　　阮思澄把手機反扣在桌子上，故作輕松：“對了，邵總，晚上慈善晚宴，您有打算拍下的嗎？”

　　“無所謂，都可以，反正總得拍點什麼。”說到這裡，邵君理微微一頓，抽出一本名冊推到對方面前，“這是拍品目錄名冊。”

　　“哦。”阮思澄有點好奇，打開來一頁頁翻。

　　拍品不多，一共隻有18樣，然而每樣都能說出不少門道。

　　其中一串寶石項鏈吸引住了她的目光。不太能戴出去，然而非常漂亮。看看簡介，是喀什米爾藍寶石的，主石足足有10克拉，水滴形狀。描述上說，喀什米爾藍寶石礦1887年便被開採殆盡並且停產，大的寶石非常難得。

　　不懂……

　　快速看完，阮思澄把目錄名冊合上、還回。

　　邵君理淡淡地問：“有想要的嗎。”

　　“？？？”阮思澄說，“沒有。”毫不猶豫。

　　“行。”

　　“那，邵總，我先走了，思恆醫療還有事情。”

　　“行。”

　　“拜拜。”

　　邵君理略一點頭。

　　等阮思澄離開以後，邵君理將目錄名冊翻回到了項鏈那頁，把圖和文掃了一遍——他注意到阮思澄在翻看時曾停留數秒。

　　…………

　　除去這次，阮思澄、邵君理幾乎沒有闲聊。

　　新年跨年那天晚上，阮思澄給邵君理發祝福短信，說：【祝揚清在新的一年蒸蒸日上，也祝您投資的思恆前程錦繡，讓您賺到好多好多！！！】

　　邵君理回：【已經賺了。】

　　很多很多。

　　他指的並不是金錢。

　　…………

　　醫院病歷開張以後，再談合作就容易了。阮思澄用雲京兒童醫院、J省人民醫院、雲京P大三院做例子吹牛逼，又拉來了一些合作，基本都是外省市中電子病歷程度高的摩登醫院。它們對IT友好，卻又沒有被太多的公司“騷擾”過。

　　到二月時，陳一非帶隊將“急診胸痛”部分全部做出來了。

　　一切都在計劃當中。

　　資金還能再挺大約兩個來月。他們需在一個月內完成測試、改bug、完善，同時阮思澄與投資公司接觸，等產品一出來立即演示、融資。

　　就一個月可以融資，時間真的相當緊了。這說明，阮思澄要立即籤termsheet（投資條款清單），催人家做盡職調查，籤投資交易文件。等拿到了過橋貸款，才可以松一大口氣。

　　在測試時，阮思澄、陳一非、石屹立等人都非常緊張。

　　對於早早便完成的頭部以及部分腹部，思恆醫療已經完成程序測試。他們將80%的患者病歷用於訓練多層神經網絡，20%的患者病歷用於測試最終的準確率，都沒問題。

　　現在，思恆醫療需要做的，就是測試剛做好的胸部還有剩餘腹部，以及綜合起來的全部腹部。

　　而這些恰恰是整個項目當中最困難的部分，說不擔心絕對是在撒謊扯淡。

　　但阮思澄也並不算特別害怕——陳一非的方向、框架沒有問題，邵君理都說了，非常清楚幹淨。

　　他們將胸痛患者的心電圖、CK-MB、肌鈣蛋白等等信息輸入軟件，又把許多急性腹痛患者的檢查數據、CT片子、B超視頻也輸入進去，屏住呼吸，拿到AI給他們的診斷結果，急急忙忙地與患者病歷上的“標準答案”比對。

　　結果如同晴天中的一道霹靂，扇了思恆醫療每個人一耳光。

　　甚至打得他們耳朵裡面嗡嗡直響。

　　不準。

　　而且，完、全、不、準，診斷的正確率大約隻有一半。

　　他們用看救命稻草般的眼神看急診醫生CSO石屹立，石屹立一一復查，神情同樣痛苦，表示，對於有分歧的患者，病歷上面三甲醫生給的診斷是正確的，而AI給的診斷，是錯誤的。

第32章裁員（三）

　　對於AI來說, 讓結果從“不準”到“準”, 不是十分容易，與傳統的“找bug修bug”模式全然不同。

　　目前在對AI的爭論當中，一個常常被提起的問題就是“算法黑箱”。也就是說，人類不能解釋它的工作原理。

　　人工智能的核心是“神經網絡”。科學家們模仿人類神經系統，讓機器進行學習。“神經元”們一層一層分布下來，每個單元都能接收部分數據，再將結果向上傳給其他單元。

　　還是用“貓”來打比方，第一層可以將圖片切割、降維, 得到許多小圖, 第二層在每個維度利用色差尋找邊緣, 三四五層根據勾勒出的邊緣確定各個器官形狀，六七八層通過各個部分顏色判斷毛色、花紋，瞳色……最後頂層得出答案：這是貓、狗、兔子、其他。

