据说人工智能AI可以“看面相”了，识别遗传病准确率高达91%！

这个世界，每一天都在告诉我，AI又出什么新玩儿法了。

众所周知，AI 人脸识别技术已被广泛用于手机解锁、移动支付。近日，来自美国数字医疗公司 FDNA 的研究人员提出了一种深度学习应用 Face2Gene，可以帮助医生识别罕见基因疾病。

这似乎不仅仅是玄学看面相，而是真正医疗科技的进步。

AI究竟如何帮助医生识别罕见基因疾病呢？

前两天，在《Nature Medicine》上的一篇论文里，研究者详细介绍了这项辅助诊断方法背后的技术。

他们利用一种深度学习算法 DeepGestalt和类脑神经网络，区分人类照片中与先天性和神经发育障碍有关的独特面部特征。利用从照片中推断出的模式，该模型可以定位到可能的诊断结果，并提供可能的选项列表。

简而言之：通过海量确诊病例图像中特征的提取，来做预测。

那这种预测，真的准吗？

据悉，医生已经使用这种技术作为辅助手段，尽管它给出的诊断并不是决定性的。

研究者们给算法输入了涵盖 216 种不同综合征的 17000 多张确诊病例的图像。在用新面孔进行测试时，该 APP 的最佳诊断猜测准确率达到了 65%。如果考虑多个预测结果，则 Face2Gene 的 top-10 准确率可以达到约 90%。

首席技术官 Gurovich 表示，随着更多医疗专家将病人的照片上传到该 APP，该项目的准确率也得到略微提高。现在该项目的数据库中大约有 15 万张照片。

这种预测存在什么风险吗？

很显然，只有数据集够好，算法才足够好用，因此这种技术存在风险。

研究者表示，这一工具引发了人们对伦理、法律方面的担忧，包括训练数据集中的种族偏见和数据集的商业成分，二者都可能会限制这一诊断工具的使用范围。

比如说，2017 年的一份儿童智力障碍研究表明，Face2Gene 对唐氏综合征的识别率在比利时白人小孩中为 80%，而在刚果黑人小孩中仅为 37%。

因为，他们采集的数据来源大部分为白人。

“我们知道这个问题需要解决，但随着我们技术的发展，偏见会越来越少。” Gurovich 表示。

飞速发展的时代下，不仅我们接收者人工智能越来越多的讯息，未来的孩子们也面临着越来越大的挑战。面对人工智能时代，了解编程，学习编程是孩子们必备的技能。

在国外，少儿编程教育发展程度非常高，全球已有 24 个国家在基础教育中设立了编程课程大纲；在中国，2017年7月，在国务院发布的《新一代人工智能发展规划》中，明确提出编程课走进中小学；2018年1月，教育部宣布，人工智能、机器人等要进入全国高中新课标。

如果还抱持着，“以后不做程序员不用学编程”、“不打竞赛不用学编程”、“编程能力是加分项不是必须项”等观点，未来孩子可能就要输在起跑线了。

20 年前，学英语不是为了成为翻译员；10 年前，学习电脑不是为了成为打字员；今天学习编程，不是为了让孩子们都成为程序员。

而是为他们打开一扇门，走进更广阔的未来世界。