尽管基金的交易台和医生的手术台完全扯不上关系，但两位对冲基金出身的“宽客”却合力研发出一种通过核磁共振（MRI）图像来诊断心脏疾病的程序，使其在全球最难的人工智能竞赛中力压近千只队伍最终夺魁。

根据英国《金融时报》报道，来自洛杉矶Crabel Capital Management的Tencia Lee（近日跳槽至一家机器人创业公司）以及来自Two Sigma的Qi Liu利用“深度学习”技术研制出算法，在去年12月的一场比赛中被初步证实可以通过图像有效的诊断心脏疾病。

根据美国国家卫生研究院首席先进的心血管成像医师Andrew Arai的介绍，该程序的判断能力已经与熟练的心血管医生十分接近。不够纳入实用的话还需要接受严格的测试。

在美国每年有100万患者金融核磁共振检测，一旦该程序商业化后，可为医生诊断一位患者的时间节省20分钟左右。提高诊断效率的同时还可以为患者节约数千美元的费用。

Tencia Lee表示她和Qi Liu使用的是一种名为“卷积神经网络”的技术，也是深度学习的一种结构，模仿人脑对信号处理上的分级逻辑。与其他深度学习结构相比，其在图像和语音识别方面能够给出更优的结果。

所谓“卷积神经网络”是模仿动物视觉系统的信息处理的“神经-中枢-大脑”工作过程，是一个不断迭代、不断抽象的过程。从原始信号，做低级抽象，逐渐向高级抽象迭代，抽象层面越高，存在的可能猜测就越少，就越利于分类。

Lee称他们二人此前从未接触过神经网络相关的工作，一路上从GitHub（社会化代码分享社区）上得到了不少帮助。他们遇到的最主要问题是如何让机器人的判断拥有足够的准确度，随后这个问题变成如何为神经网络添加更多病例图像，让其学习并得出改进结果。

“我花了超过3个月的全部业余时间制作出该软件，”Lee还表示，该类软件的出现意味着即便是数据背景出身的专家也能解决医学上的难题。

本次比赛由硅谷一家名为Kaggle的数据科学平台主办，Lee和Liu从993只队伍中脱颖而出，赢得了总计12.5万美元的奖金。Kaggle每年出面为替大型企业举办超过50场比赛，其CEO Anthony Goldbloom称这次比赛是其举办过最难的一次，不过比起奖金，赢得比赛后在业内获得的名声会更加重要。

深度学习这一概念最近因为谷歌AlphaGo机器人战胜李世乭九段而被普罗大众所熟知。除了下棋，实际上深度学习已经引申出了很多具有实际意义的应用，比如识别某一个图片中是否有癌细胞，某一个铁路沿线上的轨道是否存在磨损，甚至军事作战中，对方的视线中是否有坦克，都可以通过深度学习实现。谷歌的自动驾驶，其中很重要的就是识别道路、交通信号灯、路标等，这都是通过深度学习获得。