近日，《Nature》杂志在封面发表一篇文章：利用深度学习算法诊断皮肤癌，准确度达到91%，可以与医生比肩。
不知道大家是否还记得谷歌神经网络是如何辨别猫和狗的?人工智能和人不同，一个小孩见了几次猫以后他就知道猫是什么样子的，但是对于一个机器，人们需要给它喂数以万计的图片以后，它经过深度学习才能识别出什么是猫。
同样的，如果人给人工智能系统提供高质量的皮肤癌图片，系统经过机器学习也可以识别出什么是皮肤癌，最近斯坦福大学在《Nature》上发表了一篇与此相关的研究成果，并将该人工智能系统与24位资深的皮肤病专家相对比，发现系统的准确率在91%左右。
该文章第一作者，斯坦福大学的研究生Andre Esteva说：“我们做了一个非常强大的人工智能算法，可以从数据中进行学习，通过写代码，让系统自己去发现该去识别、寻找什么内容。”
这个算法被称为卷积神经网络，它最开始出现在谷歌大脑中，利用自身惊人的计算能力可以强化算法的决策能力。通过斯坦福大学研究以后，神经网络已经能够从大约1000个不同类别中识别128万幅图像，但是，研究人员需要从一个良性的脂溢性角化病了解恶性肿瘤。
从一堆波斯猫中分辨出狗来，准确率无伤大雅，但是如何区别各种皮肤病的不同斑点，并从中识别出皮肤癌，这是事关人命的大事，对准确率要求极高。
皮肤上彩色的斑点是个大麻烦，算法如何区分是个难题筛选图像数据
筛选图像数据
该文章的共同作者斯坦福研究生Brett Kuprel表示：“该研究的另一个难点在于，当时还没有足够大的高质量皮肤癌图像数据来训练人工智能算法，我们必须自己来解决。”
甚至在处理图片之前，他们还要做一些翻译工作，“我们在互联网上搜集了一些图片，与医学院合作，将这些图片分类整理，并打上标签——这些标签包括德语、阿拉伯语、拉丁语等等”。
不仅要翻译整理，还要对图像进行处理。皮肤病专家经常使用一种叫皮肤镜的仪器来仔细检查病人，所以，医疗人员基本都是通过放大率和透视角度大体一致的医学图像诊断疾病。
但是互联网的图片千差万别，有的是用手机，有的是用仪器，有的用照相机等，并且环境不同效果也不一样，角度、焦距和照明方面也各不相同。
最后，研究人员还是收集到了约130000幅皮肤病变的图像，包含了超过2000种不同的疾病。他们使用这些图像创建了一个图像库，并将其作为原始像素提供给算法，每个像素都带有标签，描述了相关疾病的附加数据。然后研究人员研究出一套算法，让算法弄清楚了这些图片的内在联系：即疾病经由组织传播在外观上所遵循的规则。
这就是人工智能如何分割它所看到的不同类别皮肤病图片
研究结果出来以后，为了验证算法的准确性，研究人员从斯坦福大学医学院请来了21为皮肤病专家，从三个角度来对算法进行验证
