當時正值AlphaGo 開始嶄露頭角、大敗世界頂尖職業棋士之時，多數人（包括我）對於AI還十分陌生，只覺得好像是科幻小說當中的場景，離一般人的生活似乎仍非常遙遠。當天在場的中國醫藥大學生物醫學影像暨放射科學學系程大川主任（目前擔任中國醫藥大學附設醫院醫療智慧中心顧問），研究的主題正是AI於醫療方面的應用。在聽完他的演講以及接下來的討論之後，我對於AI 有了簡單的認識。更有意思的是，程教授提到「AI 的相關知識是可以自學的」，這句話打動了我（現在看來，當時的我還真是不知道天高地厚）。

 

 

從「腦趴」回來以後，我就利用空閒的時間上網搜尋介紹AI 的文章（當時書店還沒有相關書籍），才逐漸了解甚麼是機器學習、支持向量機、深度學習（其實是機器學習的一個分支）……等等。此外，雖然深度學習是AI 能夠往前邁進的重要里程碑，但是另一個同樣重要的關鍵就是GPU（圖形處理器）的誕生。或許有人會覺得奇怪：GPU（尤其是獨立顯示卡）不是早就存在了嗎? 沒有錯！ GPU 正是為能同步處理螢幕上成千上萬個像素（pixel）而開發的，所以具備強大的平行運算能力，對於處理深度學習演算法當中常見大規模的矩陣或向量運算，可謂駕輕就熟，此為CPU（中央處理器）所難以企及。NVIDIA（輝達）公司正是看到這個契機，首先生產支援可程式化的GPU 晶片。有了深度學習和GPU 的完美結合，AI 的發展自此有如脫韁野馬，一日千里。

 

 

對於AI 略有些認識之後，就會想嘗試做看看。因為臺中榮總在腦中風有不錯的資料庫，於是就開始朝這方面進行。但筆者畢竟不是工程領域的背景，要從實作當中學習，遇到困難和瓶頸是一定的，想單憑一己之力來克服，實屬不易。這時就想到我的老師王署君院長常提到的那句話：「要把研究做好，你必需有一群志同道合的朋友。」很高興不久就得到臺中榮總放射線部蔡志文部長和雲林科技大學傅家啟教授的支持。然而並非從此就一帆風順，單是第一步標記影像的工作就耗費了我們不少的時間，常常連續好幾個週末大家都要聚在一起檢查並再次確認標記情形。接著就要設法解決模型成效不理想的問題。這個階段所面臨的挑戰不僅是軟體上該如何找到合適的演算法和超參數，也因為草創之初，經費有限，我們只能想辦法以拼裝一台桌上型電腦的方式，架設一個簡單的AI 工作站放在雲科大運作。我記得當時使用的顯示卡是NVIDIA GeForce GTX 1070（那個時候還沒有RTX 系列顯示卡）。模型訓練起來都是一到兩星期起跳，真的很花時間。

 

 

由於模型成效遲遲未能突破，我開始考慮另外組裝一台AI 工作站放在中榮以利就近操作。此時非常感謝許惠恒前院長的促成，讓我們可以參加AI 台灣人工智慧學校的中部醫療專班為期五個週末的密集課程。就是帶著來「挖寶」的期待，五個星期下來，確實得到不少收穫。首先就是關於AI 的基礎理論方面更進一步地釐清。之前只知道AI 可以協助找出變數和變數之間的關係，但是這和統計學裡的迴歸分析有何差異？經過課堂上老師的提點之後，才明白原來差別在於變數的數量！當變數只有幾個或數十個，迴歸分析即可勝任。但是當變數的數量擴增到數萬或數十萬個，要分析其中之關聯性，就是AI 大顯身手的時候了。

 

 

其次，關於目標偵測和語意分割如何區分？原來目標偵測僅是框出物件所在，語意分割則不僅要確認出物件位置，還要區別相鄰不同物件的邊界。在這兩個不同概念之下，又各自發展出許多不同的演算法。於是我們可以根據實際遇到的問題，來選擇最合適的演算法予以解決。此外，清理數據是非常重要的步驟，若缺乏經過整理、標記明確且完整的數據，即使有再好的硬體設備，或是能飛天遁地的演算法，要想取得理想的成果，恐怕也不太容易。我們小組裡的一位資深科技公司總經理對此形容得十分貼切，他說：「大家不要弄錯了，人工智慧最重要的就是『人工、人工、人工』，要有很多的人工，才能讓機器變得有智慧！」

 

此外，在利用AI 處理問題時，常會遇到過擬合（overtting）的問題，也就是訓練好的模型對於訓練組的預測極好，卻對測試組難以招架。這時就要考慮到訓練組裡可能存在某些我們沒有預期到的雜訊特徵，如何找出並消除這些會導致模型偏差的雜訊，就成為一個很重要的課題。其中有一個解決方案讓我印象深刻，亦即在演算架構中，把進入分類器之前的最後幾層擷取出來的特徵拿出來分析。因為這些特徵攸關最後的分類，導致過擬合的雜訊特徵很可能出現在這裡。

 

在許惠恒前院長的鼓勵下，我們得到院部的支持，在辦公室裝設了一台AI 工作站（具備一張RTX 2080Ti），從此能夠在中榮訓練及測試模型。沒想到，隨著資料量快速累積以及演算法日趨複雜，這台工作站很快就難以負荷。偏偏又遇到虛擬貨幣狂飆，市面上高階顯卡一卡難求。當時甫上任的陳適安院長看到我們的需求，協助我們添購了一台具備四張顯示卡（RTX 3090）的水冷式工作站。這才大大地縮短模型訓練耗費的時間。

 

 

回顧這段不算短的歲月，從一次的因緣際會當中，走進了智慧醫療的領域。期間雖然遭遇不少的挫折和挑戰，但非常幸運地能夠找到一群志同道合的好友們一起打拼，在遭遇瓶頸時又有愛護和支持我們的長官及時伸出援手，才得以在這條道路上持續努力。真的是由衷感謝這許許多多的貴人相助！當今我們正處在AI時代的轉捩點，只要能用心發掘，加上各領域專家願意敞開心胸，彼此合作，相信處處都隱藏改變和發展的契機，未來真是不可限量的。

 

（後記：目前筆者和中興大學應用數學系郭至恩副教授，在中興大學學士後醫學系合授一門AI 課程「類神經網路與深度學習- 概述與臨床應用」，歡迎神經學學會的先進們不吝賜教。）