如果機器人要在不久的將來有效和安全地與人們一起工作,他們需要知道他們工作的原因。簡單來說,這意味著機器需要理解人類的動機,而不是盲目地執行任務,沒有上下文。

根據位于伯明翰大學的國家核機器人中心的一篇新文章,這可能預示著機器人世界將發生重大變化,但這是必要的。

第一作者伯明翰大學的Valerio Ortenzi博士認為,隨著經濟體擁抱自動化,連通性和數字化(“工業4.0”)以及人機交互水平(無論是在工廠還是家庭中),思維的轉變將是必要的。大幅提升。

該論文發表在Nature Machine Intelligence上,探討了機器人使用物體的問題。“抓”是很久以前在大自然中完善的一種行為,但它代表了機器人研究的最前沿。
                 

大多數基于工廠的機器都是“笨蛋”,盲目地拾取在恰當的時刻出現在預定位置的熟悉物體。讓機器拾取隨機呈現的不熟悉的對象需要多種復雜技術的無縫交互。這些包括視覺系統和高級AI,因此機器可以看到目標并確定其屬性(例如,它是剛性的還是靈活的?);并且可能需要夾具中的傳感器,因此機器人不會無意中壓碎已被告知拾取的物體。

即使這一切都已完成,國家核機器人中心的研究人員也強調了一個基本問題:傳統上被認為是對機器人的“成功”把握可能實際上是真實世界的失敗,因為機器沒有考慮到目標是什么,為什么選擇一個對象。

“自然機器智能”(Nature Machine Intelligence)論文引用了一個工廠中的機器人示例,該機器人拾取一個物體以便交付給客戶。它成功執行任務,安全地保存包裝而不會造成損壞。不幸的是,機器人的抓手遮住了一個關鍵的條形碼,這意味著無法跟蹤物體,公司也不知道物品是否被拾起;整個送貨系統發生故障,因為機器人不知道以錯誤的方式裝箱子的后果。

機器人人工智能更多閱讀:人工智能可以產生更準確的乳腺癌診斷
來源于:
安徽熱線http://www.ahjcg.cn

加州大學洛杉磯分校的研究人員開發了一種人工智能系統,可以幫助病理學家更準確地閱讀活檢組織,更好地檢測和診斷乳腺癌。

在JAMA網絡公開賽上發表的一項研究中描述的新系統有助于解釋用于診斷乳腺癌的醫學圖像,這些圖像對于人眼難以分類,并且它幾乎與經驗豐富的病理學家一樣準確或更好。

“從一開始就獲得正確的診斷至關重要,這樣我們才能引導患者進行最有效的治療,”該研究的資深作者,加州大學洛杉磯分校David Geffen醫學院的醫學教授Joann Elmore博士說。

由Elmore領導的2015年一項研究發現,病理學家經常不同意乳房活檢的解釋,每年對數百萬婦女進行乳房活檢。早期的研究表明,每六名患有原位導管癌的婦女(一種非侵襲性乳腺癌)中約有一名出現診斷錯誤,并且大約一半的乳腺異型性活檢病例(異常細胞)給出了不正確的診斷。這與乳腺癌的高風險有關)。

“乳房活組織檢查的醫學圖像包含大量復雜的數據,解釋它們可能非常主觀,”Elmore說,他也是加州大學洛杉磯分校Jonsson綜合癌癥中心的研究員。“區分乳腺異型性與原位導管癌在臨床上是重要的,但對于病理學家來說非常具有挑戰性。有時,醫生甚至不同意他們之前的診斷,因為他們在一年后就會出現同樣的病例。”

科學家推斷,人工智能可以提供更準確的讀數,因為通過從大型數據集中提取,系統可以識別樣本中與癌癥相關但人類很難看到的模式。

該團隊將240張乳房活檢圖像送入計算機,對其進行訓練以識別與幾種類型的乳腺病變相關的模式,從良性(非癌)和異型性到原位導管癌,或DCIS和浸潤性乳腺癌。另外,通過三位專家病理學家的共識確定每張圖像的正確診斷。

為了測試該系統,研究人員將其讀數與87名美國病理學家的獨立診斷進行了比較。雖然人工智能程序與人類醫生在區分癌癥和非癌癥病例方面表現接近,但人工智能程序在區分DCIS與異型性時表現優于醫生 - 被認為是乳腺癌診斷的最大挑戰。系統正確地確定掃描是否比醫生更頻繁地顯示DCIS或非典型;它的靈敏度在0.88和0.89之間,而病理學家的平均靈敏度為0.70。(靈敏度得分越高表明診斷和分類的可能性越大。)

“這些結果非常令人鼓舞,”埃爾莫爾說。“美國的實踐病理學家在原位診斷異型性和導管癌方面的準確性很低,基于計算機的自動化方法顯示出巨大的希望。”

研究人員正在研究該系統以診斷黑色素瘤。

西雅圖兒童醫院的Ezgi Mercan是該研究的第一作者。其他作者是華盛頓大學的Sachin Mehta和Linda Shapiro,南俄亥俄州病理學顧問的Jamen Bartlett和佛蒙特大學的Donald Weaver。

該研究得到了美國國立衛生研究院國家癌癥研究所的支持。

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播更多信息之目的,如有侵權行為,請第一時間聯系我們修改或刪除,多謝。