前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇醫(yī)療人工智能的缺點范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

醫(yī)療人工智能的缺點范文第1篇

Abstract： Since 1956， when Dartmouth institute put forward the AI （Artificial Intelligence）， Artificial Intelligence in the past 50 years has achieved great development. Artificial Intelligence gradually formed with the three factions-symbol school， behaviorism school， connectionism school-led by the situation， each school has its own unique opinion. Based on the unique angle of view， the paper puts forward some opinions on the development of Artificial Intelligence.

關(guān)鍵詞： 人工智能；研究現(xiàn)狀；發(fā)展趨勢；社會力量

Key words： Artificial Intelligence；research status；development tendency；social force

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth學(xué)會后發(fā)展起來的新型學(xué)科，其有著涉及學(xué)科廣、需要技術(shù)高端、使用范圍廣等特點。在過去的50多年時間中人工智能經(jīng)歷了學(xué)科發(fā)展中都會遇到的發(fā)展——否定——否定的否定階段，現(xiàn)在人工智能大致分成了符號主義學(xué)派、行為主義學(xué)派、聯(lián)結(jié)主義學(xué)派三大學(xué)派。其各有優(yōu)勢，獨樹一幟。一直以來重大前沿科學(xué)研究都是以國家牽頭，等到時機(jī)成熟了再轉(zhuǎn)為民用。這樣無形中浪費了很多社會中的人才，比如android智能機(jī)的問世，當(dāng)開發(fā)商源代碼公布后android智能機(jī)獲得了飛速的發(fā)展。這是社會資源集體作用的結(jié)果，人工智能能否通過這種方式獲得飛速的發(fā)展呢，文中給出了問題的答案。

1 人工智能的現(xiàn)狀

1.1 人工智能的發(fā)展過程 人工智能是由“人工”與“智能”組成?！叭斯ぁ笔秩菀桌斫?，也就是我們常說的人類開發(fā)研究出來的事物。“智能”則是十分復(fù)雜的一個詞匯，是指如由意識（Consciousness）、自我（Self）、思維（Mind）（包括無意識的思維（Unconscious_mind））等等組成的有機(jī)集合。通常我們所說的人工智能是指人本身的智能?？傮w來說人工智能（Artificial Intelligence，AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。關(guān)于人工智能的傳說一直可以追述到埃及，直到電子計算機(jī)的問世才使人們真正具備了發(fā)展人工智能的基本技術(shù)，而直到1956年的Dartmouth學(xué)會之后“人工智能”才逐漸地被大家所熟知接受。人工智能作為一門自然科學(xué)、社會科學(xué)、技術(shù)科學(xué)交叉的邊沿學(xué)科，涉及哲學(xué)和數(shù)學(xué)，認(rèn)知科學(xué)，心理學(xué)，神經(jīng)生理學(xué)，計算機(jī)科學(xué)，控制論，不定性論，信息論，社會結(jié)構(gòu)學(xué)，仿生學(xué)與科學(xué)發(fā)展觀等眾多前沿學(xué)科。二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能），也被認(rèn)為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一[1]。

人工智能在其過去的50多年時間里，有了長足的發(fā)展，但并不是十分順利。目前人們大致將人工智能的發(fā)展劃分成了五個階段：

第一階段：萌芽期（1956年之前）

自古以來，人類一直在尋找能夠提高工作效率、減輕工作強(qiáng)度的工具。只是受限于當(dāng)時的科學(xué)技術(shù)水平，人們只能制作一些簡單的物品來滿足自身的需求。而人類的歷史上卻因此留下了很多膾炙人口的傳說。傳說可以追溯到古埃及時期，人們制造出了可以自己轉(zhuǎn)動的大門，自動涌出的圣泉。我國最早的記載是在公元前900多年，出現(xiàn)了能歌能舞的機(jī)器人。這一時期出現(xiàn)了各種大家：法國十七世紀(jì)的物理學(xué)家、數(shù)學(xué)家B.Pascal、德國十八世紀(jì)數(shù)學(xué)家、哲學(xué)家Leibnitz以及二十世紀(jì)的圖靈、馮·諾伊曼等。他們?yōu)槿斯ぶ悄艿陌l(fā)展做出了十分重要的貢獻(xiàn)。

第二階段：第一次期（1956年-1966年）

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見卓識的年輕科學(xué)家在Dartmouth學(xué)會上引發(fā)一場歷史性事件——人工智能學(xué)科的誕生。Dartmouth會議結(jié)束后，人工智能進(jìn)入了一個全新的時代。會議上誕生了幾個著名的項目組：Carnegie-RAND協(xié)作組、IBM公司工程課題研究組和MIT研究組。在眾多科學(xué)家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理證明工作中首先取得突破，開啟了以計算機(jī)程序來模擬人類思維的道路；1960年，McCarthy建立了人工智能程序設(shè)計語言LISP。此時出現(xiàn)的大量專家系統(tǒng)直到現(xiàn)在仍然被人使用，人工智能學(xué)科在這樣的氛圍下正在茁壯的成長。

第三階段：低谷發(fā)展期（1967年-八十年代初期）

1967年之后，人工智能在進(jìn)行進(jìn)一步的研究發(fā)展的時候遇到了很大的阻礙。這一時期沒有比上一時期更重要的理論誕生，人們被之前取得的成果沖昏了頭腦，低估了人工智能學(xué)科的發(fā)展難度。一時之間人工智能受到了各種責(zé)難，人工智能的發(fā)展進(jìn)入到了瓶頸期。盡管如此，眾多的人工智能科學(xué)家并沒有灰心，在為下一個時期的到來積極的準(zhǔn)備著。

第四階段：第二次期（八十年代中期-九十年代初期）

隨著其他學(xué)科的發(fā)展，第五代計算機(jī)的研制成功，人工智能獲得了進(jìn)一步的發(fā)展。人工智能開始進(jìn)入市場，人工智能在市場中的優(yōu)秀表現(xiàn)使得人們意識到了人工智能的廣闊前景。由此人工智能進(jìn)入到了第二次期，并且進(jìn)入發(fā)展的黃金期。

第五階段：平穩(wěn)發(fā)展期（九十年代之后）

國際互聯(lián)網(wǎng)的迅速發(fā)展使得人工智能的開發(fā)研究由之前的個體人工智能轉(zhuǎn)換為網(wǎng)絡(luò)環(huán)境下的分布式人工智能，之前出現(xiàn)的問題在這一時期得到了極大的解決。Hopfield多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用再度出現(xiàn)了欣欣向榮的景象。人工智能已經(jīng)滲入到了我們生活的方方面面。

1.2 人工智能的主要學(xué)派 人工智能發(fā)展的50多年時間里，經(jīng)歷了符號主義學(xué)派、行為主義學(xué)派和聯(lián)結(jié)主義學(xué)派，三大學(xué)派各有特點，各自從不同的角度研究人工智能，為人工智能的發(fā)展做出了卓越的貢獻(xiàn)，在人工智能的發(fā)展史上留下了濃重的一筆。

