**是的**，智慧医学是正规期刊。它是一本由国家新闻出版广电总局批准并备案的国家级医学综合类专业学术理论期刊，主要栏目包括综述论著、临床医学、护理康复、病例报告、药物药学、仪器设备、影像检验、健康教育、医药资讯等。
不是。国家新闻出版总署上只能查到《智慧医学（英文）》这本刊物，没有《智慧医学》这本刊物，二者看似一样，实则差距很大，《智慧医学（英文）》不能缩写为《智慧医学》。其刊名和其在总署注册的语言说明这本期刊从始至终就为全英文出版。正刊在万方是能查询到的。
刊名：智慧健康主办：工业和信息化部电子科学技术情报研究所主管：华人民共和国工业和信息化部主管国内刊号：CN 10-1365/TN国际刊号：ISSN 2096-1219《智慧健康》期刊简介《智慧健康》杂志是经国家新闻出版总署批准，中华人民共和国工业和信息化部主管主办, 面向国内外公开发行的"国家级医学类学术期刊"。国内统一刊号：CN 10-1365/TN，国际标准刊号：ISSN 2096-1219，邮发代号： 82-622。主要栏目有：专题专栏，智能医疗，研究论著，数字医学，质量控制，健康管理，医学工程，综述等。《智慧健康》期刊办刊宗旨本刊面向医疗科技人员和高等院校师生，报道国内外健康工程领域领先的科技成果与新理论、新方法、新技术、新发现以及健康工程学新进展，开展学术交流，推动健康科技成果的转化与应用，促进我国智慧健康学科的发展。其读者对象为高等院校相关专家学者、科研工作者、医疗卫生机构科研人员、医学工程科人员、技术研发人员、医疗管理人员等。力争打造成传播健康医学工程领域一流学术研究成果和受专业读者认可及喜欢的业界期刊。
作为计算机科学一个分支，人工智能已经融入到我们生活中各个领域。比如华为智能系统的语音系统小艺、小米智能系统的人工智能小爱，这些都属于人工智能的语言识别。而在更多领域，人工智能将会越发发挥更多的用处。如无人工厂、智能家居和智慧汽车都依托于人工智能。这个领域涵盖范围非常广泛，包括机器人、语言识别、图像识别、自然语言处理和专家系统等。未来人工智能带来的科技产品，将会是人类智慧的结晶。它将会对人类的意识、思维进行读取模拟。并通过计算机进行更高、更快捷的运算，超过人类的智能。正是基于以上新加坡双语出版社出版的Artificial Intelligence Advances（中文名《人工智能发展》）应运而生。旨在通过发表原创文章、案例研究和综合评述，探索该领域的创新方法、理论和研究。本期刊的论文范围包括但不限于：规划和行动理论、启发式搜索、高级计算机视觉、多Agent系统、机器学习、智能机器人、知识表示、智能接口、人工智能的认知方面、常识推理、人工智能与哲学、自动推理与接口、不确定性下的推理。人工智能是一项新的领域，双语出版社为了让Artificial Intelligence Advances这本期刊更专业、更科学，网罗该领域众多人才。总编辑Sergey Victor ovich Ulyanov博士正是该领域的佼佼者，他任职于俄罗斯联邦杜布纳国立大学。于1971年毕业于莫斯科工业大学，主修“机电工程和自动化控制系统”。1974年，中央建筑工程学院(莫斯科)获得“地震激励下建筑动力”专业博士学位。1992年，他在莫斯科物理技术问题研究所获得“量子与相对论动态智能控制系统”的物理与数学科学博士学位。对复杂机械系统具有时变随机(变量)结构的人工智能控制系统、用于机器人的智能工具箱、模糊明智控制、模糊控制器的SW/HW、智能机械学、生物医学工程、量子和相对论控制系统、知识提取的量子热力学、软计算、量子算法和量子软计算、人工智能和认知机器人。出版期刊65余本，论文250余篇。除此之外，Artificial Intelligence Advances期刊的副编辑及编委会成员亦是享誉业内的专业人士，如：重庆大学李柳博士；中国CETC第54研究所的王新华先生；美国加州大学戴维斯分校的BenyaminAhmadnia博士；巴西航天技术研究所-ITA的Luiz Carlos Sandoval Góes教授。正是得益于这些人员的努力，Artificial Intelligence Advances已被众多数据库收录。
