最近有報道稱，谷歌的AI系統(tǒng)可以準確診斷出26種皮膚狀況，與美國董事會認證的皮膚科醫(yī)生相當。結果發(fā)表在題為“皮膚疾病的鑒別診斷的深度學習系統(tǒng)”的論文中。然而，美國皮膚病學會的一個消息來源列出了70種常見的皮膚疾病。在英國皮膚基金會提出了一個同樣廣泛的名單。

Google的AI系統(tǒng)只能使用上面提到的70種列表來檢測37%的皮膚狀況。那么，如果AI這么聰明，為什么它不能檢測所有皮膚狀況呢?

對于初學者來說，AI智能可以用兩個詞來概括：“精度”和“召回率”。精度是機器對給定問題的預測精度。機器并非天生就聰明。他們必須接受大量數據的培訓，然后才能達到人們可能認為“類似人類”的準確度水平(僅針對一個用例)。

一臺機器能夠成功評估并做出有意義的預測的用例越多，其“召回率”就越廣。最終的AI機器能夠保持高度的精確度和廣泛的召回率。

在Google公告中要注意的一件事是，要應用于26種疾病的AI的診斷精度與美國董事會認證的皮膚科醫(yī)生“相當”。那句話說，診斷的準確性并不完美。就像訓練有素的皮膚科醫(yī)生不會百分百正確。但是，皮膚科醫(yī)生和機器在大多數時候都使用有限的召回率來獲得正確的診斷。

在機器學習的世界中，精確度和召回率之間的平衡是我創(chuàng)造的“自動化連續(xù)體”。

這里有一些定義作為基礎。自動化是指使用技術使機器，過程或系統(tǒng)能夠比人工更快地執(zhí)行活動，并具有更高的準確性，并且沒有偏見。

自動化應被視為一個連續(xù)體

自動化是一個連續(xù)的過程?；咀詣踊婕皺C器遵循預編程的規(guī)則來執(zhí)行和重復可預測的任務。先進的自動化技術使機器能夠模擬人類的言語，思想和行為，包括通過經驗學習和改進。