突破技术大关，可比较人脑与机器推理进程的不同，或将用于医疗

美国科研机构突破技术大关，可比较人脑与机器推理进程的不同，还可比较模型与人类推理的匹配度，或将用于临床医疗。它就是“共享兴趣”技术。

麻省理工大学和IBM研究实验室的科研人员开创了一个新的技术。该技术通过使用多个指标来对庞大的数据进行比对，并划分为八个类别，从与人类的判断完全一致到模型做出完全错误的判断，帮助开发者自行对大量的数据进行汇总和排序，从而快速分析程序模型在数据处理中的各种异常行为。

例如，当一个图像识别程序模型对大量狗的图片进行处理时，这个模型可能会处于和人类一样的理由判断成功图片上的一只狗，也有可能基于不一样的理由做出同样的答案，还有不使用人类预设的任何狗的图像特征而做出了错误答案的可能性。这个技术通过量化所有的识别图像数据，从而让人们对这些情况进行分类，从而分析出这个程序模型在图像识别中的具体问题。

麻省理工学院和IBM研究实验室的人们将该技术称之为“共同兴趣”。他们使用了几个案例来证明“共同兴趣”对非相关人员对帮助和功用。其中最引人注目的是一个医学领域的实验。“共同兴趣”技术帮助一位皮肤科医生快速浏览了程序模型对皮肤病照片的各种判断，最终成功排除了其中因为成像的阴影而导致模型做出的错误的癌症判断。

“共同兴趣”技术在这些案例中表现出来了高效功用，使研究人员能够在平时的手动方法所需的一小段时间内分析出数千个正确和不正确的结果，但它并非没有缺点。由于该技术需要通过人类的判断来对大量大数据分析进行筛选分类，如果人类做出了错误的决定，那么“共同利益”技术得出的结论将不再具有准确性。
麻省理工学院和IBM研究实验室的科研人员们表示，他们希望将“共同兴趣”技术应用于不同类型的数据，特别是医疗记录中使用的数据，来帮助相关人员做出快速准确的判断。他们还希望使用共同利益来帮助改进计算机程序的数据模型分析技术。“共同兴趣”的研究也许激发计算机领域的新的变革，促进以对人类更有帮助的方式来改进程序学习模型行为。