我们每个人都会生病。生病了要去医院。医生给我们看病。医生怎么知道我们生了什么病呢？医生会问我们哪里不舒服。医生会让我们做一些检查。检查的方法很多。有的检查抽一点血。有的检查用机器照一下身体里面。医生拿到检查结果。医生根据结果判断病情。医生告诉我们得了什么病。医生给我们开药。我们吃了药病就好了。这是看病的过程。

现在的医院有很多机器。这些机器很厉害。机器能帮助医生看清人的身体。身体里的骨头、血管、内脏都能看清楚。机器能发现很小的问题。问题小到像一粒米。甚至比米还小。机器检查又快又准。医生很喜欢用这些机器。病人也相信这些机器。机器检查成了看病的重要部分。

但是机器检查有一个问题。机器检查会产生很多数据。数据就是一堆数字和图片。一台机器检查一个人。一次就能产生几百张图片。一家大医院每天有几千人做检查。一天产生的图片就像一座小山。这么多图片医生怎么看呢？医生需要一张一张看。医生要花很多时间。医生很累。医生可能会看错。医生可能会漏掉重要的东西。病人等着结果。病人很着急。有没有办法帮帮医生呢？

我想研究的就是这个办法。我想让机器自己学会看图片。就像教一个小孩认东西。小孩一开始什么也不认识。我们拿一个苹果给小孩看。我们告诉小孩这是苹果。我们反复教很多次。小孩就认识苹果了。下次看到苹果小孩就能说出来。我的研究也是这样。我想给机器看很多很多病人的检查图片。这些图片有的标明有问题。有的标明没问题。我让机器反复学习。机器学习很多次。机器慢慢就能分清楚哪些图片有问题。哪些图片没问题。

这听起来很简单。做起来很难。机器的学习方法和人不一样。机器不懂什么是生病。机器只认识数字。一张图片在机器眼里是一大堆数字。这些数字代表颜色的深浅。机器要找这些数字的规律。有问题的图片数字规律不一样。没问题的图片数字规律是另一种样子。机器要找出这些不同的规律。这非常困难。因为人体的结构很复杂。每个人的身体都不一样。同样的病在不同人身上看起来也不完全一样。机器不能死记硬背。机器要真正学会判断。

我的研究就是要解决这个困难。我的方法是改进机器的学习过程。我先让机器学会看最简单的部分。比如先学会看图片的轮廓。然后再学会看里面的细节。一层一层深入。就像人看书。先认识一个个字。再理解一句话。最后明白整篇文章的意思。我还要教机器学会联想。人的身体是一个整体。一个地方有问题可能影响到别的地方。机器不能只看一个点。机器要把所有信息联系起来看。这样机器的判断会更准。

这个研究有什么用呢？用处很大。机器可以帮医生做第一遍检查。机器快速看完所有图片。机器把觉得有问题的图片挑出来。机器告诉医生这些地方需要仔细看。这样医生就不用看所有图片了。医生只需要看机器挑出来的那一部分。医生花的时间就少了。医生不容易累。医生看错的可能也小了。病人能更快拿到结果。特别是对一些紧急的病人。时间就是生命。机器很快就能给出提示。医生就能马上开始治疗。这对病人是好事。

这个研究还能帮助小地方的医院。大医院的医生经验多。小医院的医生看的病人少。有些复杂的病小医院医生可能没见过。机器可以学到全国大医院的经验。机器把这些经验带到小医院。小医院的医生用上这个机器。就像身边有了一个厉害的帮手。医生的水平提高了。小地方的病人也不用跑很远去看病了。病人在家门口就能得到好的诊断。

我的研究还需要做很多工作。我要收集很多检查图片。这些图片要得到病人的同意。我要保护好病人的秘密。我要和医生一起工作。医生告诉我什么样的图片是重要的。医生帮我判断机器的结果对不对。我要一遍一遍试验我的方法。一次不行就再试一次。我要记录每一次试验的数据。我要比较不同的方法哪个更好。这个过程很慢。可能需要很长时间。但这件事值得做。

现在有很多人在做类似的研究。大家都在想办法。有的研究看肺的图片。有的研究看脑子的图片。我的研究可能专注在其中一个部分。比如看肝脏的图片。或者看骨头的图片。做研究要专心。把一个地方弄明白就不容易。做好了一个地方再做别的地方。一步一步来。

做研究也会遇到麻烦。机器有时候很笨。教了很久还是学不会。机器有时候会耍小聪明。机器找到一些错误的规律。机器以为自己学会了。其实判断是错的。我要想办法防止机器犯错。我要设计更好的学习方法。让机器学得更扎实。这需要动脑筋。需要不断尝试新的想法。

我相信这个研究能做成功。因为现在技术发展很快。计算机的计算能力越来越强。我们能收集到的图片也越来越多。医生们也很支持这样的研究。大家都希望看病能变得更准更快。我的研究就是朝着这个方向努力。让机器帮助医生。让医生减轻负担。让病人受益。这就是我的主要想法。