16061112 徐一博
三个门后面有两个门是空的，只有一个有奖品。要求选择一个门，争取获得奖品。你选中一个门，还没有打开。然后主持人打开另外一个空的门。此时，你换另外一个门会得到更大的获胜几率么？
应该换一个门，简单分析下来，奖励在我选择的门后的概率是1/3，在另外两个门后的概率是2/3，本质上是选择一扇门和选择两扇门的区别。由于主持人知道奖励在哪扇门后，所以主持人的行为导致选择另外一扇门获奖概率为2/3。
中文房间是美国哲学家 John Searle 在1980 年提出了一个思维实验，文中假设在一个密闭的房间中，有一个完全不懂任何中文的美国人。他手上有这两样东西：
1）所有的中文字符集（数据）；
2）如何处理这些中文字符的规则书（程序）。
现在，门外有人在纸条上用中文写上一个问题，递进房间当中（输入）。房间里这个完全不懂中文的美国人，按照手头的规则书，把问题的正确回答拼凑出来后递出去（输出）。按照图灵测试的标准，房间里的人被认为具有理解中文的智能，然而，实际上他对中文一无所知。
事实上，这本书只涉及到中文翻译的语法，而非中文翻译的语义。换一种说法，这本规则书上，罗列了一切可能的中文问题，并给出了相应的中文回答，房间中的人，只需要按照对应的回答，拼凑出相应的中文字符递出去，但这个过程中，他对问题和答案是什么意思，一无所知。
显然，里面的人和工具书都并不理解中文，只是单纯的记忆了其问答方式，可以对外界的刺激做出类似智能系统的反应。那么这算是智能吗？
有一派著名的学者认为这足以形成智能，他们将房间中的人和工具书当作一个整体，认为尽管单独看来，他们都不懂得中文，但作为一个系统来看，他们可以做出与懂得中文的人相同的行为，因此可以认为他们是懂得中文的。这一派观点的人做出了一个类比：想像一下人类大脑中的神经元，单独拎出来一个神经元，它显然不理解中文，然而，人作为一个整体，是可以理解语言的。而Searle 对此的回复是：让我们更极端一点，现在房间中的这个美国人，背下来了所有的中文字符和整本规则书。现在，他离开房间出门和真正的中国人交谈。对面走来了一个人问他「你给王菊投票了吗？」，他根据大脑里内化的规则书回答「没有」。尽管他对「王菊」和「投票」是什么，一无所知。Searle 在 1984 年进一步指出，系统论一方的错误在于，误把这个问题当作整体论和还原论之争的一个分支，然而实际上，他驳斥的是单凭语法本身并不足以构建语义。
英国物理学家和数学家 Roger Penrose也在 2002 年回应过这一系列相关的观点，把「中文房间」问题扩大化到「中文体育馆（Chinese Gym）」变体。现在，让全中国所有的人，每个人模拟一个大脑中的神经元来处理信息。难道中国这个国家，或者在这个过程当中，存在着任何形式的智能吗？
那么我们从公认拥有智能的人类入手，如果我们用非生物的方式，模拟出了一个和大脑神经元一模一样工作的装置，它拥有智能吗？或者更加极端，我们把一个人大脑中的突触，一个接一个，替换成特制的晶体管，这些晶体管能十分逼真地模拟大脑突触。那么，当全部替换完成后，这个人还拥有智能吗？
看到这一步，我认为对智能的分析有两种方式，一种是从行为模式上分析，另一种是从组成模式上分析。人类智能的大部分表现形式在今天都可以被计算机所模拟的今天，我们仍然能认为计算机并不具备智能，其差距在何处？智能并不等于知识，一个显然例子就是，婴儿除了其本能之外，做不到任何事情，但我们都认为婴儿也是拥有智能的。而智能的另一个重要表现在于通用性，现在的程序大多能在一个方面做到极致，但人类却可以在所有方面经过一段时间的学习（不一定是通过程序输入等的方法灌输知识，而是通过观察来总结归纳）做出不差的表现。综上所述，我个人认为人类智能的核心表现形式在于对任何事物都有着主观的看法，并且能主观了解非形式定义的知识，并做出主观行动。
除开表现形式上分析智能，我们也可以从其组成结构上分析智能，而这个问题的核心论点在于，智能能不能被分解为非智能的单元组成，众所周知，人的大脑是由神经元组成的，每个神经元可以完成一点微小的任务，而通过大量的病例研究，已经证明了大脑各区域确实是存在分工的，类似于操作系统，每个区域有不同的功能，但是其分工有并没有那么明确，神经元之间的组成大同小异，如果一部份区域丧失，另一部分区域可以填补这个空隙，神经元之间的分工更多的和其空间位置有关，而不是其本身结构，那么我们可以认为每个神经元都存在一定的微弱智能，组合在一起才形成了大脑的整体智能。
那么无论从行为还是结构上来看，中文房间都没办法成为人类级别的智能，一是在于其对于任何事物都只能按照一定的客观规则回应，没有主观能动性，二是其结构分类太过明确，与人类的神经元相差过大。
因此，从总体上而言，我认为中文房间并没有智能，也没办法拥有人类级别的智能。
通过计算机视觉技术，用神经网络来判断胎儿b超图像的先天性遗传疾病可能，对于高危患者，可以转移至上级医院做进一步检查。
由于我国医疗资源紧缺，导致大多数孕妇都选择到大型医院进行生育，无疑增加了医生的工作负担且导致设备过度使用，实际上对于大部分情况并不需要高级别医师诊断。
而这个创意立足于对b超图像进行初步筛查，仅仅引导有可能存在先天性疾病的孕妇前往大型医院进行更高级别检查，旨在减少医生的负担，可以有更多的时间去学习和休息。
使用cnn对病例进行学习，从而达到对先天性疾病较为准确的判断率。
可以减轻我国医疗的整体负担，减轻医生加班过度的现象，优化医疗资源配置，提高对于先天性疾病的发现率。
先天性疾病诊断市场预计在几十亿的规模，目前已有数家智能医疗公司投入该市场，但都是创业公司，并没有形成很大的规模和客户忠诚度，大部分都是实验性合作。我们公司应该快速吸引投资占据市场，有了足够的数据才可以训练出更好的模型，从而拉开与竞争对手的距离。由于价格的低廉和巨大的效果，医院将来应该都会投入智能医疗的怀抱，只不过是哪家公司的区别而已。
对于医院方面，主要还是通过扩展人脉打开市场，并且需要试点医院做出不错的成绩，因为医院作为比较务实的单位，往往更信任效果和同行推荐而非宣传。每一个新的病例都是改进效果的机会。