　　2006年多層神經網絡出現以前，機器學習都隻處於初級階段, 需要人工提取特徵。而2006年後, 它進入到“深度學習”的大時代。人類不監督、半監督, 機器自己分析特徵、獨立思考。給一萬張貓的圖片, 說“這都是貓”, 它就懂了，再給一張它沒見過的，問“是不是貓”, 它會說是。人們給它正確答案的數據集, 它便可以進行學習, “看”的越多會的越多，不斷優化自身能力。因此，“人工智能”定義十分清晰，區別是真·人工智能還是噱頭隻需要看它有沒有模仿人腦。

　　然而，對每一層都在提取什麼特徵，以及機器為何要做這些事情、為什麼能得出結論，人類無法解釋。根據輸出，有些提取簡單易懂，比如勾勒邊緣、模糊圖片、突出重點、銳化圖片……可是，在很多時候，人類完全get不到！看著某層下來以後圖片所變成的樣子，隻能叫一聲“什麼鬼！”有時人類隻能提出幾個特徵，AI分出好幾百層！

　　它給了人空前的可能，也給了人無盡的困惑。

　　就像人類無法摸清大腦的工作原理一樣，他們同樣無法摸清AI的工作原理。

　　訓練AI這種方式為何能行？它是如何學的？信息存在哪裡？為何下此判斷？不知道。

　　它好像在玄幻境界。碼工時常覺得自己正在養蠱，賊刺激，給蠱蟲喂個這個、喂個那個，一掀蓋子，嚯，出來一個超厲害的東東！

　　有人說，讓AI向人解釋一個東西，相當於讓人向狗解釋一個東西，聽著so sad。

　　人類歷史充分表明，隻有一個決策可以解釋、分析，人才可以了解它的優點缺陷，評估風險，知道它在多大程度能被信賴。

　　很多專家說過“必須質疑人工智能為何做出一個決定……”“難道，無人汽車每回出事，企業都說不知原因、AI讓它這麼幹的？”

　　何況，不幸的是，如同大腦會出錯，AI也會出錯。

　　於是問題來了：我們能信任AI嗎？我們能在多大程度上相信AI？我們能在生死攸關時信任AI嗎？

　　當然，也有學者表示：“它能做到就足夠了！”“大腦一直為你工作，你也一直都信任它，即使並不知道它是如何工作的。”

　　目前，各國科學家正致力解開黑箱，政府、行業協會也對此有要求，已經取得一些成果——不少東西都是數學。

　　阮思澄是一直覺得，這種現象十分正常，沒有那麼邪乎。在人類的文明當中，往往實踐先於理論。比如，老祖宗在打造刀劍時、發明火-藥時，清楚地知道原理嗎？NO！都是東西先出來了，能work了，大家才開始研究原因。

　　AI也是啊！慢慢來嘛。

　　不過，雖然如此，攻城獅們寫程序時，也能根據他人經驗，知道大概該怎麼做。AI能自己學，但是，攻城獅們需要設置許多參數，比如用哪一種激活函數；如何搭建網絡結構；分別設置多少卷積層、池化層、全連接層，如何排列架構；用多少個卷積層；用哪一個池化方式；選擇多大以及多少卷積核、多大卷積步長和池化步長、多大學習率，又分別從哪層開始、到哪層結束……[注]。也因為沒道理可講，各種奇奇怪怪的結構都有了。層數絕非越多越好，層數越多，說明運行時間越長、傳遞錯誤幾率越大。

　　出於這個原因，對算法的調整、修改，經常就是瞎jb試，比較最終結果。

　　調參數能有效還好，數據也有可能不行！要知道，輸入數據的大小、像素、嗓聲、甚至亮度和對比度、翻轉變換、旋轉變換、位移……都可以對最終結果產生影響！為啥？還是，不知道。

　　因此，現在“經驗”並不好用，結果一塌糊塗，可阮思澄和陳一非對於修改全無頭緒。

　　他們甚至無法估摸不準到準需要耗費多長時間。

　　…………

　　阮思澄從貝恆那兒繼承了個降壓方式——搓臉。

　　她搓了搓，撥打內線叫陳一非，一起開會。

　　“一非，”阮思澄問，“這個結果……要多久能調整過來？”

　　氣，她想：如果錢納貝恆現在都在公司思恆醫療不會陷入這種困境。罷免錢納奪回公章耽誤了一個月，貝恆接手、不會，消耗了兩個月，接著招聘、挖人，等陳一非入職，又是一個月。

　　陳一非答：“思澄，目前……沒有頭緒。如果說一個月就能全部搞定肯定是胡扯淡。”

　　阮思澄：“……”

　　“咱們必須有B計劃。”陳一非又開口說道，“公司賬上還有200萬，能堅持到兩個月後。也就是說，將將巴巴能擠出來一個月完善產品，一個月出門融資。下個月要還是不準，思恆醫療就會走到窮途末路。”