Matthew Kiernan先生是悉尼大学中央临床学院医学教授、大脑和心智中心联合主任。他原先专攻骨科方向，但是在其母亲不幸罹患运动神经元病（MND）去世后，他将自己的专攻方向转为了神经学。这三十多年来，一直致力于神经学相关的诊疗与研究工作，在该领域颇有建树。
此前，由复旦发展研究院承办的“上海论坛2019”有幸邀请到了Kiernan教授参加“脑智融合，人工智能超乎想象”圆桌。参会期间，我们的学生记者王江舟同学对其进行了专访，本文即根据采访稿整理而成。
神经学一直走在科技发展的前沿。19世纪50年代，神经学的研究手段仅限于尸检，也就是取出（尸体的）大脑、切开并将其放置在显微镜下进行观察。通过这种方法，尝试找出患者得的疾病和死亡原因。到了20世纪90年代，在“脑的十年（the decade of the brain）”的推动下，技术帮助我们实现了核磁共振成像、人类全基因组测序，也帮助我们获得了大量可以帮助诊断和治疗的临床信息。所以问题变成了：如何在不开颅的前提下综合这些信息，对患者进行更迅速、更精确的诊断。而人工智能与大数据可能正是这个问题的突破口。所以我很支持多学科融合，将数学家、计算机科学家、生物医学工程师聚集在一起，为一个目标努力。事实证明，人体的一切都受数学支配，每个功能都可以被数学和概率解释，甚至，我们可以为所有人体活动写出方程式，如你是否会眨眼，是否会举手，是否会系上一条蓝色的领带。只要把算法研究出来，这些都可以用数学建模。我们实验室对人工智能技术的应用主要是在医学影像方面。我们把所有患者的医学图像数据汇总，再使用人工智能技术分析，以期找到更好的诊断算法。我们尚处于科学发展的早期阶段，目前还无法通过医学图像对运动神经元病（MND）患者做出诊断，但如果我们积累了一定量的医学图像，也许就能开发出可以做出诊断的算法，而这将是一项伟大的进展。未来，我相信在日常研究与临床治疗中，人工智能的参与比例将至少达到50%。假设十年后，针对一位患有某种疾病的患者，我们有10种治疗方法，那首先应该选用哪一种呢？如果第一种方法没有效果，第二步应该怎么走？之后的每一步应该如何选择？这就是人工智能技术在医学诊断中将会扮演的角色。我们只需将患者信息输入，比如57岁、男性、肌萎缩侧索硬化症（ALS）、上肢无力，人工智能算法就会给出建议：停止当前的治疗方案，然后增加三种药物。
当然，人工智能也有其弊端，它会犯错，甚至有时会比人犯更多的错。
人工智能的发展需要资本注入。但是其他行业注入资本并不是单单为了临床神经学，他们要的是信息，是一个人如何做决定，例如今天你会去超市为晚饭采购什么东西。神经学支配了我们想买什么，想吃什么，想如何生活。这就是行业将不断深度参与到人工智能中的原因。从另一个角度来说，相比大学或政府，行业可以为人工智能项目投入更多资金。所以，当人们熟悉并擅长使用一种技术后，行业就会引导他们开始进行行业相关的项目。而我们最大的担忧便是人工智能将取代人类的工作岗位。最初进程可能比较缓慢，但无论如何都会向这个方向发展。所有商业公司的根本目的在于赚钱。即使一些公司会成立专项资金关注环境等问题，但对大部分公司而言，他们真正关注的还是是否盈利这个底线。如果盈利，人人得利；如果亏损，就会裁员。制药公司也是如此，当某种新的药物市场反响很好时，大家都满意。但如果公司开始亏损，就会裁员。这只是单纯的财务决策。我认为，目前人工智能的处理能力发挥了2-3%左右，还刚刚起步，就像15世纪的船员试图弄清楚世界是圆是方那样。我们正处于人工智能技术的早期阶段。回看20年前，那时候没有互联网，也没有计算技术，人工智能更是停留在科幻小说里。但现在我们将见证这一领域的发展，一切才刚刚开始。未来我们将看到剩余的90%或更多潜力被释放出来！
