Rumah > Peranti teknologi > AI > teks badan

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

王林
Lepaskan: 2023-04-11 11:10:02
ke hadapan
1276 orang telah melayarinya

Bagaimana AI permainan boleh melakukan tugas doktor?

Dan kebolehan ini dipelajari daripada pengalaman bermain game.

Di sini, ambil imbasan patologi keseluruhan filem dan anda boleh menemui luka tanpa melalui semua medan pandangan berkuasa tinggi.

Pada pendapatnya, proses ini serupa dengan log masuk "Minecraft".

Ini ketiga-tiga langkah:

  • Perhatikan persekitaran besar dahulu
  • Kunci kawasan kecil
  • Akhirnya tentukan sasaran.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Dan kaedah ini sangat berkesan, 400% daripada kaedah tradisional.

Memang layak menjadi permainan AI yang memenangi pertandingan NeurIPS MineRL...

Jadi, bagaimana ia melakukannya?

Bagaimana AI permainan membantu dunia?

Sebelum memperkenalkan permainan AI ini, mari kita fahami dahulu apakah kesukaran dalam memproses slaid patologi.

Berbeza dengan imaginasi hanya mengimbas sekilas, jabatan klinikal akan mengimbas dan mendigitalkan hirisan tisu terlebih dahulu.

Selepas ini, apa yang diserahkan kepada doktor selalunya adalah imej resolusi tinggi berpuluh ribu kali berpuluh ribu piksel atau lebih tinggi lagi, yang boleh mencapai 0.25 mikron setiap piksel.

Apa yang doktor perlu lakukan ialah mencari lokasi lesi berisiko dengan mata kasar dalam imej super besar yang dipenuhi dengan sel dan tisu padat ini dan boleh dikatakan sebagai "mencari jarum dalam timbunan jerami".

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Dalam beberapa tahun kebelakangan ini, tiada siapa yang cuba menggunakan kaedah pembelajaran mendalam untuk menyelesaikan masalah ini, tetapi cabaran yang dihadapi ialah:

Yang pertama ,Walaupun imej patologi (WSI) mempunyai resolusi tinggi, bersaiz gigapiksel, mereka selalunya hanya mempunyai satu peringkat imej, label.

Kebanyakan kaedah semasa bergantung pada pensampelan padat keseluruhan kepingan di bawah pembesaran tinggi untuk pengekstrakan ciri, dan penyepaduan maklumat bagi semua ciri yang dikumpul untuk mencapai diagnosis hirisan penuh boleh dibayangkan.

Kedua, kawasan lesi dalam imej ini selalunya sangat jarang. Kebanyakan kaedah sedia ada bergantung pada rangka kerja pembelajaran berbilang contoh, yang memerlukan pensampelan padat tampalan imej tempatan pada pembesaran tinggi.

Ini bukan sahaja meningkatkan kos pengiraan, tetapi juga membawa kepada korelasi diagnostik yang lemah dan kecekapan data yang rendah Selalunya mengambil masa berpuluh-puluh minit untuk menyelesaikan pengiraan.

Namun, kali ini pasukan "Juewu" dari Tencent menemui titik buta -

Dalam model tradisional, walaupun doktor perlu melihat dengan mata kasar, mereka sering menggunakan mikroskop untuk melihat pada pembesaran rendah dahulu Imbas filem di bawah mikroskop dan gunakan pengalaman untuk mencari sebarang titik yang meragukan sebelum menyemaknya dengan mikroskop berkuasa tinggi.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Dan jika operasi seperti ini dimasukkan ke dalam dunia AI, bukankah ia merupakan masalah membuat keputusan laluan yang optimum? Bukankah ini yang boleh dilakukan oleh pembelajaran pengukuhan?

Pembelajaran pengukuhan sering digunakan dalam permainan AI Permainan AI adalah kekuatan Juewu AI.

Sebelum ini, Juewu AI telah mencapai keputusan cemerlang dalam MOBA, RTS, Minecraft dan jenis permainan lain dengan bergantung pada strategi membuat keputusan laluan optimumnya Ia juga memenangi kejuaraan pertandingan NeurIPS MineRL di persidangan AI teratas.

