盡管基金的交易臺和醫生的手術臺完全扯不上關系，但兩位對沖基金出身的“寬客”卻合力研發出一種通過核磁共振（MRI）圖像來診斷心臟疾病的程序，使其在全球最難的人工智能競賽中力壓近千只隊伍最終奪魁。

　　根據英國《金融時報》報道，來自洛杉磯Crabel Capital Management的Tencia Lee（近日跳槽至一家機器人創業公司）以及來自TwoSigma的QiLiu利用“深度學習”技術研制出算法，在去年12月的一場比賽中被初步證實可以通過圖像有效的診斷心臟疾病。

　　根據美國國家衛生研究院首席先進的心血管成像醫師Andrew Arai的介紹，該程序的判斷能力已經與熟練的心血管醫生十分接近。不夠納入實用的話還需要接受嚴格的測試。

　　在美國每年有100萬患者金融核磁共振檢測，一旦該程序商業化后，可為醫生診斷一位患者的時間節省20分鐘左右。提高診斷效率的同時還可以為患者節約數千美元的費用。

　  Tencia Lee表示她和QiLiu使用的是一種名為“卷積神經網絡”的技術，也是深度學習的一種結構，模仿人腦對信號處理上的分級邏輯。與其他深度學習結構相比，其在圖像和語音識別方面能夠給出更優的結果。

　　所謂“卷積神經網絡”是模仿動物視覺系統的信息處理的“神經-中樞-大腦”工作過程，是一個不斷迭代、不斷抽象的過程。從原始信號，做低級抽象，逐漸向高級抽象迭代，抽象層面越高，存在的可能猜測就越少，就越利于分類。

　　Lee稱他們二人此前從未接觸過神經網絡相關的工作，一路上從GitHub（社會化代碼分享社區）上得到了不少幫助。他們遇到的最主要問題是如何讓機器人的判斷擁有足夠的準確度，隨后這個問題變成如何為神經網絡添加更多病例圖像，讓其學習并得出改進結果。

　　“我花了超過3個月的全部業余時間制作出該軟件，”Lee還表示，該類軟件的出現意味著即便是數據背景出身的專家也能解決醫學上的難題。

　　本次比賽由硅谷一家名為Kaggle的數據科學平臺主辦，Lee和Liu從993只隊伍中脫穎而出，贏得了總計12.5萬美元的獎金。Kaggle每年出面為替大型企業舉辦超過50場比賽，其CEO Anthony Goldbloom稱這次比賽是其舉辦過最難的一次，不過比起獎金，贏得比賽后在業內獲得的名聲會更加重要。

　　深度學習這一概念最近因為谷歌AlphaGo機器人戰勝李世乭九段而被普羅大眾所熟知。除了下棋，實際上深度學習已經引申出了很多具有實際意義的應用，比如識別某一個圖片中是否有癌細胞，某一個鐵路沿線上的軌道是否存在磨損，甚至軍事作戰中，對方的視線中是否有坦克，都可以通過深度學習實現。谷歌的自動駕駛，其中很重要的就是識別道路、交通信號燈、路標等，這都是通過深度學習獲得。