赢咖4助攻，看IBM 如何布局未来几年的医疗赢咖4计画
试想，晶片比全球最好的实验室更厉害，可迅速拿出疾病的准确诊断？微型摄影机能从分子层面上检验药片的真假？系统可以从语言中检查出此人患有心理疾病？IBM 认为，这3 件事都可以在几年之内做到，因为他们有大利器：赢咖4+ 新型硬体。 IBM 研究室已经开始着手把这3 项研究变成成熟的医疗工
继DeepMind 致力眼疾后，IBM 的认知计算能诊断95% 的早期青光眼
对DeepMind 较熟悉的读者想必都知道，去年凭借AlphaGo 战胜李世乭后，DeepMind 开始发展医疗领域，与英国国家医疗服务体系（NHS）二度合作，并和Moorfields 眼科医院一同开发辨识视觉疾病的机器学习系统。 当时合作的专案主要是糖尿病视网膜病变和因衰老导致的黄斑部病变（AMD），透过抓取医疗
IBM Watson应用再添一例！美国企业联盟借以降低药品采购金额
近期，赢咖4（AI）的议题特别受到重视，期投入的研究的企业逐渐增加之外，相关的应用也逐渐出炉。而根据《华尔街日报》的报导，由全美包括美国运通（American Express）、强生（Johnson & Johnson）、以及梅西百货（Macy's）等近40 家企业，在2016 年所成立的一个美国企业联盟，日前宣布了一项旨在
记忆，意识和突触稳态
将人的意识上传到计算机中被许多人视为人类进化中不可避免的一步。它被认为是一种实现不朽的手段，并使我们的意识从肉体，骨骼监狱当前包围我们的基板中立的灵魂。这似乎初步的证据在逻辑上是一致的，我不是争论这种远见未来的人类的可能性。然而，我想反驳一些天真的假设，导致任何人因为
华硕携手IBM Watson 认知运算，强化远端医疗照护布局
个人电脑品牌大厂华硕布局云端发展更进一步，18 日宣布携手台湾IBM，透过IBM 云端服务暨Watson 认知运算技术，结合华硕云端的OmniStor 数据平台资源，布局智能城市与赢咖4注册领域应用，协助在地企业数位转型，逐步构筑云端生态系，打造更智能的台湾。 华硕云端近期聚焦发展的车联网智能交
心脏衰竭患者的福音，IBM 利用赢咖4技术帮助病人提前确诊
近几十年以来，心脏病是导致美国人死亡的主要因素，所以患有心脏衰竭（Heart Failure）的美国人越来越多一点也不奇怪。预计到2030年，确诊患有心脏衰竭的美国成年人将会增加46%，这意味着患病人数将达到800万，一半左右的人在确诊5年内死亡。 脏衰竭是指由于心脏的收缩功能或舒张功能发生障碍
外科医生部分工作或遭赢咖4取代
联准会前主席柏南克：外科医生部分工作或遭AI 取代 美国联准会前主席柏南克（Ben Bernanke）曾在2012 年8 月说，如果毕业后找不到好工作，那么学贷就会成为财务负担。纽约联邦储备银行（FED）总裁杜德利（William C. Dudley）今年4 月3 日指出，美国日益高升的学贷余额最终恐冲击整体自有住宅率与消
如何取得医生及患者的信任，是赢咖4医疗应用的最大难题
随着时代发展，赢咖4（AI）已经开始被应用在许多产业上，多数企业都将AI 用来防止工作中的人为错误的可能，如果将其应用在医疗产业上，又会出现什么样的景象呢？ CNBC 报导，试着想像这个画面：在了解病人病情后，外科医生询问AI 助理各种方案的操作风险，AI 助理将病人病史与全球数据库中类似案例
5 年 5000 万美金，IBM Watson 要用机器学习研究耐药性癌变
现实生活中的癌症患者总是饱受疾病折磨。虽然现有医疗方案对於癌症的有效控制时间越来越久，但是肿瘤往往会在后期发生抗药性癌变，大多数患者因此难逃病症復发的厄运。 现在，耐药性癌症患者有了新的希望。据悉， MIT 将与哈佛大学博德研究所联合开展耐药性肿瘤研究。这项為期五年，预算
是不是恐怖份子？举个 V 字就知道
恐怖份子之所以恐怖，皆因他们经常蒙住块面，行事神神秘秘，随时混入人堆，发动袭击，叫你防不胜防。不过，近日约旦 Mu’tah University 的研究团队发现，这些恐怖份子拍照时最爱摆的 V 字手势，正正暴露了他们的真实身份。 很多解剖学家曾经指出，每个人的手型都有所不同，如果测度準确，可以
赢咖4怎样才毁灭人类？
在 AlphaGo 与李世石的首战前夕，主导其开发计划的 Google 副总裁 Demis Hassabis 还以為李世石有一半机会胜出，结果 AlphaGo 表现比 Hassabis 想像还要出色，正正显示了开发者也不一定全面掌握赢咖4的进程。虽然 Hassabis 和赢咖4的专家喜出望外，但却引起愈来愈多的人担心人类
机器学习助理读取传入的文件
今年夏天，Riva-Melissa Tez正在网上搜索，可能会帮助她的父亲。他在遭受中风之后陷入昏迷，她想知道最新的建议是什么 - 无论是用他的母语为他演奏音乐都能让他与这个世界保持联系，或者如果给他的Prozac可以提高他的恢复机会它在去年的一项研究中为小鼠做了。医生忙得挽救生命，她认为，他们