Pada masa itu, CMU, Microsoft, DeepMind dan OpenAI bersama-sama mengadakan pertandingan yang dipanggil MineRL di persidangan teratas NeurIPS, yang memerlukan pasukan yang mengambil bahagian untuk melatih mesin yang boleh mencungkil berlian dalam masa 15 minit dalam masa 4 hari. pelombong".

Juewu AI dari Tencent memenangi kejuaraan dengan kelebihan mutlak 76.97 mata, berjaya menjadi AI "perlombongan terpantas" dalam sejarah cabaran itu.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Tindakan mencari kayu dalam "Minecraft" adalah serupa dengan tindakan mencari lesi dalam slaid patologi Sebenarnya, ideanya adalah serupa.

Proses yang sama ialah melihat sekeliling untuk mengumpul maklumat global (ahli patologi mengimbas filem di bawah mikroskop berkuasa rendah), kemudian mengunci perspektif (mengesahkan dengan mikroskop berkuasa tinggi), mencari kayu dan melakukan tindakan pengumpulan (mengesahkan lesi), dan sebagainya.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Jadi, berdasarkan permainan AI ini, penyelidik Tencent melancarkan hasil penyelidikan terbaru "Juewu RLogist", yang bermaksud RL (pembelajaran pengukuhan) ) + Patologi.

Jadi bagaimana Juewu RLogist melaksanakannya?

Kecekapan membuat keputusan dipertingkatkan sebanyak 400%

Sama seperti idea penyelesaian doktor manusia yang dinyatakan di atas, "Juewu RLogist" menggunakan pembelajaran pengukuhan yang mendalam untuk mencari kaedah laluan hirisan yang optimum.

Faedah kaedah baharu ini jelas: ia mengelak daripada menggunakan kaedah menyeluruh tradisional untuk menganalisis jubin imej tempatan, tetapi mula-mula memutuskan untuk mencari kawasan nilai pemerhatian dan mendapatkan ciri yang mewakili merentas berbilang tahap resolusi , untuk mempercepatkan tafsiran daripada keseluruhan filem.

Dengan meniru cara manusia berfikir, ia bukan sahaja meningkatkan kecekapan menonton filem, tetapi juga menjimatkan kos.

Secara khusus, penyelidik mencapai gabungan maklumat peleraian silang melalui peleraian super ciri bersyarat.

Mendapat manfaat daripada pemodelan bersyarat, ciri resolusi tinggi di kawasan yang tidak diperhatikan boleh dikemas kini berdasarkan pasangan ciri resolusi rendah dan resolusi tinggi yang telah diperhatikan.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Salah satu langkah utama ialah mentakrifkan persekitaran latihan pembelajaran pengukuhan untuk bidang analisis imej patologi. Kaedah ini menggunakan ruang tindakan diskret, blok imej yang direka bentuk dengan baik dan fungsi ganjaran keadaan siap untuk meningkatkan prestasi penumpuan model dan mengelakkan keoptimuman setempat.

Saluran latihan yang sepadan adalah seperti yang ditunjukkan dalam algoritma berikut:

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Daripada hasilnya, kelebihan Juewu RLogis sangat jelas. Para penyelidik memilih dua tugas klasifikasi imej imbasan keseluruhan filem, "pengesanan metastasis kepingan nodus limfa" dan "klasifikasi kanser paru-paru", untuk ujian penanda aras.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Hasilnya menunjukkan bahawa berbanding dengan algoritma pembelajaran berbilang contoh biasa, "Juewu RLogist" boleh mencapai prestasi pengelasan yang rapat apabila laluan pemerhatian adalah jauh lebih pendek, dengan purata Masa dipendekkan kepada suku, dan kecekapan membuat keputusan meningkat sebanyak 400%.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Bukan itu sahaja, kaedah ini juga boleh ditafsirkan. Selepas menggambarkan proses membuat keputusan, para penyelidik mendapati bahawa Juewu Rlogist boleh memainkan peranan yang baik dalam kedua-dua pendidikan perubatan dan senario sebenar pada masa hadapan.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Pada masa ini, kertas itu telah diterima oleh AAI 2023 dan kod tersebut adalah sumber terbuka.

