什么是人工智能（AI）

什么是人工智能（AI）

——赋能健康中国的战略性技术力量

引言

在数字化、智能化浪潮席卷全球的今天，人工智能（Artificial Intelligence，简称AI）正深刻重塑医疗卫生体系、公共服务体系乃至整个社会结构。

我国“十四五”规划、健康中国战略、《新一代人工智能发展规划》等政策密集出台，为人工智能在医疗健康领域的融合发展明确了方向、提出了要求【1】。

人工智能不再是抽象的科技概念，而是支撑人民健康福祉、推动卫生健康现代化建设的关键动能。

对于医疗健康等关键民生领域而言，准确理解“什么是AI”，既是把握变革趋势的前提，也是推动高质量发展的必要基础。

图片来源于：AI生成

一、人工智能的基本内涵

人工智能是研究、开发用于模拟人类智能行为的理论、方法、技术及应用系统的综合性技术体系【2】。

其目标是赋予机器以学习、推理、感知、决策等“类人能力”，以实现复杂任务的自动化、智能化处理。

它不仅是一项科技创新，更是新一轮科技革命和产业变革的核心驱动力，正在成为全球综合国力竞争的制高点【3】。

二、人工智能的发展历程

阶段时间范围特征与技术代表
概念提出期1956—1989年达特茅斯会议、符号主义、专家系统
探索积累期1990—2009年算法优化、机器学习理论积累
技术跃迁期2010—2019年深度学习（如CNN）、NLP、语音识别
融合赋能期2020年至今多模态AI、大模型、AI+行业融合

尤其是2023年以来，以大语言模型（如ChatGPT）、多模态感知系统等为代表的通用人工智能取得关键进展，标志AI从“能用”走向“好用”【4】。

图片来源于：AI生成

三、人工智能的核心支撑体系

人工智能的发展依赖于以下三大技术要素：

  1. 算法（Algorithm）：决定AI的学习与决策路径，是智能水平的核心。“深度学习”“强化学习”“迁移学习”等已广泛用于医疗AI模型构建【5】。
  1. 数据（Data）：为AI系统提供训练基础。高质量的医学影像、电子病历、基因组数据是关键支撑【6】。
  1. 算力（Computing Power）：为算法运行提供技术底座。当前AI大模型训练对GPU等高性能算力平台依赖显著增强，推动芯片、算力基础设施国产化发展【7】。

图片来源于：AI生成

四、人工智能的类型与能力分级

类型定义及特点
窄域人工智能（Narrow AI）专注单一任务，如医学影像识别、语音助手，是当前主流。
通用人工智能（General AI）可跨领域自主学习与推理，仍处于早期研究。
超级人工智能（Super AI）理论设想中超过人类智能的系统，尚无实际实现。

目前在医疗健康领域，几乎所有应用都属于“窄域AI”，目标是提升医生效率与精准度，而非替代医务人员。

五、人工智能的现实应用与发展潜力

  1. AI正在全面渗透健康服务体系，构建智慧医疗新生态：医学影像辅助诊断：AI可自动识别肺结节、糖尿病视网膜病变等病灶，比如使用 3D 深度学习处理低剂量胸部 CT，可实现约 94.4% AUC 的肺癌早筛率，同时显著减少漏诊和误诊[8]。

    图片来源于：Ardila D, Kiraly AP, Bharadwaj S, et al. End-to-End Lung Cancer Screening with Three-Dimensional Deep Learning on Low-Dose Chest Computed Tomography. Nature Medicine. 2019;25(6):954–961.

  1. 智慧医院建设：AI优化预约、分诊、就医导航等流程，提升患者就诊体验；
  1. 个性化健康管理：结合智能穿戴设备，实时监测健康指标，实现风险预警与干预；
  1. 药物研发与筛选：AI用于药物靶点预测、临床试验设计，显著加快新药研发进程；
  1. 公共卫生应急：AI在疫情趋势预测、舆情监测、物资调度等方面表现出色，为精准防控提供数据支持。

六、面临的挑战与思考

尽管前景广阔，AI在医疗应用仍面临诸多现实挑战：

  1. 伦理与隐私：个人健康数据安全风险增加，需在保护隐私与开放数据之间取得平衡【9】；
  1. 算法可解释性：医疗AI模型必须“可解释、可追溯、可验证”，避免“黑箱算法”影响临床决策；
  1. 行业标准缺失：目前缺乏统一注册评审标准，限制AI医疗产品落地；
  1. 人机协同关系：需要明确AI辅助而非替代角色，强化“以人为本”的服务理念。

建设具有中国特色的人工智能治理体系，是AI融入医疗健康可持续发展的必经路径。

结语：科技向善，赋能健康中国

人工智能不是科技的孤岛，而是连接医疗健康与未来发展的桥梁。

它不仅是一种技术能力，更是一种理念——推动“以人民健康为中心”的服务体系向智能化、精准化、普惠化迈进。

中国医药卫生文化协会将继续发挥桥梁纽带作用，整合科技、医疗、产业、文化等多元力量，持续推进人工智能在医药卫生领域的实践探索与价值转化。

在“数字中国”“健康中国”的宏大蓝图中，人工智能不是旁观者，而是推动者、建设者和赋能者。

敬请持续关注“中国医药卫生文化协会官网·AI与数字健康”栏目，系列文章《人工智能与健康》《人工智能与医工融合》即将发布，敬请期待。

图片来源于：AI生成

参考文献

  1. 国务院办公厅，《新一代人工智能发展规划》，2017

    http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm

    （国务院官网发布）

  1. Russell & Norvig，《Artificial Intelligence: A Modern Approach》

    https://aima.cs.berkeley.edu/

    （伯克利大学AIMA官方教材主页）

  1. World Economic Forum，《AI and the Future of Work》，2023

    https://www.weforum.org/stories/2023/05/future-of-jobs-in-the-age-of-ai-sustainability-and-deglobalization/（世界经济论坛官方报告）

  1. OpenAI, DeepMind, Google，《GPT-4 Technical Report》，2023

    https://openai.com/research/gpt-4

    （OpenAI官网技术报告）

  1. LeCun, Bengio, Hinton，《Deep Learning》，Nature, 2015

    https://www.nature.com/articles/nature14539

    （Nature官网论文）

  1. Eric Topol，《Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again》

    https://www.basicbooks.com/titles/eric-topol/deep-medicine/9781541644632/

    （出版方Basic Books官网）

  1. 中国信通院，《人工智能计算力发展评估报告（2024年）》

    https://www.caict.ac.cn/kxyj/qwfb/bps/index_1.htm（中国信息通信研究院官网）

  1. Ardila D, Kiraly AP, Bharadwaj S, et al. End-to-End Lung Cancer Screening with Three-Dimensional Deep Learning on Low-Dose Chest Computed Tomography. Nature Medicine. 2019;25(6):954–961.
  1. 国家卫健委，《医疗健康大数据应用发展指导意见（试行）》

    https://www.gov.cn/zhengce/content/2016-06/24/content_5085091.htm（国家卫健委官网）