医疗保健人工智能和 TensorFlow.js 入门指南
引言
新冠肺炎
TensorFlow
结论
参考
引言
我算是科技领域的半个新手，最近终于要完成 Flatiron 的全栈 Web 开发编程训练营课程了！耶🎉 这门课程涵盖的是标准的软件工程，而不是人工智能/机器学习/数据科学，但我一直对这些很感兴趣，也想先学习一些通用的编程知识，以便将来有机会深入学习人工智能相关的内容。不过，我很有可能像网上那些想成为人工智能爱好者的梗图一样——所以这篇文章是写给——我必须强调——初学者的。
新冠肺炎
是的，这是一篇关于新冠病毒的帖子。人工智能和冠状病毒。谁还需要再来一篇？反正我不需要！发推文。
我保证这次会尽量说点原创的东西。我一直对医疗科技和人工智能很感兴趣——也许是因为我喜欢看《实习医生格蕾》，而且一直梦想着能像医生一样光鲜亮丽，却又不想去医学院！说真的——虽然这么说可能有点像硅谷的套路： 我真的想利用科技让……这个世界……至少比现在好一点。至于这是否可行，那就是另一个问题了！
大多数编程训练营都有一个“期末项目”，需要综合运用过去15周所学的一切知识。我的项目本周就要交了，所以我花了很多时间浏览热门项目和黑客马拉松参赛作品，希望能从中汲取灵感，想出一个不落俗套、不被人做过无数遍的项目（当然，这可能也是不可能的）。正如我之前所说，从开始训练营之前我就对医疗保健相关的项目很感兴趣，现在因为疫情，更是情不自禁地选择了这个方向。
这个项目尤其吸引了我的注意，因为它运用了音频识别和咳嗽声识别技术，这给了我很多灵感。目前似乎还没有太多关于咳嗽声识别技术在新冠病毒感染中应用的具体研究，但其在其他疾病/病例中的应用研究看起来非常有前景。
人工智能/新冠病毒还有许多其他非常酷的应用——例如成像技术、体温检测眼镜、清洁机器人，以及可能更具争议性的“智能”门，用于监控隔离期间人们的活动和行踪。如果这些应用听起来都太科幻、太不切实际，那么还有更常见的例子，例如IBM Watson等人工智能聊天机器人技术，它可以帮助自动化新冠病毒的诊断、问诊和信息传播。虽然这是一篇入门文章，但众所周知，人工智能的应用范围非常广泛，有些颇具争议，有些则坦白说很普通，所以我在这里就不多赘述了。
TensorFlow
这一切让我对谷歌的开源机器学习平台TensorFlow的基础实现产生了浓厚的兴趣。我的训练营最终项目是一个新冠病毒自我报告追踪器和症状检查器，后端使用 Rails，前端使用 React.js，所以我研究了如何使用 TensorFlow.js，特别是用于音频识别。TensorFlow 和人工智能在 Python 中似乎更为常见，因此我发现这篇关于用 JavaScript 实现简单音频识别器的教程特别令人兴奋！
正如我所说，我受到了利用人工智能诊断新冠病毒的启发，但我离真正能做到这一点还差得很远，所以我只是想在我的应用程序中实现最基本的人工智能应用，以此证明我的能力。我打开麦克风咳嗽了几秒钟，以此来“训练”TensorFlow模型。瞧，如果我试图录制咳嗽声，滑动条就会向右移动；如果我试图录制咳嗽以外的声音（例如正常说话），滑动条就会向左移动。
我在这里其实没做什么特别厉害的事——所有炫酷的功能都由TensorFlow和这篇优秀的教程搞定了！这个简单的音频识别器使用了[Transfer learning此处原文疑似拼写错误，无法准确翻译]，它“通过提取一个已经在相关任务上训练过的模型的一部分，并将其重用于新模型，从而大大简化了训练过程”（这里直接复制粘贴了原文）。不过，令人欣慰的是，许多看似复杂的AI技术实际上都是建立在大量前人研究成果之上的。因此，像图像或音频识别器这样相对简单的功能，不需要进行太多的重新训练。这就是为什么我只需要“教”它识别咳嗽声，就能让我的简单音频识别器按预期工作。它已经能够很好地识别基本的人类语音，所以区分这个语音库和新的声音并不难。
const INPUT_SHAPE = [NUM_FRAMES, 232, 1];
let model;
async function train() {
toggleButtons(false);
const ys = tf.oneHot(examples.map(e => e.label), 3);
const xsShape = [examples.length, ...INPUT_SHAPE];
const xs = tf.tensor(flatten(examples.map(e => e.vals)), xsShape);
await model.fit(xs, ys, {
batchSize: 16,
epochs: 10,
callbacks: {
onEpochEnd: (epoch, logs) => {
document.querySelector('#console').textContent =
`Accuracy: ${(logs.acc * 100).toFixed(1)}% Epoch: ${epoch + 1}`;
}
}
});
tf.dispose([xs, ys]);
toggleButtons(true);
}
但我认为，这甚至可以用于简单的在线症状提交验证，让用户知道自己是否对着麦克风咳嗽得足够厉害，或者防止用户提交无效音频。虽然只是些小功能，但这些都能让医生远程诊断和治疗病人的过程稍微轻松一些，这让我非常兴奋！
结论
这不是一篇教程，我目前也没有什么关于使用 TensorFlow 的独特见解，但网上有很多很棒的教程，而且用这种简单的方式使用 TensorFlow 真的比我想象的要容易得多。如果你也像我一样对人工智能/机器学习感兴趣，但还没时间完整地学习 Coursera 上的课程，并且感觉不知所措，我的建议是：大胆尝试，看看你能做到什么！
参考
* https://devpost.com/software/faco-fight-against-corona-jfcza9
* https://devpost.com/software/corona-mask-detector
* https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7187882/
* https://venturebeat.com/2020/03/03/how-people-are-using-ai-to-detect-and-fight-the-coronavirus/
* https://www.scmp.com/tech/article/3077964/ring-smart-doorbell-monitors-people-covid-19-isolation
* https://www.bbc.com/news/technology-52340651
* https://techcrunch.com/2020/04/16/chinese-startup-rokid-pitches-covid-19-detection-glasses-in-us/