1.2.1 符號主義學(xué)派 符號主義學(xué)派，又稱為邏輯主義、計算機(jī)學(xué)派或心理學(xué)派。符號主義學(xué)派理論基礎(chǔ)是物理符號系統(tǒng)假設(shè)和有限合理性原理，他們認(rèn)為人類的認(rèn)知基元是符號，認(rèn)知的過程是對符號的計算與推理的過程。人與計算機(jī)均可以看做物理符號系統(tǒng)，因此人們可以使用計算機(jī)來模擬人的行為。符號主義學(xué)派認(rèn)為人的認(rèn)知基元可以通過計算機(jī)上的數(shù)學(xué)邏輯方法表示，然后通過計算機(jī)自身的邏輯運算方法模擬人類所具備的認(rèn)知系統(tǒng)的機(jī)能和功能，進(jìn)而實現(xiàn)人工智能[2]。

符號主義學(xué)派無視了認(rèn)知基元的本質(zhì)，對于所有的認(rèn)知基元均使用數(shù)學(xué)邏輯方法表示。符號主義學(xué)派重點研究認(rèn)知基元的邏輯表示以及計算機(jī)的推理技術(shù)，早期的眾多人工智能的研究都是在這一思想的推動下進(jìn)行的。符號主義學(xué)派在歸結(jié)推理、翻譯、數(shù)學(xué)問題證明以及專家系統(tǒng)和知識工程做出了十分巨大的貢獻(xiàn)，為后期的人工智能研究打下了基礎(chǔ)。專家系統(tǒng)的出現(xiàn)更是將人工智能的研究推上了一個頂峰，其在礦業(yè)探究、醫(yī)療診查、教育推廣、工業(yè)設(shè)計的應(yīng)用帶來了巨大的社會效益。

1.2.2 行為主義學(xué)派 行為主義又被稱作進(jìn)化主義或控制論學(xué)派。行為主義學(xué)派認(rèn)為智能取決于感知和行動，不需要像符號主義學(xué)派的邏輯知識以及推理。行為主義學(xué)派認(rèn)為人的本質(zhì)能力是行為能力、感知能力和維持生命及自我繁殖的能力，智能行為是人與現(xiàn)實世界環(huán)境的交互作用體現(xiàn)出來的。人工智能應(yīng)像人類智能一樣通過逐步進(jìn)化而實現(xiàn)，而與知識的表示和知識的推理無關(guān)[3]。行為主義學(xué)派的與傳統(tǒng)人工智能截然不同的觀點吸引了眾多的科學(xué)家，雖然到現(xiàn)在還沒有獨立完善的知識理論系統(tǒng)，但其在人工智能領(lǐng)域的獨樹一幟還是奠定了其霸主地位。該學(xué)派重點研究人類的控制行為，目前已有的機(jī)器昆蟲已經(jīng)證明了行為主義學(xué)派的理論正確性。雖然大部分人認(rèn)為機(jī)器昆蟲不能導(dǎo)致高級行為，但是行為主義學(xué)派的崛起標(biāo)志著控制論在人工智能領(lǐng)域有著獨樹一幟的作用。

1.2.3 聯(lián)結(jié)主義學(xué)派 聯(lián)結(jié)主義學(xué)派是近年來最熱門的一個學(xué)派，又被成為仿生學(xué)派或心理學(xué)派，建立于網(wǎng)絡(luò)聯(lián)結(jié)基礎(chǔ)之上模仿人類大腦的結(jié)構(gòu)和工作模式。聯(lián)結(jié)主義學(xué)派主要研究能夠進(jìn)行非程序的，可適應(yīng)環(huán)境變化的，類似人類大腦風(fēng)格的信息處理方法的本質(zhì)和能力，是基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機(jī)制和學(xué)習(xí)算法的人工智能學(xué)派。持這種觀點的學(xué)者認(rèn)為，認(rèn)知的基本元素不是符號是神經(jīng)細(xì)胞（神經(jīng)元），認(rèn)知過程是大量神經(jīng)元的聯(lián)接，而大腦是一切智能活動的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機(jī)制出發(fā)進(jìn)行研究，搞清楚大腦的結(jié)構(gòu)以及它進(jìn)行信息處理的過程和機(jī)理，就有望揭示人類智能的奧秘，從而真正實現(xiàn)人類智能在機(jī)器上的模擬。[4]

聯(lián)結(jié)主義學(xué)派通過模擬人類神經(jīng)網(wǎng)絡(luò)模仿人類的認(rèn)知行為，由此進(jìn)行人工智能的學(xué)習(xí)記憶、模式識別。聯(lián)結(jié)主義學(xué)派構(gòu)建了大量的神經(jīng)網(wǎng)絡(luò)模型，方便在不同的情景模式下選擇相應(yīng)的模型，進(jìn)而快速的得出答案。聯(lián)結(jié)主義學(xué)派采用分布式存儲數(shù)據(jù)，對數(shù)據(jù)進(jìn)行并行處理，這樣使得人工智能在處理問題的時候的速度有了明顯的提升，由此聯(lián)結(jié)主義學(xué)派在人工智能領(lǐng)域中受到大家的一致熱捧。

三大學(xué)派在人工智能的發(fā)展史上有著舉足輕重的作用，每一個學(xué)派的興起都代表人工智能的一個新高峰。三大學(xué)派各有優(yōu)缺點，在人工智能領(lǐng)域三者相輔相成，人工智能學(xué)科在三大學(xué)派的帶領(lǐng)下正在茁壯成長。

2 對人工智能主要理論學(xué)派的評述

在過去的50多年時間中，人工智能獲得了巨大的發(fā)展，基本實現(xiàn)了從無到有的過程，構(gòu)建了基本完善的理論知識體系，構(gòu)建了各種模型，形成各種技術(shù)方法，但是人工智能的發(fā)展依然任重道遠(yuǎn)，前景依然不容樂觀。三大主義學(xué)派有著自身獨到的優(yōu)點，同時也有著各自的缺點，符號主義學(xué)派將人的認(rèn)知基元符號用數(shù)學(xué)邏輯表示，通過計算機(jī)邏輯處理系統(tǒng)分析得出結(jié)果，但是在面對沒有明確結(jié)果的非確定問題時經(jīng)常不能得出令人滿意的答案，它對信息要求十分精確完整，現(xiàn)實生活中的很多問題都不能滿足條件，因此符號主義學(xué)派的發(fā)展受到了一定的限制。行為主義學(xué)派認(rèn)為智能取決于感知與行動，但是缺乏足夠的理論知識支撐學(xué)派觀點，而且缺乏足夠的成果表明理論的正確性。學(xué)派認(rèn)為人工智能與知識的表達(dá)和知識推理無關(guān)，與人類認(rèn)知的發(fā)展是不相符的。聯(lián)結(jié)主義學(xué)派采用仿生學(xué)的方法，模擬人腦的神經(jīng)網(wǎng)絡(luò)，通過類似人腦的結(jié)構(gòu)和運行機(jī)制模仿人類智能。這一觀點十分有吸引力，在提出之后馬上就有大量的支持者，但是人腦神經(jīng)系統(tǒng)的復(fù)雜性遠(yuǎn)遠(yuǎn)超出人們的預(yù)知，現(xiàn)階段人們對人腦的構(gòu)造以及運行機(jī)制還沒有深入的理解，在此基礎(chǔ)上想模擬出人腦的神經(jīng)系統(tǒng)顯然是有些不不切實際。聯(lián)結(jié)主義學(xué)派的發(fā)展更多的受制于對人腦結(jié)構(gòu)和運行機(jī)制的研究，因此其發(fā)展相對緩慢。綜上，三大學(xué)派固然有著自身的優(yōu)勢，各自的成果，但是其同樣有著明顯的局限性，人工智能要想進(jìn)一步發(fā)展必須要對現(xiàn)有的發(fā)展方式進(jìn)行創(chuàng)新。

另一方面，人工智能在經(jīng)歷了兩次期后再次回落到了平穩(wěn)發(fā)展時期，社會公眾對人工智能的熱度有了明顯的降溫。人工智能的研究再次變成了國家以及一些超級公司的工作，擁有的資源有了大幅度的縮水，研究的進(jìn)度也受到干擾。在此狀態(tài)下沒有重大的技術(shù)創(chuàng)新，人工智能恐怕很難再有重大的突破。

3 對人工智能發(fā)展的評述

3.1 對人工智能涵義的認(rèn)識 同樣的詞匯在不同時期的有著不同的解釋，人工智能也不例外，大家都認(rèn)可的人工智能是指在人類制造的機(jī)器工具上實現(xiàn)人類智能，即實現(xiàn)人類的認(rèn)知能力、行為能力以及解決問題的能力。人類智能有著一個明確的特點，在面對未知問題時，人類智能能夠得出自身想要的答案，也就是消除答案的不確定性。符號主義學(xué)派的邏輯解決方式、行為主義學(xué)派模擬人的行為能力、聯(lián)結(jié)主義學(xué)派的神經(jīng)網(wǎng)絡(luò)，三大主義學(xué)派各自以自身的方式實現(xiàn)了對問題消除或減弱不確定性?？梢姕p弱甚至消除問題的不確定性也將是人工智能的一個研究方向。

3.2 人工智能研究模式的發(fā)展 目前人工智能領(lǐng)域中，符號主義學(xué)派通過數(shù)學(xué)邏輯表示人類的認(rèn)知基元，對數(shù)學(xué)邏輯經(jīng)過解讀分析，得到答案，進(jìn)而實現(xiàn)智能。該學(xué)派重點運用還原思想，將人類的認(rèn)知基元全部使用數(shù)學(xué)邏輯表示。行為主義學(xué)派認(rèn)為人工智能取決于感知和行動，不需要學(xué)習(xí)知識與知識推理，是一步步，由低級到高級慢慢進(jìn)化的。聯(lián)結(jié)主義學(xué)派是通過人工神經(jīng)網(wǎng)絡(luò)的形式模仿人類智能，理論上講該方法是最符合人類智能的運行方式的。而在一系統(tǒng)中，最重要的是系統(tǒng)的運行機(jī)制，如何將接受到的信息轉(zhuǎn)化為我們的知識并通過表述、行為展示出來，在了解了人類智能的運行機(jī)制之后，人工智能將會更加符合人們的需求。

3.3 人工智能研究方法的發(fā)展 人工智能的目的是消除答案的不確定性，然后做出相應(yīng)的反應(yīng)。在消除答案不確定性的時候便有了各種方法，其中有一種便是突出解決問題的目標(biāo)，在有明確目標(biāo)的前提下會削弱干擾問題解決的條件，提高人工智能解決問題的效率。明確問題的目標(biāo)便需要引入目標(biāo)函數(shù)，在動態(tài)目標(biāo)函數(shù)的引導(dǎo)下會減弱答案的不確定性。而在已有的人工智能基礎(chǔ)上設(shè)立人工智能模型，通過人工智能自身的計算結(jié)果結(jié)合目前的研究成果去優(yōu)化目前的人工智能系統(tǒng)，則會提升人工智能的發(fā)展速度。

3.4 人工智能時期的發(fā)展 人工智能自發(fā)展到現(xiàn)在已經(jīng)經(jīng)歷了五個時期，在兩次期中人工智能均獲得了迅速的發(fā)展。然而現(xiàn)在人工智能的發(fā)展步入到了緩慢發(fā)展時期，如何將人工智能的發(fā)展緩慢時期加速度過同樣是十分嚴(yán)肅的問題，傳統(tǒng)說來需要重大的科學(xué)進(jìn)步。我們往往認(rèn)為人工智能屬于頂端科技只能由國家和超級公司研究，卻忽略了社會所擁有的重大的力量。小小的android智能手機(jī)在問世的短短時間內(nèi)變改變了之前的市場格局，其中固然有著android智能手機(jī)的特點，但是我想他的市場策略同樣給與了莫大的助力。人工智能應(yīng)該向android一樣，適當(dāng)?shù)拈_放出來一部分根基，放開其研究門檻，甚至鼓勵民間研究。量變引發(fā)質(zhì)變，當(dāng)有足夠?qū)＜以谘芯咳斯ぶ悄軙r，人工智能的研究會加快的。而且民間的研究成果也會作為經(jīng)驗反作用于人工智能的進(jìn)一步研究，實現(xiàn)科學(xué)與社會的雙贏。

4 結(jié)論

人工智能是人們長久以來的夢想，同時也是一門很有挑戰(zhàn)性的學(xué)科。像所有的學(xué)科一樣，人工智能會經(jīng)歷各種各樣的挫折，但是，只要我們有信心、有毅力，我們相信人工智能終將會成為現(xiàn)實，融入到我們生活的方方面面，為我們的生活帶來極大的改變。

參考文獻(xiàn)：

[1]朱祝武.人工智能發(fā)展綜述[J].中國西部科技，2011，10（17）：8-10.

[2]陳慶霞.人工智能研究綱領(lǐng)的發(fā)展歷程和前景[J].科技信息，2008，20（33）：49，234.

