如果外科医生通过学习YouTube视频学会了手术技巧，你可能不会希望他们给你缝针。但是机器人呢?

这一前景可能并不像听起来那么梦幻。

最近，来自加州大学伯克利分校、英特尔和Google Brain的研究人员通过模仿8名人类外科医生工作的视频，教会了一个人工智能模型如何操作。

该算法被称为Motion2Vec，它是根据医生使用达芬奇手术机器人执行针线穿针和打结等缝合任务的镜头进行训练的。

达芬奇系统从21世纪初就开始为病人做手术，其中就包括詹姆斯·邦德。

一般情况下，医生通过电脑控制台控制机器人。但是Motion2Vec可以自己指挥机器。

它已经在一块布上证明了它的缝纫技巧。在测试中，该系统以85.5%的准确率复制了人类外科医生的动作。

达到这样的精确度并不是一件容易的事。视频中的8名外科医生使用了各种各样的技术，这使得人工智能很难找到最好的方法。

为了克服这一挑战，该团队使用了半监督算法，通过分析部分标记的数据集来学习任务。

这使得人工智能能够从少量有标签的视频数据中了解外科医生的基本动作。

加州大学伯克利分校团队的负责人Ajay Tanwani博士表示，这创造了一个高效样本模型:“我们所做的是结合少量带标记的数据，这样就不会影响性能，同时我们还能够利用未带标记数据中的结构。”

不过，Tanwani承认，在它能够真正手术室之前，该系统还需要做很多工作。

他现在计划将这种针与不同种类的组织结合起来，这样系统就能适应不同的情况，比如意外的血崩。

Tanwani的下一个里程碑是半自动远程手术。

他设想机器人能为医生提供帮助:迅速冲向目标，纠正任何不准确的动作，甚至在伤口上缝针。

Tanwani将这种方法与半自动汽车中的驾驶员辅助功能进行了比较:

外科医生完全控制手术。但与此同时，我们想要提供一些功能来处理一些普通的任务，减少外科医生的认知负荷，提高他们的生产力，从而潜在地关注更多的病人和复杂的病例。

就像向自动驾驶汽车过渡一样，这些渐进的进步应该有助于赢得用户的信任。

Tanwani认为，最终，这种自我监督的方法可以将人工智能应用到一系列现实世界中:

互联网以视频、图像和文本的形式充斥着大量的非结构化信息。这里的想法是，如果机器人能从这些数据中挖掘有用的内容，并像人类一样理解这些数据，机器人就能实现人工智能的长期目标:在执行日常生活任务时提供帮助。

编译/前瞻经济学人APP资讯组

原文来源：

https://thenextweb.com/neural/2020/06/23/how-an-ai-learned-to-stitch-up-patients-by-studying-surgical-videos/