《Review of Artificial Intelligence》是人工智能方面的一本英文期刊
以医学为载体的人工智能论文可以投计算机期刊。计算机领域的期刊对于以医学为载体的人工智能论文也会有一定的接受度，而且随着人工智能技术在医学领域的应用逐渐普及，越来越多的计算机期刊也开始关注医学方面的人工智能研究。
1.数据
医疗人工智能系统需要医疗大数据作为基础，通过机器学习等技术形成一定的智能，用来提供辅助诊断和辅助治疗的功能。
医疗大数据主要包括医学教科书、病历尤其是针对某类疾病的病历、数字化医疗影像、学术论文等。
对于医学影像人工智能系统来说，则是需要数字化影像数据，包括CT、MRI、超声、病理等影像数据，作为机器学习的原料。
因为病历数据、数字化医疗影像数据等属于医院的知识财产，所以人工智能系统的知识产权归属原则和管理方法，需要在实践中不断探索。
2.深度学习算法模型
除了处理数据之外，选用或开发深度学习的模型算法也是发展过程中的一大挑战。
目前深度学习的算法很多，但是这些算法很难直接应用，而是需要做一定的改进开发，然后应用到数据训练中，并在训练中不断的改进和完善，才能使算法模型越来越精确。
所以，选择合适的算法或者开发算法、以及建立算法调整和改进的平台系统，这是人工智能系统成功的要素之一。
3.人工智能平台的计算能力
构建一个算力强大的计算平台是人工智能开发成功的根本要素之一。因为深度学习中需要非常巨大数量的数据输入给训练模型，训练模型则需要进行巨大规模的运算来训练模型使其具有智能，所以人工智能平台的计算能力(算力)是其成功的一个关键要素。
目前，人工智能计算平台主要使用GPU芯片，医学影像人工智能系统更是依赖于GPU来进行训练和学习。也有一些AI系统使用CPU、FPGA、高性能处理器(TPU)等芯片。
以医学为载体的人工智能论文可以投计算机期刊。计算机领域的期刊对于以医学为载体的人工智能论文也会有一定的接受度，而且随着人工智能技术在医学领域的应用逐渐普及，越来越多的计算机期刊也开始关注医学方面的人工智能研究。
概要：从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发。从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发；从未来8-10年的长期来看，部分感知智能如：远程医疗和医疗机器人、认知智能的智能决策和智能诊断将迎来爆发。一、人工智能在医疗行业的主要应用领域人工智能的优点是高效计算与精准分析，因而它可以有效解决医疗的行业痛点，给医疗行业多个领域的发展带来机会，我们认为人工智能在医疗行业主要的应用领域有：（1）基因测序；（2）药物发现；（3）医疗智能语音；（4）医疗智能视觉；（5）医疗机器人；（6）可穿戴医疗设备；（7）远程医疗；（8）医疗智能决策；（9）智能诊断等。二、医疗行业生态链以病人的需求为核心病人为整个医疗生态链诊疗的出发点和落脚点。智能医疗产生态链应该紧紧围绕病人展开，从和人的交互角度来看，其主要由云和端构成，其中，云是医疗生态链的顶层环节，是为了解决医疗信息的存储汇总管理、发掘与决策的云端应用层，如谷歌的医疗大脑，它一般是不和人们直接接触；端是医疗行业的落地点，是智能医疗设备和人的交互环节，是获取与反馈病人信息、检测与治疗的设备终端，如核磁共振检测仪、手术机器人等均属于端的范围，医疗生态链的端作为人机交互的终端设备拥有着最广阔的市场空间，其未来的演化路径是便捷化、实时化、智能化。三、人工智能颠覆医疗行业生态链我们认为，人工智能对医疗行业的颠覆是全方位的。首先，颠覆传统的药企，颠覆传统药企主要体现在药物发现环节，可以提供精准化、个性化药品；其次，颠覆传统的医院，颠覆的路径是促使传统医院从固定到移动、从近程到远程；再者，颠覆医生的诊断方式，促使医生从繁琐的事物中解脱出来，转变成诊疗规则的制定者和诊疗过程的监督者；最后，颠覆病人的看病方式，病人将逐步实现足不出户得到精准的、个性化的解决方案，从而拥有更好的治疗体验。四、智能医疗行业发展逻辑我们认为智能医疗行业的爆发顺序应为计算智能→感知智能→认知智能，但这三者的发展并不是严格的先后顺序关系，医疗生态链三个智能的融合与协同并进。