醫(yī)療人工智能的缺點范文第2篇

制造云大數(shù)據(jù)

眾所周知，人類社會正面臨著一場新的技術(shù)革命和新的產(chǎn)業(yè)變革。那么我們認(rèn)為互聯(lián)網(wǎng)+人工智能的時代正在到來。怎么解讀人工智能？首先，網(wǎng)絡(luò)是一個泛在的互聯(lián)網(wǎng)，包括魍車幕チ網(wǎng)和互聯(lián)網(wǎng)+人工智能，其核心技術(shù)是七類技術(shù)深度融合，包括新互聯(lián)網(wǎng)技術(shù)、新一代信息技術(shù)、新人工智能技術(shù)、新能源技術(shù)、新材料技術(shù)、新生物技術(shù)以及新應(yīng)用領(lǐng)域?qū)I(yè)技術(shù)?；ヂ?lián)網(wǎng)時代特征總結(jié)為泛在互聯(lián)、數(shù)據(jù)驅(qū)動，共享服務(wù)，跨界融合，自主智慧和萬眾創(chuàng)新。

當(dāng)然，制造業(yè)作為國民經(jīng)濟(jì)、國計民生和國家安全的重要基石，正面臨全球新技術(shù)革命和產(chǎn)業(yè)變革的挑戰(zhàn)，特別是新一代信息通信技術(shù)，核心就是要發(fā)展智能制造技術(shù)產(chǎn)業(yè)和應(yīng)用。對我國來說面臨的五大挑戰(zhàn)是：第一要從技術(shù)跟隨到創(chuàng)新以及到超越，第二要從傳統(tǒng)制造向數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)變，第三從粗放型制造向質(zhì)量效益性轉(zhuǎn)變，第四從資源消耗到綠色制造轉(zhuǎn)型，最后要由生產(chǎn)型制造到生產(chǎn)+服務(wù)型制造轉(zhuǎn)變。

其核心問題就是要貫徹創(chuàng)新協(xié)調(diào)綠色開放共享發(fā)展理念，要走中國特色的工業(yè)化道路，以創(chuàng)新發(fā)展為主題，以制造業(yè)提高質(zhì)量增加效益為中心，特別強(qiáng)化兩化融合，而且要推進(jìn)智能制造主攻方向。

云制造的概念首先是基于泛在網(wǎng)絡(luò)，其次是借助新興大制造技術(shù)、信息通信技術(shù)、智能科學(xué)技術(shù)及制造應(yīng)用領(lǐng)域四類技術(shù)深度融合。數(shù)字化、網(wǎng)絡(luò)化、智能化作為技術(shù)手段，構(gòu)成一個以用戶為中心的統(tǒng)一經(jīng)營的智慧硬軟資源和能力的服務(wù)云。這實際上就是人、機(jī)、物互聯(lián)服務(wù)，或者是現(xiàn)在提出的工業(yè)互聯(lián)網(wǎng)的概念。

用戶通過智慧終端和智慧云制造服務(wù)平臺能隨時隨地按照需要獲取智慧制造的資源和能力，要對整個全系統(tǒng)全生命周期產(chǎn)業(yè)鏈里面的人機(jī)物信息技術(shù)自主的智慧的感知，互聯(lián)協(xié)同分析認(rèn)知和決策控制與執(zhí)行，促進(jìn)制造全系統(tǒng)及全生命周期活動中的人組織、經(jīng)營管理、技術(shù)設(shè)備三要素及信息流、物流、資金流、知識流、服務(wù)流集成優(yōu)化，形成一種基于法在網(wǎng)絡(luò)、用戶為中心、人機(jī)物信息融合。

智慧云模式是什么，手段是什么，業(yè)態(tài)是什么，特征是什么，實施內(nèi)容是什么，以及目標(biāo)是什么都值得探討。

我們把它叫智慧，因為強(qiáng)調(diào)三種深度融合：人物與環(huán)境信息深度融合，數(shù)字化、網(wǎng)絡(luò)化智能化的深度融合，工業(yè)化和信息化的深度融合。同時，很重要的基于大數(shù)據(jù)的并行、協(xié)同、實時、互聯(lián)、智能的進(jìn)行創(chuàng)新。根據(jù)這樣一個理念所構(gòu)成的系統(tǒng)，我們把它叫做智慧云制造系統(tǒng)或者簡單說智慧制造云。概念模型包含幾大部分內(nèi)容，一是制造資源的能力和資源，這里面包括軟的、硬的，包括能力和智能互聯(lián)產(chǎn)品；二是制造云池；三是制造全生命周期的智慧云。其核心支持就是智慧云制造的平臺。

綜上，智慧制造云是一種互聯(lián)網(wǎng)+人工智能時代的模式手段。制造模式是以用戶為中心的互聯(lián)服務(wù)協(xié)同個性柔性社會化智能制造產(chǎn)品以及服務(wù)用戶的模式，它的手段就是四類技術(shù)深度融合的數(shù)字化網(wǎng)絡(luò)化作為技術(shù)手段，構(gòu)成一個智慧化的人機(jī)物環(huán)境信息互聯(lián)系統(tǒng)，體現(xiàn)數(shù)字化、物聯(lián)化、虛擬化、協(xié)同化、定制化、柔性化和社會化的產(chǎn)品。

那么智慧制造云、工業(yè)云里面的大數(shù)據(jù)實際上是全系統(tǒng)全生命周期里面的三要素、五個流里不斷產(chǎn)生的四個大數(shù)據(jù)，包含制造全生命周期里面的各種數(shù)據(jù)，有企業(yè)經(jīng)營管理的數(shù)據(jù)，有技術(shù)產(chǎn)品設(shè)備的數(shù)據(jù)。有結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，有靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)和實時數(shù)據(jù)。

智慧制造云大數(shù)據(jù)的特點，除了四個云以外，和大量、高速、多樣、價值以外，還加上了多元符合模態(tài)、數(shù)據(jù)類型異構(gòu)等。其作用簡單來說能精準(zhǔn)高效智能地用到全生命周期的活動，促進(jìn)云制造的智慧化，目標(biāo)實現(xiàn)產(chǎn)業(yè)研制、管理服務(wù)效率質(zhì)量成本能耗，實現(xiàn)產(chǎn)品加服務(wù)為主導(dǎo)的隨時隨地的按需個性化指導(dǎo)。

目前，大數(shù)據(jù)在感知基礎(chǔ)上，有六類大數(shù)據(jù)關(guān)鍵技術(shù)，關(guān)鍵技術(shù)在制造云里有新的需求。首先大數(shù)據(jù)的集成與清洗，就是把不同來源、格式、特點性質(zhì)的數(shù)據(jù)及數(shù)據(jù)源在邏輯上或物理上有機(jī)地接入平臺并進(jìn)行新審查和教研，得到干凈、一致的數(shù)據(jù)。第二技術(shù)就是大數(shù)據(jù)存儲和管理，采用云存儲和分布式存儲技術(shù)及高吞吐量數(shù)據(jù)庫技術(shù)與非結(jié)構(gòu)化數(shù)據(jù)訪問技術(shù)，實現(xiàn)運輸集中的數(shù)據(jù)經(jīng)濟(jì)、高效、高可靠、容錯的管理與服務(wù)。第三大數(shù)據(jù)分析挖掘，從這些海量的隨機(jī)的數(shù)據(jù)中要找出有價值的東西，比如說現(xiàn)在分布式計算引擎，數(shù)據(jù)分析機(jī)器學(xué)習(xí)等，對我們制造云要以應(yīng)用目標(biāo)為導(dǎo)向，導(dǎo)出相應(yīng)算法軟件。同時需要建立云制造應(yīng)用系統(tǒng)定量分析的人工智能分析模型，數(shù)據(jù)不是直接用的，是通過模型來的。可視化，各種各樣數(shù)據(jù)可視化而且能應(yīng)用，比如多維數(shù)據(jù)分析，虛擬現(xiàn)實等，對目前綜合處理顯示多維數(shù)據(jù)以及交互需求是非常重要的。其次是大數(shù)據(jù)的標(biāo)準(zhǔn)和質(zhì)量，對智慧云多類型標(biāo)準(zhǔn)需求不限，而且交易和交互要作為一個導(dǎo)向。最后就是安全，全生命周期里面要安全，像隱私保護(hù)、數(shù)據(jù)水印以及區(qū)塊鏈技術(shù)等。

