會學和倫理學尤其深刻，在這個機構裡我們有非常重要的從研究到教育再到政策方面的學習和研究領域。

第一個就是經濟學，經濟學是一門社會科學，但是它也是非常重要的、和人息息相幹的學科。尤其是對數字經濟、人力資本市場的變化，AI帶來的變化非常多。所以我們現在有好幾位世界頂級的經濟學家在推進這項研究。

另外一個重要的方向就是法律。法律它是涉及倫理的，但是法律它本身面對AI，從無人駕駛也好，到醫療也好，再到政府本身，任何AI參與的決策其實都在挑戰過去法律的一些基本假設。我們法學院教授參與了很多HAI工作，一方面看政府怎麼應用AI技術，讓政府運行更有效率。但另一方面也在想怎麼制定良好的政策和法律，一方面繼續推進創新，另一方面面對新AI帶來的很多問題。

還有一個跟社會倫理學有關的是藝術。我們很關註藝術，藝術是人類文明最特別的一部分。它代表了人類的表達，以及人性的狀態和社會要發展的方向。我們HAI跟藝術系和藝術家，從音樂到視覺藝術再到文字藝術都有很深刻的合作。

沈南鵬：能舉一個例子嗎？哪怕現在還沒有實施的，人工智慧和藝術家、音樂家、畫家們怎麼產生互動？

李飛飛：當然可以。大概兩年前還是一年半以前，世界最著名的拍賣行拍賣了第一幅AI的畫，這是全球第一次用算法生成的藝術作品，然後被人高價賣走，不管是社會藝術還是音樂藝術，其實AI算法可以產生非常有意思的作品。

這對人類藝術家提出了一個挑戰，人類藝術家的作用在哪兒？我的AI可以不斷產生梵谷的《星空》。如果人類觀看者也熱愛AI創造的藝術品，那麼人類藝術家代表什麼？是心聲還是其他表達方式？所以現在有很多探索，我們如何拓開藝術空間，因為有了這樣的算法，同時也能把人類的表達和人類的情感，繼續在這樣的空間裡，繼續生存也好、發展也好，這是一個例子。

最後一個例子我想說的就是醫療的例子。我和Prof. Arnold Milstein共同合作的十年研究室，我們一方面是關註技術在做研究，但是我們大概在幾年前成立了一個倫理委員會。我們發現在醫療方面做AI研究，其實會涉及很多新的倫理問題。比如說隱私的問題，比如說數據所有權的問題，以及公平的問題。這些問題都不是一個技術出身或者醫學學科出身的人自己可以完全解答的。

所以我們邀請了一位法律系的教授、一位倫理哲學教授和兩位倫理生物學的教授，他們四位教授成立了這個委員會，和我們高頻互動實時互動，幫我們思考研究方向，怎麼一方面推進技術，另一方面也尊重普世價值觀和人性。讓科學創造福利，而不是在預計之外的傷害到病人或醫護人員。

沈南鵬：HAI也推出了全球第一個《人工智慧指數報告》，這個能否分享一下？這是非常前瞻性的舉動。

李飛飛：這有可能確實是全球第一個，是2017年由史丹佛人工智慧實驗室一位資深教授引領的項目。所以HAI在2019年的時候，把AI指數項目合併以後，繼續再支持這個項目，所以這是第四年我們出的AI指數。

這個AI指數的宗旨就是致力於公平、公正、全面為報告全球AI進程，它是從研究、教育到工業界、產業界、商業各個方面的一些影響或者變化。2020年絕對是一個非常有意思的年份，因為新冠的原因，它也出現一些新的趨勢。比如說第一條我們發現的2020年人工智慧在藥物研發設計方面的應用有了顯著的變化，這是一個巨大的影響。

第二個就是工業化繼續強勁的發展，AI是越來越工業化的。它代表很多博士研究生甚至教授都開始進入工業界。還有AI它還是有很大多元化的挑戰。AI人群還是以男性為主，這個挑戰還是持續性的，沒有很好解決。

沈南鵬：當時您怎麼會做ImageNet這個項目的？這對整個人工智慧深度學習帶來什麼樣的推進和革命性的引領？當時做這個事情的初心是什麼？

李飛飛：ImageNet這個項目是2006年開始的，我記得那會兒我還沒有白頭髮呢。我先說一下這個項目為什麼後面引起關註。

從2010年開始，ImageNet每一年都會在學術界舉行一場ImageNet挑戰賽。這個比賽要求用AI算法對1000種物品的100萬張圖片作出分類。在2012年時，加拿大Prof.Geoff Hinton和他的學生們用了當時挺傳統的算法叫convolutional neural network，得到了我們ImageNet挑戰賽的第一名。可以說這是一個歷史性的事件，它等於帶來的神經網路算法的「第二春」，啟動了深度學習革命性的發展，給過去十年帶來了很大的變化。

從2012年，為什麼他們會參與ImageNet，我為什麼做ImageNet？要回到2006年左右，那時候AI還是很好玩的計算機科學裡的一個小小的領域。我自己剛剛博士畢業做教授，還是比較年輕的教授，也一直在思考AI領域裡的「北極星」是什麼？北極星是做科學的人的追求，我是物理出身的，我最重視的是最重要的問題在哪裡，對於我來說最重要的北極星就是視覺學習。對成千上萬物品識別能力是最重要的能力，如果我們人類沒有這個能力做不了其他任何事情，我們不可能逛街，不可能上商店買東西。

所以找到物品識別問題，是我當時堅定認為的視覺智能領域裡的一顆「北極星」。但是找到這顆「北極星」沒用，我發現在2006年時，這個問題雖然被關註，但是我們都不知道從何下手。我自己拿著一兩個類別，就在那兒調各種各樣的模型參數。我當時覺得它很不自然，很不合理。因為人的智能不是一個小孩天天去學車怎麼樣，而是大量數據情況下，在很快成長的前幾年，它就對視覺的世界有了一個比較完善的認知，而這個認知來自於大數據的學習。

從這一點，我就想到了，可能以前我們走的路都走錯了，以前拼命去調模型參數，看一兩類物體，我們換一種想法用大數據推進視覺智能的學習。其實我想到了字典，當時最大的視覺物體類別可能從字典裡，這個字典很特別叫WordNet，裡面有八萬條名詞符，但也有些名詞不是物體，比如說生氣這樣的名詞它就不代表物體。

所以我把兩三萬個物體的名詞符提取出來。很幸運的是，2007年也是我們互聯網成長特別快的一段時間，有了互聯網，有了數據源，我們實驗室做了巨大的工作，做了三年，把十幾億幅圖最後匯集成了1500萬幅圖的數據集，我們當時的初心是通過數據集去摘取這顆北極星。這就是ImageNet最初的故事。

沈南鵬：我想這可能是會被寫入教科書的一個故事，因為這確實引領了很多AI的發展。

李飛飛：您和紅杉一直對前沿科技有非常敏感的嗅覺，我自己也是科技人，我特別想問您作為紅杉全球執行合夥人，在醫療這個場景，您對未來十年AI在醫療發展和應用有什麼樣的判斷？

沈南鵬：我們作為投資人，關註的點其實跟做研究的科學家是一樣的——關註這個行業的大問題，包括它的終極問題，關註行業最大的痛點在哪裡，這是投到好公司的關鍵。

第二，跟您剛才講的非常吻合，在過去一到兩年裡，人工智慧在新藥開發領域裡出現了多個平臺型的突破。我們看到一個交叉點正在興旺地發展，就是IT和BT，其融合速度超過歷史上任何時刻。從我們一直比較關註的網上醫療服務，再到AI在診斷、治療全流程服務中的應用，在新藥開發中的應用，這些都構成了整個醫療行業新的革命。