从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发；从未来8-10年的长期来看，部分感知智能如远程医疗和医疗机器人、认知智能的智能决策和智能诊断将迎来爆发。五、主要结论我们认为人工智能在医疗行业诸多领域将迎来爆发。其中，人工智能的云端将以医疗信息存储管理和医疗数据挖掘决策的方式同医疗行业深度融合，它是是整个生态链的顶层，是为了解决医疗信息的存储汇总、大数据挖掘、信息管理与决策等的网络应用层。人工智能的端部分是智能设备终端，它通过人机交互的方式参与疾病诊断治疗的方式融入医疗行业，一方面，有些智能终端通过其内部集成的各种智能传感器来实时获取病人的医疗信息作为医疗检测的判断基础；另一方面，有些智能设备终端是帮助治疗的机器人，可以根据病人的信息提供更精准的、个性化的治疗；最后，有些设备终端主要起到辅助作用，可以辅助、医生、病人等，可以帮助医院及医生辅助治疗又可以辅助病人如：帮助老人活动、助听、助视等。对人工智能按不同医疗领域的应用可阶段性划分为初级计算智能、中级感知智能、和高级认知智能三个阶段。从中期来看，我们认为，未来5-7年计算智能将迎来全面发展：随着大数据、云计算的发展，人工智能在计算领域的计算智能可以依靠云计算对大数据的高效分析与智能计算，布局计算智能的国内外公司非常多，已经形成小部分商业功能。在感知智能领域，以Intuitive Surgical为牵头的机器间接感知治疗已经形成小范围商业化；此外，众多科技巨头纷纷布局的智能语音、智能视觉等已经崭露头角，我们认为，未来5-7年初级感知智能中的医疗智能语音、医疗智能视觉和可穿戴医疗设备等将迎来飞速发展。
5个月前 - ()答案:正确问题:人工智能在医学影响分析方面,可以起到计算机辅助诊断的作用,进行病灶检测、病灶量化诊断、进行治疗决策等.()答案:正确问题:医疗健康领域,...
1半导体学报 2北京体育大学学报 3材料研究学报（材料科学进展） 4财贸经济 5地球科学 6大学图书馆学报 7低温工程 8低温物理学报 9地质学报 10地球物理学报 11地震学报 12地质科学 13电子科学学刊 14电工技术学报 15电子学报 16电信科学 17动力工程 18动物学报 19法学研究 20分析化学 21复合材料学报 22钢铁 23高等工程教育研究 24高分子学报（中英） 25高能物理与核物理 26高等学校化工学报 27高等学校化学学报 28国际问题研究 29光电工程 30工程热物理学报 31固体力学学报 32管理世界 33国际贸易 34光学学报 35光子学报 36硅酸盐学报 37航空学报 38环境科学学报 39海洋学报 40海洋与湖沼 41化学学报 42红外与毫米波学报 43化工学报（中英） 44化学物理学报 45会计研究 46计量学报 47经济研究 48机械工程学报 49计算力学学报（计算结构力学及其应用） 50计算机辅助设计与图形学学报 51计算机科学与技术学报（英文版） 52教育研究（中央教育研究所） 53计算机研究与发展 54计算机学报 55计算数学 56建筑结构学报 57金属学报 58近代史研究 59金融研究 60建筑学报 61经济理论与经济管理 62科学学研究 63科学通报 64科研管理 65矿物学报 66空气动力学学报 67控制理论与应用 68历史研究 69力学学报 70马克思主义研究 71模式识别与人工智能 72煤炭学报 73磨擦学学报 74内燃机学报 75内燃机工程 76汽车工程 77情报学报 78软件学报 79热力发电 80燃料化学学报 81日语学习与研究 82社会学研究 83社会科学战线 84水力发电学报 85声学学报 86生物化学与生物物理学报 87生物工程学报 88生物化学杂志 89生物物理学报 90生理学报 91实验生物学报 92数量经济技术经济研究 93世界经济 94世界历史 95世界宗教研究 96水利学报 97石油学报 98数学年刊（A、B辑） 99数学学报 100数学进展 101太阳能学报 102体育科学 103天文学报 104通信学报 105土木工程学报 106外国文学研究 107外国语 108外语界 109外国文学评论 110外语教学与研究 111文学评论 112文艺理论研究 113文艺研究 114文艺遗产 115物理学报 116物理化学学报 117微波学报 118微生物学报 119无机化学学报 120无机材料学报 121现代外语 122系统工程理论与实践 123细胞生物学杂志 124心理学报 125学术月刊 126应用数学学报 127仪器仪表学报 128遗传学报 129有机化学 130岩土工程学报 131哲学研究 132自动化学报 133振动工程学报 134植物学报 135自然科学进展 136真空科学与技术学报 137中国物理快报（英文版） 138植物生态学报（植物生态学与地植物学报） 139新华文献收录主要内容的文章 140中国高教研究 141中国电机工程学报 142中国法学 143中国翻译 144中国机械工程 145中国工业经济研究 146中国公路学报 147中国环境科学 148中国农村经济 149中国激光 150中国科学（A~E辑） 151中国劳动学 152中国体育科技 153中国社会科学 154中国生物医学工程学报 155中共党史研究 156中国史研究 157中国有色金属学报 158中国图书馆学报 159政治学研究 160中国音乐 161中华医学杂志（中英） 162中国语文 163中华放射学杂志 164中华心血管病杂志 165自然辩证法研究 166中央音乐学院学报可以自己看着找需要的文章
国家一级医学刊物中没有医学院的院刊。国家一级医学刊物有以下：
1、中华血液学杂志
《中华血液学杂志》是中华医学会主办的血液学专业综合性学术期刊。主要报道血液学与输血等方面的研究成果、新技术、新经验，包括血液学基础理论研究、血液病临床病理、输血血液制品、代血液研制及临床应用等方面。
2、中华消化杂志
中华消化杂志是由中国科学技术协会主管、中华医学会主办的全国性的消化专业医学学术期刊。1981创刊，规格为国际通用的大16开本，月刊。
3、中华泌尿外科杂志
《中华泌尿外科杂志》是由中国科协主管、中华医学会主办的高级专业性学术期刊，读者对象为从事泌尿外科临床及基础研究工作的中高级医学科学工作者。主要报道泌尿外科领域的科研成果和临床诊疗经验，以及对临床工作有指导意义且与泌尿外科临床密切相关的基础研究。
4、中华麻醉学杂志
《中华麻醉学杂志》1981年创刊，为中华医学会主办的麻醉学专业学术期刊，以广大麻醉学专业人员为主要读者对象。中华麻醉学杂志报道麻醉学领域领先的研究成果和临床经验，以及对麻醉科临床有指导作用、且与麻醉科临床密切结合的基础医学研究。
5、中华显微外科杂志
《中华显微外科杂志》为我国显微外科专业性刊物，是中华医学会显微外科学分会的专业性的学术性期刊。前身为《显微外科》，1985年更名为《显微医学杂志》,1986年改为现刊名。以坚持党的基本路线，坚持四项基本原则，认真贯彻执行国家有关科技出版的政策、法令；遵守科技道德和编辑道德，严守国家机密，重视知识产权保护为办刊方针。
参考资料：百度百科-中华显微外科杂志
百度百科-中华麻醉学杂志
百度百科-中华泌尿外科杂志
百度百科-中华消化杂志
百度百科-中华血液学杂志
张康。2021年4月15日，澳门科技大学医学院张康讲座教授作为主要通讯作者，参与并联合多个单位在人工智能诊断新冠肺炎研究上再创佳绩。张康，医学博士，遗传学博士，现任澳门科技大学医学院教授和科大医院眼科临床医生。张康教授在四川大学获得生物化学学士学位后赴美，成为新中国成立以来哈佛大学和麻省理工学院第一个来自中国大陆3个博士学位获得者（医学博士：哈佛大学和麻省理工学院。遗传学博士：哈佛大学），也是美国约翰霍普金斯大学威尔马眼科中心第一个来自新中国的眼科住院医生。
医学期刊常规来说只分为 SCI 核心期刊 和普通期刊但是有一些省份会自己把期刊划分为一类二类三类，比如浙江省一类期刊是国家级的核心期刊，二类的是除国家级核心期刊之外的其它核心期刊，三类的就是普通期刊。还有河南、陕西、四川 等地也把期刊分为A类B类或者一类二类也有的是一类为中文核心或者中华牌，二类为科技核心
以下是一些人工智能领域的期刊排名 (按字母顺序排列):
1. IEEE Transactions on 人工智能 (IEEE Transactions on Artificial Intelligence) 2. ACM Transactions on Computer Systems(ACM Transactions on Computer Systems) 3. Neural Processing Letters(Neural Processing Letters) 4. Journal of Artificial Intelligence Research(Journal of Artificial Intelligence Research) 5. Journal of Machine Learning Research(Journal of Machine Learning Research) 6. Information Processing Letters(Information Processing Letters) 7. Journal of Artificial Intelligence(Journal of Artificial Intelligence) 8. Machine Learning(Machine Learning) 9. Journal of Computer Science and Technology(Journal of Computer Science and Technology) 10. Journal of Neural Engineering(Journal of Neural Engineering)
近日，广州市妇女儿童医疗中心基于深度学习开发出一个能诊断眼病和肺炎两大类疾病的人工智能系统，这项研究成果以封面文章登上了2月23日的世界顶级期刊《细胞》。
这项人工智能成果能够根据影像资料，给医生提出诊断建议，并解释判断的依据。比对实验发现，该系统在诊断眼疾时的准确率达；在区分肺炎和健康状态时准确率达，这种水平足以与有十几年经验的专家医生相媲美。
本领有多大
精准用药，秒级判定
肺炎是全世界儿童因感染导致死亡的首要原因。从一张胸部CT上找到肺结节，一名经过训练的医生平均需要3—5分钟，而依靠人工智能则仅需要3—5秒。
这就是由张康教授领衔的广州市妇女儿童医疗中心和加州大学圣地亚哥分校课题组研发的人工智能平台。
不光是快，更重要的是准。决定肺炎预后的关键因素是能否根据肺炎的病原学类型精准用药。传统的基于血培养、痰培养、生化检测等方法，很难快速准确判断。而人工智能平台则可以基于儿童胸部X线片实现儿童肺炎病原学类型的秒级准确判定。
这就实现了用人工智能精确指导抗生素的合理使用，而且该平台可以不受医院级别和区域的限制，实现社区医疗、家庭医生、专科医院的广覆盖，为肺炎这一抗菌素滥用重灾区提供精准用药方案，避免抗菌素滥用，促进儿童重症肺炎康复。
人工智能平台具有重要的临床意义，人们期待效率更高、精准度好的人工智能成为医生的好帮手。在诊前疾病的筛查、预防，就诊时医疗图像辅助诊断、检验结果分析、手术辅助以及就诊后的医疗随访、慢性病监测、康复协助、健康管理等方面，人工智能都将有所作为。甚至会为基础科研辅助、药物研发、基因筛选分析、医疗培训等带来改变。
“现在我们的人工智能平台可以不受人员不受区域的限制，在世界任何地方让更多的患者早发现、早诊断、早治疗。”2016年加入广州市妇女儿童医疗中心基因检测中心的加州大学圣地亚哥分校Shiley眼科研究所教授张康说。
值得信任吗
准确度高，过程可见
有人说，人工智能看病靠谱吗？把身家性命交给机器人，放心吗？
研究团队从黄斑变性和糖尿病视网膜黄斑水肿这两种疾病切入，让这一人工智能系统不停地学习眼部光学相干断层扫描图像。在学习了超过20万病例的图像数据后，该平台诊断黄斑变性、黄斑水肿的准确性达到，灵敏性达到。与5名眼科医生诊断结果相比，确认平台可以达到训练有素的眼科医生的水平，并在30秒内决定病人是否应该接受治疗。
记者了解到，这套人工智能系统具有深度学习能力。人们所熟知的AlphaGo、自动驾驶等应用，都是基于深度学习技术开发的。
在此项研发过程中，课题组应用了基于迁移学习模型的新算法，既大幅提升了人工智能的学习效率，又有利于实现“一个系统解决多种疾病”的目标。
“传统的深度学习模型一般需要上百万的高质量同类型的标注数据才能获得较为稳定和精确的输出结果，但现实中给每种疾病都收集上百万张高质量的标注图像几乎是不可能实现的，使得人工智能在医学影像学领域的病种广覆盖很难实现。”张康介绍。所以，目前已有的医疗人工智能一般一个系统只能针对一种疾病。
相对而言，这项基于迁移学习模型的人工智能平台所需的数据量极少，研究者只需要几千张就可以很好地完成一次跨病种迁移。
例如，在本研究中，课题组在20万张眼部图像数据训练出来的人工智能系统基础上，只用了5000张胸部X线图像，就通过迁移学习构建出肺炎的人工智能图像诊断系统，实现了儿童肺炎病原学类型的差异性分析和秒级判定。经检测，它在区分肺炎和健康状态时，准确性达到，灵敏性达到；在区分细菌性肺炎和病毒性肺炎上，准确性达到，灵敏性达到。
此外，以往单纯依靠深度学习技术的研究和产品，给出的报告中只有结果，而没有列出判断的理由与过程，这种“黑箱子”式的诊断，即便精准度很高，医生也不敢妄加使用。而这一人工智能平台一定程度上克服了这种局限性，让人“知其然，还知其所以然”。
课题组使用了遮挡测试的思维，通过反复学习、实践和改进，平台可以显示它从图像的哪个区域得出诊断结果，在一定程度上给出了判断理由，从而使其本身更有可信度。
前景有几何
系统评估，辅助决策
人工智能诊断起疾病来如此高效，机器人医生离我们的生活还有多远？
张康说，目前他们的人工智能系统已经在美国和拉丁美洲眼科诊所进行小规模临床试用。此外，在后续的研究中，他们还会进一步增加数据学习模本的数量，同时增加可诊断的疾病种类，并进一步优化系统等。
早在2015年，广州市妇女儿童医疗中心基于医疗大数据，融合人工智能前沿技术，启动了“咪姆熊”智能家族研发项目。
“这个家族成员有四头熊，发热熊、影像熊、导诊熊、营养熊。”该院临床数据中心主任梁会营介绍，“发热熊”以儿童常见的发热相关疾病为研究内容，基于权威指南、专家共识、200余万份的海量病历等知识型文本，融合多源异构数据整合技术、自然语言处理技术和机器学习算法，经过一年的训练，已经能够成功针对24种儿童常见发热相关疾病开展准确的辅助诊断，通过无缝嵌入电子病历系统成为门诊医生的贴心助手。
而影像熊基于“胸部X线片+微生物培养检测大数据”，采用深度学习算法，可智能识别肺炎的微生物感染状况（细菌性、病毒性、混合感染性），为抗菌素的精准应用提供决策支持，目前已实际应用到医生的辅助诊断。其实践中形成的数据和技术，成为人工智能系统科研成果的重要基础和组成部分。
另外两头“熊”也在茁壮成长中，不久的将来可望和公众见面。
此次发表在《细胞》杂志上的医学人工智能研究成果，被广州市妇女儿童医疗中心当做一个新的起点。中心主任、院长夏慧敏表示，“人工智能平台的终极目标，是整合文本型病历数据、全结构化实验室检查数据、图像数据、光电信号等多媒介数据，模拟临床医生对患者病情进行系统评估，为医务人员提供综合的辅助决策。而不仅仅是为影像科医生或某一医技科人员提供单一方面的辅助决策。”
“因此，该平台还在不断强化当中。”夏慧敏举例说，例如在儿童肺炎病原学类型智能判别领域，团队正在系统阅读X线片的基础上，增加了实验室检查和临床症状的学习，从而更精确判断出儿童肺炎的病原菌类型。
“希望在不久的将来，这项技术能应用到初级保健、社区医疗、家庭医生、专科医院等等，形成大范围的自动化分诊系统。”夏慧敏说。
链接
这套人工智能咋这么“聪明”
这套人工智能采用了迁移学习算法，就是把已训练好的模型参数迁移到新的模型来帮助新模型训练，也就是运用已有的知识来学习新的知识，找到已有知识和新知识之间的相似性，用成语来说就是“举一反三”。
比如，已经学会下围棋，就可以类比着来学习象棋；会打篮球，就可以类比着来学习排球；已经会中文，就可以类比着来学习英语、日语等等。如何合理地寻找不同模型之间的共性，进而利用这个桥梁来帮助学习新知识，就是“迁移学习”的核心。迁移学习被认为是一种高效的技术，尤其是面临相对有限的训练数据时。
以医学图像学习为例，该系统会识别预系统中图像的特点，研究人员再继续导入含有第一层图像相似参数和结构的网络系统，最终构建出终极层级。