大數(shù)據(jù)的云化

第三個問題就是大數(shù)據(jù)云化。直接把大數(shù)據(jù)遷入模型軟件，第二是直接提供DAAS，第三個就是風(fēng)險，最后一個就是大數(shù)據(jù)的可視化，基于大數(shù)據(jù)可視化技術(shù)實現(xiàn)智慧制造云里面的風(fēng)險和顯示。

云里面大數(shù)據(jù)怎么用也值得探討。第一類是航天產(chǎn)品電纜數(shù)據(jù)化設(shè)計，也就是說把電纜有關(guān)的經(jīng)驗數(shù)據(jù)和綜合分析性能數(shù)據(jù)收集過來，放到電纜數(shù)據(jù)工程里面，實現(xiàn)了電纜數(shù)據(jù)化生產(chǎn)的一體化，產(chǎn)生效果后有60%以上研制時間開展產(chǎn)品質(zhì)量提升。第二類是醫(yī)藥，利用現(xiàn)在制造云里面官方電子病例、醫(yī)療等信息系統(tǒng)提取海量臨床數(shù)據(jù)，挖掘藥物效用及治療方法，從而為醫(yī)藥研發(fā)提供參考。第三類是航天制造和生產(chǎn)比如博世、力士樂等智能生產(chǎn)。第四類就是維修，比如C919健康管理，需要實時檢測大數(shù)據(jù)中心。根據(jù)上面的情況，智慧制造云在大數(shù)據(jù)當(dāng)中是很重要的。

最后提點建議。首先當(dāng)然是大數(shù)據(jù)已經(jīng)成為智慧制造云建設(shè)和運行的重要資源，如果沒有大數(shù)據(jù)、沒有云、沒有人工智能，那最后肯定是做不到智慧化制造。而研究實踐需要從技術(shù)、應(yīng)用、產(chǎn)業(yè)三方面來協(xié)調(diào)，進(jìn)行各個層次的技術(shù)創(chuàng)新和人才培養(yǎng)。

從技術(shù)應(yīng)用和產(chǎn)業(yè)方面，概括性地提幾點想法：第一，從技術(shù)上要做到重視大數(shù)據(jù)、信息通信技術(shù)、人工智能技術(shù)、系統(tǒng)工程技術(shù)與制造領(lǐng)域等多種技術(shù)的深度融合。要搞大數(shù)據(jù)，必須要做到這幾個技術(shù)的深度融合，這是我們的一個觀點。第二，離不開云，因此要對面向用戶大數(shù)據(jù)的云服務(wù)技術(shù)進(jìn)行研究。第三，要重視基于大數(shù)據(jù)制造全生命周期里面的新模式、流程、手段的研究。最后，要進(jìn)行符合共享經(jīng)濟(jì)商業(yè)模式的技術(shù)研究，當(dāng)然還有安全和相應(yīng)標(biāo)準(zhǔn)的制定與評估。

從應(yīng)用角度來看，要“四個突出”。第一要以突出制造特色和行業(yè)特點來開展；第二要突出問題導(dǎo)向，問題在哪，競爭力缺點就在哪；第三要突出大數(shù)據(jù)驅(qū)動的智慧云制造管理運行模式、手段和業(yè)態(tài)的變革；第四要突出三要素與五流的綜合集成化、優(yōu)化和智慧化。

醫(yī)療人工智能的缺點范文第3篇

【關(guān)鍵詞】氣體識別;自組織神經(jīng)網(wǎng)絡(luò)

1.引言

氣體識別在環(huán)境保護(hù)、化工控制、家用報警、食品保鮮、溫室環(huán)境控制、航空航天等領(lǐng)域有著廣泛的應(yīng)用。應(yīng)用氣體傳感器進(jìn)行多組份氣體的定性定量研究，可以極大的降低測量成本，減小測量周期，并可實現(xiàn)在線的實時測量。但由于當(dāng)前氣體傳感器普遍存在著交叉敏感和選擇性差等缺點，使用單一傳感器很難實現(xiàn)多組份氣體的檢測分析。為解決以上問題，一方面可以采用新材料、新工藝來改善傳感器本身的性能;另一方面可以將現(xiàn)有的氣體傳感器構(gòu)成陣列，并與自組織神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合。本文采用后者的原理，即通過多個敏感程度不同的氣體傳感器組成傳感器陣列，結(jié)合神經(jīng)網(wǎng)絡(luò)模式識別算法進(jìn)行氣體識別分析。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neuron Networks，ANN）人工神經(jīng)網(wǎng)絡(luò)（Artificial Neutral Networks，ANN）是一個由大量簡單處理單元廣泛連

接而成的復(fù)合網(wǎng)絡(luò)系統(tǒng)。神經(jīng)元結(jié)構(gòu)是受到生物神經(jīng)元的啟發(fā)而得來的。目前應(yīng)用的神經(jīng)網(wǎng)絡(luò)類型有很多，其中應(yīng)用最廣的是BP神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)需要學(xué)習(xí)的過程，即利用外部條件作用于神經(jīng)網(wǎng)絡(luò)，使其能重新對外界做出反應(yīng)。將氣體傳感器陣列與采用BP算法進(jìn)行訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)相結(jié)合形成的氣體識別系統(tǒng)，是利用傳感器陣列對混合氣體的高維響應(yīng)模式來實現(xiàn)對混合氣體的定量檢測。其中傳感器陣列的選取、傳感器信號的預(yù)處理方法、BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)以及測量環(huán)境是影響系統(tǒng)性能的可能因素。

2.人工嗅覺系統(tǒng)

人工嗅覺系統(tǒng)是一種化學(xué)分析系統(tǒng)，它由一個具有部分專一性的電子化學(xué)傳感器陣列和一個合適的模式識別系統(tǒng)組成。由于人工嗅覺系統(tǒng)主要模仿的是生物的嗅覺系統(tǒng)，所以人工嗅覺系統(tǒng)也可被稱為“電子鼻”或者電子嗅覺系統(tǒng)。

2.1 電子鼻簡介

電子鼻這個術(shù)語開始出現(xiàn)于二十世紀(jì)八十年代晚期，當(dāng)時它被用于1987年的一個學(xué)術(shù)會議。較為科學(xué)的電子鼻的概念出現(xiàn)于1994年英國Warwick大學(xué)的J.W.Gardner發(fā)表的文章中，并且J.W.Gardner綜述了世界各國人工嗅覺系統(tǒng)的發(fā)展概況。

電子鼻模仿人的鼻子的功能，以電訊號的方式予以表達(dá)，可以工作在惡劣或有毒的環(huán)境下，在食品、化工、環(huán)保、醫(yī)療診斷、檢驗等方面有很重要的應(yīng)用，其關(guān)鍵技術(shù)就是氣體傳感器陣列。

2.2 人工嗅覺系統(tǒng)的原理及基本組成部分

人工嗅覺系統(tǒng)主要是受生物的嗅覺系統(tǒng)啟發(fā)和影響，以下是該系統(tǒng)中的關(guān)鍵因素：

（1）對微量、痕量氣體分子瞬時敏感的監(jiān)測器，以得到與氣體化學(xué)成分相對應(yīng)的信號;

（2）對檢測到的信號進(jìn)行識別與分類的數(shù)據(jù)處理器，將有用的信號與噪聲加以分離;

（3）將測量數(shù)據(jù)轉(zhuǎn)換為感官評定指標(biāo)的智能解釋器，得到合理的感官結(jié)果。

2.3 氣體傳感器

氣體傳感器是一種將氣體的成分、濃度等信息轉(zhuǎn)換為可以被人員、儀器儀表、計算機(jī)等利用的信息的裝置。

2.3.1 半導(dǎo)體氣體傳感器

半導(dǎo)體氣體傳感器在氣體傳感器中約占60%，根據(jù)其機(jī)理分為電導(dǎo)型和非電導(dǎo)型，電導(dǎo)型中又分為表面型和容積控制性。

2.3.2 表面敏感型傳感器元件

表面敏感型傳感器元件SnO2-Pd、ZnO-PT、AgO、Pt-SnO2，可檢測氣體為CO、NO2和氟利昂等，傳感材料Pt-SnO2的氣體傳感器可檢測氣體為可燃性氣體如H2、CO、CH4等。

2.3.3 容積控制型傳感材料

容積控制型傳感材料有TiO2、CoO-MgO-SnO2等，其半導(dǎo)體氣體傳感器可檢測氣體為液化石油氣、酒精和燃燒爐氣尾氣等。

3.神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neuron Networks，ANN）是近年來人工智能的一個重要科學(xué)分支。二十世紀(jì)五十年代末人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)開始作為人工智能的一種重要計算工具逐漸受到重視。進(jìn)入二十世紀(jì)八十年代后期，人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了一個新的。主要原因是：一方面經(jīng)過幾十年迅速發(fā)展起來的以邏輯符號處理為主的人工智能理論和馮-諾依曼計算機(jī)在處理諸如視覺、聽覺、形象思維和聯(lián)想記憶等智能信息問題時遇到挫折;另一方面，具有并行分布處理模式的人工神經(jīng)網(wǎng)絡(luò)本身的研究取得了巨大的進(jìn)展。

神經(jīng)網(wǎng)絡(luò)具有一些不同于其它計算方法的性質(zhì)和特點以及它自身是基于人類大腦結(jié)構(gòu)和功能而建立起來的，因此具有很多和人類智能類似的特點。首先，神經(jīng)網(wǎng)絡(luò)將信息存儲在大量的神經(jīng)元中，具有內(nèi)在的知識索引功能。信息在網(wǎng)絡(luò)中使用兩種方式被保留：一種是神經(jīng)元之間的連接，另一種是連接權(quán)重因子。其次，人工神經(jīng)網(wǎng)絡(luò)具有對周圍環(huán)境自學(xué)習(xí)、自適應(yīng)功能，也可用于處理帶噪聲的、不完整的數(shù)據(jù)集。在人工神經(jīng)網(wǎng)絡(luò)中，輸入與輸出的關(guān)系不是由單獨的神經(jīng)元直接負(fù)責(zé)的，相反是與神經(jīng)元的輸入輸出有關(guān)。最后，人工神經(jīng)網(wǎng)絡(luò)模擬人類的學(xué)習(xí)過程。人類大多數(shù)的學(xué)習(xí)和求解過程都是采用嘗試法，而人工神經(jīng)網(wǎng)絡(luò)可以以相同的方式運行。

神經(jīng)元（neuron）即神經(jīng)網(wǎng)絡(luò)中的基本處理單元，也就是節(jié)點。一般節(jié)點由輸入與輸出、權(quán)重因子、內(nèi)部閥值和函數(shù)形式四部分組成。

圖1 神經(jīng)元模型

圖1給出了一個基本的神經(jīng)元模型，它具有R個輸入，每個輸入都通過一個適當(dāng)?shù)臋?quán)值wli和下一層相連，網(wǎng)絡(luò)輸出可表示為：

式中，n為該神經(jīng)元（序號l）的總輸入;

f（n）為神經(jīng)元輸入輸出關(guān)系的函數(shù)，稱為作用函數(shù)、響應(yīng)函數(shù)或傳遞函數(shù)。

人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)是指它的處理單元是如何相互連接的，主要由輸入層、隱含層和輸出層組成。每一節(jié)點的輸出被送到下一層的所有節(jié)點。通過將這些處理單元組成層，將其相互連接起來，并對連接進(jìn)行加權(quán)，從而形成神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，將若干個人工神經(jīng)元作為有向圖的節(jié)點，可連接成人工神經(jīng)網(wǎng)絡(luò)。其中每一層對于人工神經(jīng)網(wǎng)絡(luò)的成功都非常關(guān)鍵?？梢詫⑷斯ど窠?jīng)網(wǎng)絡(luò)輸入層、隱含層和輸出層看成為一個通過輸入層的所有節(jié)點輸入特定信息的黑箱。人工神經(jīng)網(wǎng)絡(luò)通過節(jié)點之間的相互連接關(guān)系來處理這些信息，最后從輸出層的節(jié)點給出最終結(jié)果。

4.誤差反向傳播網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）

1985年，以Rumelhart和McClelland為首提出了至今仍廣泛接受和使用的誤差反向傳播學(xué)習(xí)算法。按照這一算法進(jìn)行訓(xùn)練的多層神經(jīng)網(wǎng)絡(luò)被直接稱為BP神經(jīng)網(wǎng)絡(luò)。BP網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的傳遞函數(shù)是S型函數(shù)，輸出量為0到1之間的連續(xù)量，它可以實現(xiàn)從輸入到輸出的任意非線性映射。其權(quán)值的調(diào)整采用反饋傳播學(xué)習(xí)算法。

目前，在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中，絕大部分的神經(jīng)網(wǎng)絡(luò)模型都采用BP網(wǎng)絡(luò)及其變化形式。BP網(wǎng)絡(luò)主要用于以下四方面：

（1）函數(shù)逼近：用輸入矢量和相應(yīng)的輸出矢量訓(xùn)練一個網(wǎng)絡(luò)以逼近一個函數(shù);

（2）模式識別：用一個特定的輸出矢量將它與輸入矢量聯(lián)系起來;

（3）分類：把輸入矢量所定義的合適方式進(jìn)行分類;

（4）數(shù)據(jù)壓縮：減少輸出矢量維數(shù)以便于傳輸和存儲。

對于神經(jīng)網(wǎng)絡(luò)算法，使用基于誤差反向傳遞的神經(jīng)網(wǎng)絡(luò)算法設(shè)第p個模式XP=（X1P，X1P，…XNP，）T，p=1，2，…，N（N為模式個數(shù)），將其視為BP網(wǎng)絡(luò)的輸入，yip為其實際輸出，隱含層和輸出層各單元的激活函數(shù)采用sigmoid函數(shù)，即：

一般基于BP的神經(jīng)網(wǎng)絡(luò)算法具體步驟如下：

Step1、構(gòu)造網(wǎng)絡(luò)，初始化網(wǎng)絡(luò)的權(quán)矩陣，設(shè)置學(xué)習(xí)因子，動態(tài)因子，跌代次數(shù)和允許誤差;

Step2、從一個網(wǎng)絡(luò)開始，提供訓(xùn)練模式;

Step3、開始訓(xùn)練第k個網(wǎng)絡(luò);

Step4、前向傳播過程，對所有訓(xùn)練模式，計算網(wǎng)絡(luò)的實際輸出并與目標(biāo)輸出相比較，如果誤差超過運行誤差，則進(jìn)行下一步，否則訓(xùn)練第k+1個網(wǎng)絡(luò);

Step5、反向傳播過程：計算隱含層和輸出層各單元的誤差精度，修正權(quán)值和閥值：

式中，為學(xué)習(xí)效率;

di為教師信號或希望輸出;

為實際輸出yi與希望輸出di之差，其中yi和xj是取1或0的離散值。

Step6、繼續(xù)訓(xùn)練第k個網(wǎng)絡(luò)。

BP網(wǎng)絡(luò)的訓(xùn)練函數(shù)有traingd、traingdm、traingdx、trainrp、traincgf、traincgp等。由于BP網(wǎng)絡(luò)的簡單性，在人工嗅覺系統(tǒng)的模式識別部分占有很大的比例，許多以前和現(xiàn)在的一些成熟人工嗅覺系統(tǒng)的產(chǎn)品仍然使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別。

BP網(wǎng)絡(luò)的學(xué)習(xí)是通過求解一個優(yōu)化問題完成的，從數(shù)學(xué)的角度看，它是通過函數(shù)逼近擬合曲面（線）的想法，并且將其轉(zhuǎn)化為一個非線性優(yōu)化問題而求解。BP網(wǎng)絡(luò)是對簡單的非線性函數(shù)進(jìn)行復(fù)合，經(jīng)過多次復(fù)合后，則可以實現(xiàn)復(fù)雜的函數(shù)，但存在BP學(xué)習(xí)算法收斂速度慢、不完備性和隱節(jié)點數(shù)只能憑經(jīng)驗選取。

由于存在上述問題，科學(xué)家們從利用線性的自適應(yīng)步長加速BP算法和增加動量項來去除收斂過程中的局部最小點。模擬退火（Simulated Annealing，簡稱SA）思想是由Metopolis等人提出的，它可以很好的避免局部最小點的出現(xiàn)，把它用在優(yōu)化中是由Kirkpatrick等人提出的。組合優(yōu)化問題的解空間中的每一個點都代表一個解。不同的解有著不同的目標(biāo)函數(shù)值。優(yōu)化過程就是在解空間中尋找目標(biāo)函數(shù)的最小解。

SA算法的特點是通用性強(qiáng)、可達(dá)到全局最小。傳統(tǒng)的啟發(fā)式搜索算法如快速下降法，每次都是向改進(jìn)解的方向搜索，往往只能找到一個局部最優(yōu)解，而不是全局最優(yōu)解。而SA算法在系統(tǒng)朝能量減少這個總趨勢的過程中，允許解的搜索以一定的概率向較差的方向走，以避開局部最小，而最終穩(wěn)定到全局能量最小的狀態(tài)。

5.利用自組織神經(jīng)網(wǎng)絡(luò)進(jìn)行氣體識別

將被測氣體按所需測量精度和濃度范圍按成份分成不同的濃度等級，采用標(biāo)準(zhǔn)氣體配置這些等級的不同成份氣體的所有組合作為標(biāo)準(zhǔn)模態(tài)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。通過識別某一未知氣體樣本的模式，即可以得到未知氣體的成份濃度。例如，選用N種互相參比配制混合氣體樣本。根據(jù)傳感器的靈敏范圍，將配制的氣體濃度限制在a1到am以內(nèi)，濃度變化間隔為l。這樣每種氣體有m種濃度模式，共計可得到mN個樣本。采用這些樣本作為原始數(shù)據(jù)訓(xùn)練自組織神經(jīng)網(wǎng)絡(luò)，就可以實現(xiàn)在這一濃度范圍內(nèi)的最大誤差為l的氣體定量測量。

醫(yī)療人工智能的缺點范文第4篇

關(guān)鍵詞：生物活性物質(zhì)；正交試驗設(shè)計；Levenberg-Marquardt算法；預(yù)測

中圖分類號：TP301 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2012）32-7802-05

生物活性物質(zhì)是指對人類高級生命活動具有調(diào)節(jié)功能的生理活性成分。在枸杞、柑橘等果實中富含黃酮、多糖等多種生物活性物質(zhì)[1，　2]。其中，枸杞總黃酮具有清除自由基、抗氧化、抗突變、抗腫瘤、抗菌、抗病毒和調(diào)節(jié)免疫、防治血管硬化、降血糖等功能[3]；柑橘果皮中類黃酮類物質(zhì)具有抗腫瘤以及保護(hù)心腦血管等多種保健和醫(yī)療功能[4]。通過發(fā)酵法釀制的枸杞、柑橘果酒因為風(fēng)味好、能保留較多活性物質(zhì)而深受人們青睞。受發(fā)酵溫度、糖添加量、酵母添加量及pH　值等因素影響，果酒中生物活性物質(zhì)的最終含量波動性很大[5]，如何有效地掌握活性物質(zhì)波動的內(nèi)在規(guī)律，正確地預(yù)測出活性物質(zhì)的變化趨勢，對于果酒的發(fā)酵過程優(yōu)化，進(jìn)一步提高果酒的營養(yǎng)和保健價值具有重要的指導(dǎo)意義。

醫(yī)療人工智能的缺點范文第5篇

關(guān)鍵詞：自動化藥房；發(fā)展趨勢；解決方法

1 藥房自動化的優(yōu)勢

1.1提升醫(yī)院的經(jīng)濟(jì)效益，自動化藥房在帶來醫(yī)院效益的同時，也改變了醫(yī)院的經(jīng)營管理模式。運用成熟的計算機(jī)技術(shù)、自動化技術(shù)，建立醫(yī)院的綜合'大藥房'。節(jié)約了門診藥房、住院藥房的開支，工作效率卻大大提高。

1.2省時、準(zhǔn)確，藥房工作人員只需要提前把藥品儲備在機(jī)器內(nèi)，收到處方后，掃描處方，自動化設(shè)備會以最優(yōu)化的排列用自動化方式供給出藥。日過配置全自動進(jìn)藥機(jī)，可以實現(xiàn)自動完成多品種大量藥品的發(fā)藥工作。

1.3藥品數(shù)量管理精確，由于進(jìn)藥數(shù)目一定，對藥品各個流通環(huán)節(jié)加強(qiáng)經(jīng)濟(jì)性管理，控制藥品成本投入，減少藥品耗損，實現(xiàn)精確的藥品數(shù)量管理。

1.4克服了傳統(tǒng)藥房存在的不足

1.4.1傳統(tǒng)藥房 傳統(tǒng)的藥房是藥品的集散重地，藥品的存放條件、方式直接影響著藥品的質(zhì)量，而這又關(guān)系著患者的身心健康，藥品的保管一直是門診藥房的一大重癥[2]。以往的溫濕度調(diào)節(jié)都是人工控制，保證通風(fēng)、分類擺放保證藥品的質(zhì)量。

1.4.2自動化藥房 醫(yī)院藥房擺藥設(shè)備的自動化在確保藥品質(zhì)量的基礎(chǔ)上，提高了工作效率，節(jié)省了人力，其成熟可靠的技術(shù)性能充分體現(xiàn)了科學(xué)、智能、高效、準(zhǔn)確、低污染、安全的特點，是現(xiàn)代化藥房發(fā)展的必然趨勢。

2 醫(yī)院藥房自動化的描述

2.1想必醫(yī)院藥房的藥架大家都略知一二，傳統(tǒng)的這種藥架是我國醫(yī)院目前最常見的陳列，傳統(tǒng)的藥房基本上肩負(fù)著藥品購進(jìn)、養(yǎng)護(hù)、保管及調(diào)配工作，基本是繞著'藥品'進(jìn)行著被動的管理。隨著醫(yī)療制度的改革和'一切以患者為中心'的服務(wù)理念'漸入人心，門診藥房作為和患者溝通的直接窗口，不能只進(jìn)行簡單的收方發(fā)藥，而是要打破傳統(tǒng)，利用自己的知識走向患者，向他們普及醫(yī)藥方面的常識。在藥房有限的醫(yī)務(wù)人員中還要去為患者提供咨詢，而且藥房的工作效率還要正常進(jìn)行，這就要求我們的藥房有所改變，一些藥房自動化的研發(fā)的機(jī)構(gòu)也應(yīng)運而生，如蘇州的艾隆科技[1]。藥房自動化不僅是某個醫(yī)院一個局部的稍微改變的星星之火，它已有燎原之勢，也必然是醫(yī)院未來發(fā)展的一個趨勢。

2.2總的來說，自動化藥房必須滿足以下三個基本功能：發(fā)藥：自動化藥房必須按照電子處方要求準(zhǔn)確發(fā)放藥品到患者手中；儲藥：自動化藥房必須能夠儲存和管理一定數(shù)量的盒裝藥品，確保發(fā)藥高峰期藥品供給；上藥：自動化藥房必須能夠自動或者半自動把藥盒放在確定的藥品儲位上。

2.3醫(yī)院藥房自動化是醫(yī)院藥房現(xiàn)代化建設(shè)中的關(guān)鍵環(huán)節(jié)，利用先進(jìn)的自動化技術(shù)對藥品的管理、發(fā)放進(jìn)行的全自動控制，從而實現(xiàn)藥品發(fā)放的零差錯、提高工作效率、完成對藥品的數(shù)據(jù)管理。

2.4醫(yī)院藥房自動化在國際上已經(jīng)是一項熟練的技術(shù)，但在我國目前還處于起步階段。這項技術(shù)通過人工智能和機(jī)傳輸手段可以極大地提高藥品在零售終端儲運的效率，減少差錯率。

3 我國自動化藥房存在的問題

3.1自動化藥房存在數(shù)量少 在我國，自動化藥房還不普遍。各個省市、縣、鄉(xiāng)鎮(zhèn)醫(yī)院仍處于傳統(tǒng)模式狀態(tài)。

3.2自動化藥房技術(shù)不成熟藥品儲備數(shù)量少。在蘇大附一院，使用的機(jī)器是半自動的，每個格子里存放的藥品數(shù)量少，一個上午下來就必須加藥，以維持下午患者取藥的需要。藥品傳送速度慢。雖然藥品經(jīng)過掃描處方可以自動出來，但速度不太理想。往往是人在等藥出來而不是藥等人。另一部分還要人工去調(diào)配，降低了藥房的工作效率。

3.3存在問題的原因分析 我國藥房現(xiàn)代化建設(shè)起步晚，各個醫(yī)院的經(jīng)濟(jì)實力也各不相同，規(guī)模大、經(jīng)濟(jì)實力強(qiáng)的醫(yī)院可以引進(jìn)先進(jìn)的技術(shù)，率先實現(xiàn)醫(yī)院現(xiàn)代化、自動化；實力一般的醫(yī)院只能在大醫(yī)院實驗成功了，市場上該技術(shù)運用成熟了，才開始改革，否則承擔(dān)的風(fēng)險會讓它們承擔(dān)不了藥房自動化技術(shù)需要我們來用心琢磨，藥品傳送速度慢，就必須找原因，對癥下藥。

4 推動醫(yī)院藥房自動化普及和如何克服存在的問題

4.1基于醫(yī)藥改革的大環(huán)境和醫(yī)院的現(xiàn)狀，在充分了解自動化藥房的優(yōu)勢下，巨大的投入成本限制了推廣的力度。目前，我市幾家醫(yī)院已完成了藥房自動化改造，例如無錫人民醫(yī)院、無錫101醫(yī)院和無錫第九人民醫(yī)院。

4.2任何新技術(shù)的運用都離不開人的主觀能動性，在藥房自動化改造上也如是。充分整合手工調(diào)劑與自動化藥房間的互動，積極探索新設(shè)備的最大資源優(yōu)勢，通過制度建設(shè)來保障藥品的質(zhì)量安全是實現(xiàn)人駕馭設(shè)備的必由之路。

4.3①應(yīng)該提高醫(yī)院藥房人員的計算機(jī)水平和操作能力，②醫(yī)院藥房人員還要注意使用機(jī)器后的維護(hù)和養(yǎng)護(hù)從而克服自動化藥房存在的一些缺點。

5 結(jié)語

醫(yī)院門診藥房自動化的優(yōu)勢日漸體現(xiàn)，它彌補(bǔ)了傳統(tǒng)藥房審方不嚴(yán)格、配藥速度慢等重癥，備受醫(yī)療界的青睞，在政府宣傳推廣下，正逐步走向各醫(yī)療機(jī)構(gòu)。它的發(fā)展必將成為各醫(yī)院的首選。

參考文獻(xiàn)：