从生物学上来说，我们对人的这些跳跃性思维还不完全掌握，我们看到科学界有很多报告也对AI的一些优点和弊端做了相关鉴定。一方面，AI具备大规模的运算能力、存储能力、深度搜索能力以及快速学习能力。它目前解决的包括精确控制和远程操控，都是劳动密集型问题，也就是重复性的、简单逻辑很明确的工作关系。但是对临床诊断来说，它需要逻辑推理能力，这是AI的短板。所以目前整个AI的运用还有很大风险。

从思维方式上来说，积极的深度学习是一个连续性的学习，我们在人脑上叫连续性思维，但目前机器无法做到的是跳跃性思维。比如，我们人类有个事情解决不了，睡了一觉后，第二天早上突然灵光一现，找到了解决方案，这种跳跃性思维目前从生理学上是怎么诞生的，我们并不知道，这是脑科学还没有解决的问题，所以无法用机器去模拟这种跳跃性思维，这时候就无法完成逻辑推理层面上的治病过程。

从AI发展的技术上来说，技术本身存在很多缺陷，比如说鲁棒性的问题。鲁棒性是系统面临决策产生的干扰因素时表现出来的稳健性。人在判断错误的时候会有一些其他因素来补偿，人会及时终止自己的逻辑，会有一些潜意识的反应去防范一些恶性问题的发生。所以科学界说，人的鲁棒性是好的，后果不是很严重。但机器的鲁棒性是差的，它出现错误时自己都不知道是错的，会继续错下去，带来的后果很严重，因为它没有修正的过程。所以我们目前对AI的认识必须要看到背后的风险。

第一财经：有人说AI的最大优势就是自我学习和深度学习，随着时间的推移，你说的这些问题会不会慢慢被破解？

卢清君：从目前AI界存在的一些瓶颈问题来看，第一，它采取的深度学习方式目前已经到了天花板。深度学习的前提是需要有大规模的、规范化的、客观的、正确的数据去支撑，也就是说要有很好的教材。而我们现在医疗界是不可能有这种教材的，因为都是过去式，很多过去的病例又未必具有普遍性，每个病人都是个性化的。所以在这种情况下，AI是没有学习材料的，至少没有一个合格的学习材料。

相关报道: