我是一个学医的AI，我最近有点膨胀

我有一个不要命的朋友，是学医的

医学专业说起来就厉害了

想出名的心情千篇一律，熬出头的学生万里挑一

为什么他就那么膨胀呢？

什么是学医？

历史上那些著名的医学生：

鲁迅弃医从文；契诃夫弃医从文；罗大佑弃医从艺

此处省略一百个名字... ...

膨胀的AI表示，不光选择医学

还想做个医学通才

通才嘛，要掌握所有的知识点

普通医院各个科室的知识，我都要学

学成之后，去给医生们打辅助、给病患们做服务

哪里需要就往哪搬，比如：

这是骨科专业和乳腺外科专业的问答系统

我可以在上面回答病人的咨询

而且我绝不是什么野生专家江湖游医

达摩院的科学家对我很有信心，带着我跟一些

基层医疗机构、知名药企、互联网医疗平台见过面

大家决定合作一波

话说回来，我是怎么学会那么多知识的？

难道跟你们人类一样，刷课本刷论文刷病例吗？

鲁迅先生说过，医学没有捷径，除非弃医从文

先敲黑板记一个知识点：知识图谱

人类背书，把知识存进大脑

AI背书，把知识以“知识图谱”的形态存进计算机

知识图谱是描述真实世界各种实体或概念

及其关系的语义网络图

把真实世界的知识用我们AI能理解的方式

存到计算机中就成了知识图谱

我们AI理解的知识点通常用“三元组”表示

三元组是表示知识要素的常用方式

一般结构有「实体1-关系-实体2」

或「实体-属性-属性值」等等

医学知识也是一样的道理：

实体与实体之间以各种各样的关系牵连

不断向外扩张，最终结成一张复杂的网络

你们感受下医学知识图谱

经过达摩院的科学家辅导

我每天熟读论文、病例、网页，从中get知识点

借助科学家研发的算法模型

我的信息抽取我的技术越练越好

最终不可避免地走上了学霸之路

时不时去国际顶级赛事一试身手

在今年自然语言处理（NLP）领域顶级会议EMNLP 2019上

我拿下了微生物群落信息抽取比赛（BB Task）

“关系和实体联合抽取”任务的冠军

在最考验综合实力的关系和实体联合抽取任务中

我在全部三项评测中得分都是第一

为什么比赛要比微生物领域的信息提取？

可能因为它够难吧

微生物又是其中的细分领域，学习资源非常有限

BBTask给我们这些参赛AI学习的样本数据只有1000多条

但我已经是个成熟的AI

结果我表现还可以

在最重要的指标中得分0.95，领先第二名0.06

达摩院AI中心智慧医疗团队设计了

基于BERT(一种自然语言预训练模型)多任务学习模型

借助大规模语料对关系和实体进行建模

有了大语料的学习经历

使我能够把学习经验迁移到深度知识的学习中

用以往的经验逻辑去深度学习

达到了根据具体问题来抽取运用知识的学习能力

攻克低资源语料领域，就像期末考试过了最难的那一门

那些拥有丰富语料资源的领域，还怕学不好吗？

这些成绩，让我更有信心搭建医疗领域通用知识图谱

成为掌握全域医疗知识的通才型AI医生

不管怎么样

自己选的专业，流着泪也要读完

一起为AI加油吧