作為ICT(信息通信技術(shù))企業(yè)，富士通為實現(xiàn)數(shù)字革新，不斷探究AI新型商業(yè)模式。作為分析儀器制造商，島津公司受客戶委托，致力于“實現(xiàn)復(fù)雜數(shù)據(jù)的高精度自動解析”。訴求一致的兩家企業(yè)自去年11月起，開始推進數(shù)據(jù)自動化解析領(lǐng)域AI的共同研究。隨著儀器靈敏度、分析速度的不斷提升，用于疾病早期發(fā)現(xiàn)的技術(shù)確立、食品農(nóng)殘檢測等各領(lǐng)域研究以及品質(zhì)管理等用途的質(zhì)譜分析儀，獲得的數(shù)據(jù)量也急劇增加。在此影響下，被稱為“peak picking ”※2的數(shù)據(jù)解析方式成為作業(yè)工程中的一大瓶頸。由于較難實現(xiàn)完全的自動化，并且在一定程度上仍需手動調(diào)整，該作業(yè)方式存在操作人員操作失誤或數(shù)據(jù)篡改的漏洞，各操作人員間的解析準確率亦參差不齊。近年，在醫(yī)療及制藥領(lǐng)域，對排除屬人為屬性的高精度自動化需求愈演愈烈。

　　為此，3家企業(yè)模仿腦神經(jīng)細胞的神經(jīng)網(wǎng)DEEP LEARNING(深度學(xué)習)的適用性開展探討，欲通過活用AI解決上述問題。但在研究過程中，遇到兩大難題：其一， 訓(xùn)練數(shù)據(jù)不充分;其二，將分析儀器輸出數(shù)據(jù)直接導(dǎo)入深度學(xué)習網(wǎng)絡(luò)后，無法開展學(xué)習訓(xùn)練。通過共同研究期間的不懈努力，島津成功開發(fā)出“可彌補訓(xùn)練數(shù)據(jù)不足的數(shù)據(jù)生成技術(shù)”，富士通、富士通研究所成功開發(fā)出“分析儀器輸出特征的圖像轉(zhuǎn)換技術(shù)”及“可學(xué)習熟練工解析訣竅的特征提取技術(shù)”。目前，已將通過上述技術(shù)生成的3萬多條訓(xùn)練數(shù)據(jù)輸入深層學(xué)習網(wǎng)，供其學(xué)習。

　　與經(jīng)驗者手動peak picking 結(jié)果比對后發(fā)現(xiàn)，AI自動peak picking 的錯誤率為7%、未檢率為9%※4。即自動peak picking 并不遜色于經(jīng)驗者操作，相關(guān)結(jié)果達到可使用狀態(tài)。

　　在島津公司2017年4月開展的中期經(jīng)營計劃中，制定了“致力先進醫(yī)療、為預(yù)防、診斷、治療以及制藥領(lǐng)域提供革新產(chǎn)品及服務(wù)”的目標。本次開發(fā)的AI，其最初使用的“代謝組學(xué)”研究即為其中的一環(huán)。代謝組學(xué)是一種檢測代謝產(chǎn)物并根據(jù)其性狀特征對細胞開展檢查的生物技術(shù)。在生理?病理組織的解析、疾病生物標志物的探索等領(lǐng)域備受矚目。

　　2015年11月，富士通將積累了超過30年的AI(人工知能)相關(guān)知識技術(shù)，以“FUJITSU Human Centric AI Zinrai”形式公開發(fā)表，積極推進面向各領(lǐng)域用戶、商品服務(wù)的AI實際應(yīng)用。目前，又在深度學(xué)習的全新領(lǐng)域聚焦“代謝組學(xué)”，積極開展可實現(xiàn)數(shù)據(jù)分析自動化的AI研發(fā)。

　　島津與富士通的目標為，2018年能將本次成功研發(fā)的AI技術(shù)導(dǎo)入質(zhì)譜分析儀器專用軟件。

　　編輯點評：島津制作所是著名的測試儀器、醫(yī)療器械及工業(yè)設(shè)備的制造廠商，始終堅持“以科學(xué)技術(shù)向社會做貢獻”，不斷鉆研領(lǐng)先時代、滿足社會需求的科學(xué)技術(shù)，開發(fā)生產(chǎn)具有高附加值的產(chǎn)品。當今世界人工智能技術(shù)發(fā)展越來越快，各國都在開展一場AI戰(zhàn)爭。相信未來人工智能在質(zhì)譜數(shù)據(jù)處理中的應(yīng)用會越來越廣泛。