深思考荣登Kaggle APTOS 2019全球Top 1%！首证AI具备可迁移性！

9月8日，由国际权威数据科学竞赛平台Kaggle与亚太远程眼科学会APTOS联合举办的Kaggle APTOS 2019 Blindness Detection（2019失明检测竞赛）完美落幕。经过全球2943支团队的激烈角逐，深思考人工智能在评测中登顶全球Top1%，获得大赛银奖殊荣。

Kaggle APTOS 2019 Blindness Detection

     作为全球流行的数据科学竞赛平台，带有奖金池的Kaggle竞赛向来极具挑战性。实际上，想要在大赛之中取得一个好成绩，参赛者们必须要为以下标准做好充分准备：

问题必须困难：竞赛不应该是一个下午就能解决的任务。为了得到最好的投资回报，主办公司会提交他们最大最难的问题。

解决方案必须新：要赢得最新的竞赛，你通常需要进行扩展研究、定制算法、训练先进的模型等等。

表现必须能比较：竞赛必须要决出优胜者，所以你和其他对手的解决方案必须要被评分。

如此看来，深思考能够在全球2943支队伍当中脱颖而出，并取得Top1%的好成绩，也证明了深思考的AI筛查算法在医疗影像辅助筛查方面的能力。

而在此之前，这套用来参赛的算法还仅仅是深思考巧思宫颈癌辅助筛查系统的模块之一。

那么，用来筛查宫颈癌病理细胞（妇科病理细胞）的AI系统，为什么还可以用来筛查非妇科病理细胞？这不得不提到深思考人工智能所用到的技术之一——迁移学习。

丨当人工智能具备可迁移性，应用场景将呈指数级扩大

    早在今年8月份，深思考人工智能巧思机器人就荣登央视，展示了AI辅助宫颈癌筛查的强大。

“深思考巧思机器人可以把阴性的细胞一个个排除，把有疑问的细胞显示在医生眼前，医生就可以容易地判断细胞是否病变，缩短大量筛查时间。这可以让医生回归到诊断的本质工作中，而不是耗费大量时间去寻找排查阴性细胞，缓解现有病理医生短缺的困境。”深思考创始人杨志明博士之前在央视《机智过人》的现场提到。

不难看出，此前深思考巧思机器人的工作之一，就是快速筛查宫颈癌病理细胞，从而让病理医生的工作效率变得更加高效。

那么，当巧思机器人的筛查目标从宫颈癌细胞迁移到非妇科细胞，AI的能力是否也可以迁移，从而准确进行非妇科细胞的筛查？现在看来，AI的迁移学习已经解决了这一问题。

简单来说，传统的机器学习是种瓜得瓜，种豆得豆，而迁移学习可以举一反三，投桃报李。

那么什么是迁移学习？

迁移学习TL(Transfer Learning)是把已学训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务是存在相关性的，所以通过迁移学习，可以将已经学到的模型参数通过某种方式来分享给新模型从而加快并优化模型的学习效率。简单来说，就是试图从一个问题中获取的知识应用到另外一个不同但是相关的问题中去。

比如，一个熟练应用C++语言编程的程序员能很快地学习和掌握JAVA语言。在某种程度上，机器学习中的迁移学习跟心理学上的“学习能力迁移”有一定的关联。在人类进化中，迁移学习这种能力是非常重要。比如说，人类在学会骑自行车后，再骑摩托车就很容易了，人类在学会打羽毛球后再学习打网球也会容易很多。

人类能把过去的知识和经验应用到不同的新场景中，这样就有了一种适应的能力，即迁移能力。

深思考人工智能通过迁移学习，将从前只做宫颈癌细胞筛查的AI系统快速迁移到非妇科细胞上，从而得以在项目成立的短时间内跻身世界前列。这也证明，深思考人工智能在妇科和非妇科病理细胞的筛查上，是具备迁移能力的。

结语：

人工智能的发展更趋向于不要求海量数据也能达到应用的精准要求，因此“小数据学习”正在成为新的热点，以迁移学习，强化学习为代表的小数据学习技术，更能体现人工智能的未来之路。

有专家称，在监督学习之后，迁移学习将引领下一波机器学习技术商业化浪潮。

不难想象，当人工智能迁移学习能够体现出人类特有的类比能力——“举一反三”式的发散思维，那么人工智能技术的场景落地呈指数级爆发也许只是时间问题。