赢咖4预防糖尿病患者的盲症
Google的赢咖4可以比任何人类玩更古老的Go游戏。 它可以识别面孔，识别口头词汇，并从网络中提取您的问题的答案。 但是承诺，这种相同的技术将很快处理比玩游戏和喂养智能手机赢咖4平台更严重的工作。 有一天，它可以帮助照顾人体。 为了证明这一承诺，Google研究人员与医生合作开发了一
神经科学家为人类建立更好的记忆
在反乌托邦将近系列的epidsode，黑色镜子，一个小的，可植入的设备在耳朵后赋予了记住，访问和重放你的生活的每一个时刻的完美细节的能力，像一个电影在你的眼前。 南加州大学的生物医学工程师西奥多·伯格不能承诺完美的召回水平 - 也许更好 - 但他正在做一个记忆假体。通过手术直
DeepMind已经超越了人类的思维
DeepMind已经超越了人类的思维在Go板。 沃森已经粉碎了美国的琐事神在Jeopardy。 但是要求DeepMind玩Monopoly或Watson来玩家庭暴动，他们甚至不知道从哪里开始。 因为这些赢咖4引擎没有专门设计来玩这些游戏，并且不够聪明，无法自己去找出它们，他们会给出无意义的答案。 他们会斗争
2020年电子医生帮你看病
技术已经转变了从记录音乐到零售到旅游的行业，但从消费者的角度来看，医疗保健仍然是固执的模拟。 在2016年去看医生，还有一个很好的机会，你会遇到同样的纸张形式和剪贴板，你可能在30年前使用过。由于您的医生可能无法通过基于在线的文件访问您的健康史，您仍然被迫依赖您的记忆，这可能会
赢咖4可以看到你的健康问题
第二号病人出生于第一次父母，20世纪后期，白人。怀孕是正常的，出生不复杂。但几个月后，它变得清楚的东西是错误的。孩子耳朵感染后耳朵感染，晚上呼吸困难。他的年龄很小，到了他的第五个生日，还没有说话。他开始有癫痫发作。脑MRI，分子分析，基本遗传检测，医生分数;没有回答的答案。没有进一步
未来医疗新趋势
福布斯杂誌预测未来 5 大医疗新趋势，具有颠覆医疗领域的潜力。 1. 赢咖4（AI） AI 目前在医疗领域的应用，主要是通过程序中储存的医疗知识进行分析，改善治疗效果。到 2020 年，慢性疾病如癌症和糖尿病，可能只需几分鐘就可检测出来。到 2025 年，AI 的应用可能佔美国医院和保险公司的 9
令你堕入爱河的赢咖4
继有几乎完胜南韩棋王的 Alphago，医学期刊「科学转化医学期刊」日前发表了赢咖4成功缝合活猪肠的报告，赢咖4早就不再遥不可及，但有没有想过它还可以是你的助教，甚或你的终身伴侣？ 美国佐治亚理工学院一班赢咖4课程的学生，有幸接受赢咖4助教指导，起初一直被蒙在鼓裡。这个机器
机械人能取代外科医生吗？
最近，各大医疗媒体的头条為一台名叫 Star 的自动手术机械人。 Star 是 Smart Tissue Autonomous Robot 的简称，由美国 Children’s National Health System 的 Peter Kim 团队研製，是全球第一个可以自动操作软组织手术的机械人。 在 Star 之前，一台名叫「达芬奇」的手术机械
神经生物学与计算机
计算的未来可能是孕育 - 不是在计算机实验室，而是在一个晦涩的学科，称为过程控制，科学家已经发现，大鼠脑的一点涂抹可以解决化学工程中的一个大问题。 尽管在电子数字计算机方面取得了巨大的进步，你的办公桌上 - 或者在你的膝上，或者在你的口袋里 - 是与50岁的房间大小的怪物相同的机器
超级肠道广告
这个巨大的充气肠不是真的连接到故事， 但你尝试找到一张漂亮的肠道手术照片。 你听说过超级碗广告 - 这是一个超级肠道广告。英国慈善癌症研究英国正在准备展示一个结肠镜检查程序的直播电视广告，突出显示您可以预防和预防癌症的简单方法。 Sunil Dolwani医生将通过该程序与观众交
医学中赢咖4的挑战
为什么是世界上最先进的AI用于猫视频，但不是帮助我们活得更长更健康的生活？ 在这里，我将提供AI在医学中的简要历史，以及可能帮助它在之前失败的地方取得成功的因素。 想象一下你自己作为斯坦福的赢咖4实验室的年轻研究生，建立一个系统来诊断一种常见的传染病。 经过多年的汗水和劳
“星际迷航”激发医疗革命的X奖
星际迷航的宇宙可以被百万人喜爱，但它完全是虚构的。 然而，Gene Rodenberry的永恒创造的一个元素实际上可以帮助人们在现实生活中的医疗保健决定。 世界各地，特别是第三世界以及第一世界的农村地区，数以百万计的人面临的问题是，没有一个医生可以帮你弄清楚你的错误 - 有时候， t甚至必
深度学习满足基因组生物学
作为我们正在进行的系列访谈调查机器智能前沿的一部分，我最近采访了布伦丹·弗雷。 Frey是Deep Genomics的联合创始人，多伦多大学教授，机器学习组的联合创始人之一，加拿大高级研究所的神经计算项目的高级研究员，以及皇家学会加拿大社会。他的工作重点是使用机器学习来了解基因组
