這個世界，每一天都在告訴我，AI又出什麼新玩兒法了。
衆所周知，AI 人臉識别技術已被廣泛用于手機解鎖、移動支付。近日，來自美國數字醫療公司 FDNA 的研究人員提出了一種深度學習應用 Face2Gene，可以幫助醫生識别罕見基因疾病。
這似乎不僅僅是玄學看面相，而是真正醫療科技的進步。
AI究竟如何幫助醫生識别罕見基因疾病呢？
前兩天，在《Nature Medicine》上的一篇論文裡，研究者詳細介紹了這項輔助診斷方法背後的技術。
他們利用一種深度學習算法 DeepGestalt和類腦神經網絡，區分人類照片中與先天性和神經發育障礙有關的獨特面部特征。利用從照片中推斷出的模式，該模型可以定位到可能的診斷結果，并提供可能的選項清單。
簡而言之：通過海量确診病例圖像中特征的提取，來做預測。
那這種預測，真的準嗎？
據悉，醫生已經使用這種技術作為輔助手段，盡管它給出的診斷并不是決定性的。
研究者們給算法輸入了涵蓋 216 種不同綜合征的 17000 多張确診病例的圖像。在用新面孔進行測試時，該 APP 的最佳診斷猜測準确率達到了 65%。如果考慮多個預測結果，則 Face2Gene 的 top-10 準确率可以達到約 90%。
首席技術官 Gurovich 表示，随着更多醫療專家将病人的照片上傳到該 APP，該項目的準确率也得到略微提高。現在該項目的資料庫中大約有 15 萬張照片。
這種預測存在什麼風險嗎？
很顯然，隻有資料集夠好，算法才足夠好用，是以這種技術存在風險。
研究者表示，這一工具引發了人們對倫理、法律方面的擔憂，包括訓練資料集中的種族偏見和資料集的商業成分，二者都可能會限制這一診斷工具的使用範圍。
比如說，2017 年的一份兒童智力障礙研究表明，Face2Gene 對唐氏綜合征的識别率在比利時白人小孩中為 80%，而在剛果黑人小孩中僅為 37%。
因為，他們采集的資料來源大部分為白人。
“我們知道這個問題需要解決，但随着我們技術的發展，偏見會越來越少。” Gurovich 表示。
飛速發展的時代下，不僅我們接收者人工智能越來越多的訊息，未來的孩子們也面臨着越來越大的挑戰。面對人工智能時代，了解程式設計，學習程式設計是孩子們必備的技能。
在國外，少兒程式設計教育發展程度非常高，全球已有 24 個國家在基礎教育中設立了程式設計課程大綱；在中國，2017年7月，在國務院釋出的《新一代人工智能發展規劃》中，明确提出程式設計課走進中國小；2018年1月，教育部宣布，人工智能、機器人等要進入全國高中新課标。
如果還抱持着，“以後不做程式員不用學程式設計”、“不打競賽不用學程式設計”、“程式設計能力是加分項不是必須項”等觀點，未來孩子可能就要輸在起跑線了。
20 年前，學英語不是為了成為翻譯員；10 年前，學習電腦不是為了成為打字員；今天學習程式設計，不是為了讓孩子們都成為程式員。
而是為他們打開一扇門，走進更廣闊的未來世界。