Perlu dinyatakan bahawa para penyelidik juga menekankan bahawa mereka akan terus mengoptimumkan RLogist pada masa hadapan, termasuk meningkatkan keupayaan pembelajaran perwakilan RLogist dengan memperkenalkan struktur rangkaian saraf yang lebih kukuh, dan menggunakan kaedah latihan RL peringkat tinggi mengelakkan mempelajari laluan pemerhatian yang salah, dsb.

Dari manakah datangnya “RLogist”?

Kalau sebut pasal AI "Juewu", mesti ramai yang dah biasa dengannya.

Lagipun, permainan AI dalam "Honor of Kings" ialah "Juewu Challenge".

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

△Red AI mempunyai pandangan keseluruhan yang sangat baik dan boleh mengubah arus pertempuran dengan mencangkung di rumput

Terdapat juga "Minecraft", 3D -Permainan FPS, dll. , boleh dikatakan bahawa dia adalah pemain lama permainan "Juewu".

Pasukan di belakangnya, Tencent AI Lab, juga merupakan pemain veteran dalam membiarkan AI belajar bermain permainan Sejak 2016, ia telah membangunkan AI "Seni Indah", AI "Pencerahan Cemerlang", dan membentuk ". platform Pencerahan".

AI "Jue Yi" ialah pemain catur dan permainan kad.

Pembangunannya bermula pada 2016, bermula dari Go.

Pada 2017, "Jue Yi" memenangi kejuaraan di Persidangan UEC World Computer Go dan kini menjadi rakan sparring profesional untuk pasukan kebangsaan.

Selain itu, ia juga boleh bermain catur dan mahjong. Dari segi mahjong empat pemain, "Jueyi" ialah mahjong pertama dalam industri yang mencapai standard profesional mengikut piawaian antarabangsa, dan telah memenangi kejuaraan dalam Pertandingan AI Mahjong IJCAI.

Mengikuti jejak "Jue Yi", penyelidikan dan pembangunan "Jue Wu" telah dilancarkan pada 2017.

Ia tidak lagi menekankan permainan mudah, tetapi isu strategik AI berbilang ejen yang menghadapi persekitaran yang lebih kompleks.

Pada 2018, "Jue Yi" mencapai tahap pemain amatur "Honor of Kings", dan pada 2019, ia mencapai tahap e-sukan profesional.

"King Juewu" berikut turut membawa "Challenge Juewu", "Hero Training Ground" dan kaedah permainan lain untuk Honor of Kings pemain, menjadi pembantu yang baik untuk pemain melatih dan meningkatkan markah mereka.

Selain itu, "Juewu" bermain "Minecraft" dan memenangi pertandingan NeurIPS MineRL, berjaya menjadi AI "perlombongan terpantas" dalam sejarah cabaran itu.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

AI

"Versi bola sepak" Juewu juga memenangi kejohanan bola sepak dunia dalam talian yang dipegang oleh Google.

AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.

Dalam proses membuat permainan AI, Tencent AI Lab turut membangunkan platform "Enlightenment" bersama Honor of Kings.

Iaitu, platform, algoritma dan senario Tencent akan disediakan kepada pelajar dan kalangan akademik untuk membolehkan mereka menjalankan penyelidikan permainan yang berkaitan. Pada Ogos 2020, platform "Pencerahan" menganjurkan pertandingan kolej Enlightenment yang pertama, dan tahun ini juga mengeluarkan persekitaran penyelidikan terbuka Honor of Kings 1v1.

Malah, medan permainan sentiasa dianggap sebagai medan percubaan terbaik untuk AI.

Daripada prestasi "Juewu" dalam beberapa tahun kebelakangan ini, tidak sukar untuk melihat bahawa ia telah mengumpul keupayaan tertentu dalam aspek seperti pembelajaran pengukuhan.

Jadi, ia juga merupakan trend umum dalam industri untuk memindahkan keupayaan terbaik ke luar dan meletakkannya pada tahap aplikasi praktikal.

Kali ini, kami benar-benar tidak boleh mengatakan bahawa permainan AI adalah "jahil".

Alamat kertas: http://arxiv.org/abs/2212.01737

Alamat sumber terbuka: https://github.com/tencent-ailab/RLogist

Atas ialah kandungan terperinci AI yang memainkan permainan ini dengan baik sudah merawat pesakit dan menyelamatkan nyawa.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:51cto.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan