獲取高品質(zhì)、可用資料是影響人工智能發(fā)展的一個重要因素。即使人工智能正享受著聚光燈下的時刻，大數(shù)據(jù)領域內(nèi)的創(chuàng)新對人工智能技術(shù)的持續(xù)發(fā)展變得比以往更加重要。 第三階段人工智能中的資料完整性 　　人工智能發(fā)展的歷程可以分為三個階段。第一階段人工智能的特點是優(yōu)化和知識工程程式，它幫現(xiàn)實世界的問題找到了有效的解決方案。第二階段人工智能的特點是機器學習程式，立基于統(tǒng)計概率的自動模式識別。現(xiàn)在，我們已經(jīng)進入了人工智能的第三階段：假設生成程式，或稱上下文正常化。第三階段人工智能程式有能力檢查巨大的資料集，識別統(tǒng)計模式，并創(chuàng)建解釋模式存在的演算法。 　　近年來，人工智能專案在復雜資料集的分析能力上有了長足的進步，并產(chǎn)生了新的洞察力--甚至是那些跳脫人類分析家的洞察力。當IBM機器人「華生」（Watson）在美國電視益智問答節(jié)目「Jeopardy！」擊敗人類競爭者時，它使用了先進的自然語言處理和廣泛的常識。 　　制藥公司，如嬌生公司和默克藥廠已經(jīng)開始投資在類似于第三階段的AI技術(shù)，以獲得超越競爭對手的優(yōu)勢。制藥公司采用這種技術(shù)已有重大發(fā)現(xiàn)，如雷諾氏病患與魚油之間的關系。人工智能還有可能透過減少昂貴和耗時的錯誤，戲劇化地加速藥物開發(fā)過程。 　　當然，AI也遭受了幾次高度公開的失敗。許多這些失敗的原因，如IBM「華生」和休斯敦安德森癌癥研究中心（MD Anderson Cancer Center），在人工智能領域是一個相當突出的問題：資料集的完整性。在華生的案例中，當安德森癌癥研究中心改變其電子病歷軟體系統(tǒng)，華生就無法與新資料庫互動，需要額外整合才有辦法運作。 　　全要靠資料 　　如果不能獲取可進行分析和產(chǎn)生洞察力所需的資料，那么無論人工智能和機器學習演算法再怎么進步也是于事無補的。 　　由于生物資料集的深度、密度和多樣性等因素，使得生命科學資料集是眾所周知的不足且難以處理。因此，生物研究在很大程度上須依賴手工策劃的資料集，必須創(chuàng)建和清理，以測試人工設想的假說。在這一高度手動的過程中所涉及的工作提高了研究成本和生物醫(yī)學產(chǎn)品的成本，如疫苗和生物技術(shù)。這一過程的耗時性意味著在學術(shù)期刊上發(fā)表結(jié)論時它們可能已經(jīng)過時了。 　 　在這種緩慢、低效和容易出錯的方式下創(chuàng)建和分析生物資料集，研究人員無意中造成了一個巨大的問題，即出版物的偏差和醫(yī)學資料的不精確性。 　 　有偏見和有缺陷的資料集是第一和第二階段AI程式的一個問題，但是第三階段AI軟體受這些限制的影響最大。例如，在醫(yī)學術(shù)語中縮寫的問題。一個縮寫經(jīng)常有各種各樣的意思-Ca，根據(jù)它的上下文，可能意味癌癥或鈣。第三階段AI程式依賴復雜的上下文資訊來執(zhí)行，而雜亂的、手工策劃的資料集降低了這些程式的有效性。 　　資料的改變 　　美國國會甫于今年(2009年)2月所通過的「經(jīng)濟與臨床健康資訊科技法」(The Health Information Technology for Economic and Clinical Health Act, HITECH)開創(chuàng)了無處不在的電子病歷系統(tǒng)的時代。因此，現(xiàn)在有了豐富的資料集，包含即時、全面的生物資訊。這些新的資料集正在與生物專利、臨床試驗、立法機構(gòu)、學術(shù)論文以及創(chuàng)新生態(tài)系統(tǒng)中的其他來源一起結(jié)合，以創(chuàng)造復雜的生物資料池。 　　直到最近，由于人類在很大程度上的努力清理和組織資料使得這種大量的非結(jié)構(gòu)化資料才對計算程式有用。但現(xiàn)在，AI現(xiàn)在已經(jīng)進步到足以使用先進的演算法分析異構(gòu)資料并結(jié)合機器學習、自然語言處理和先進的文本分析。我們已經(jīng)從一個過時的、不完整的、不可獲取的資料世界進入了一個新的模式，AI可以構(gòu)造以前非結(jié)構(gòu)化的資料來進行即時分析和上下文正常化。 　　第三階段AI為我們提供了干凈、集中的資料，反映了生物系統(tǒng)的復雜性。透過分析這些資料，我們可以深入了解當前的生物醫(yī)學環(huán)境。