提出“智能”的行为主义定义，即通过外在表现而非内在机制判 断 智能。 2. 技术目标： 1. 为早期人工智能研究提供了明确方向，例如自然语言处理和对话 系统的开发。 2. 启发了后来的聊天机器人 ( 如 ELIZA,ChatGPT) 和语言模型的 发 展。 一、人工智能发展简史了解 CDC 疾控 人 1.2 人工智能的诞生 人工智能的诞生可以追溯到 20 世纪 50 年代 可迁移性高 学习到的知识和能力可以在不同 的任务和领域中迁移和应用。这 意味着一次训练就可以将模型应 用于多种任务，无需重新训练 二、大模型：人工智能的前沿 语言生成能力 大模型可以生成更自然、更流利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 2.2 大模型的发展历程 萌芽期：模型小 ( 参数 <1 亿 ) 、任务单一、依赖人工设计规则。 突破期：标志事件是 可以更准确地解决难题，具有更广泛的常识和解决问题的能力。 2023 年 12 月，谷歌发布大模型 Gemini, 它可以同时识别文本、图像、音频、视频和代码五种类型信息，还可以 理解 并生成主流编程语言 ( 如 Python 、 Java 、 C++) 的高质量代码，并拥有全面的安全性评估。 2024 年 12 月， DeepSeek 迅速崛起，震撼全球，使得人工智能进入“普惠”时代

为整个平台范围内数据自由、可靠、可信的交换提供技术基础和保障。 特征： 4. 标准性：使用 XML 、 JSON 作为标准通信语言，制度规范交换数据模型。 5. 一致性：数据交换双方使用相同的数据内容，保证数据内容一致。 6. 异构性：跨操作系统交换数据，与编程语言无关。 7. 安全性：使用标准安全模型，保障信息安全和隐私信息。 信息平台交换层 医院信息平台门户 医务人员门户 行政管理人员门户 诊断 输入 病例信息 自然语言处理 结构化工具 辅助诊断模型 推荐诊断列表 生成模型 医疗大数据库 误诊误治样例库 鉴别诊断 一诉五史 体格检查 检验结果 检查结果 诊断 诊治情况 鉴别诊 恢复情况 症状 症状性质 症状诱因 症状部位 症状频率 伴随症状 断 持续时间 逻辑分层 特征处理 输入 病例信息 自然语言处理 SPD （ Supply

网络消防报警矩阵接口 网络适配器 网络适配器 网络适配器 地下停车场 门诊大厅 十层 远程呼叫站 . . .  在无人值守的情况下通过广播控制 中心将音频信号传输至终端并播放。  通过系统的编程功能，可业务广播 包括寻人、寻物启事，远程寻呼， 通知喊话等。  遇到消防紧急情况，可以实现紧急 广播，及时通知各个区域人员撤离 现场，保证人身财产安全 。 1.10 子母钟系统  区域：大厅、护士工作站、住院部、停车场及公共区域等  控制内容：  中央控制：在主控中心对所有公共照明回路进行监控；  定时控制：白天、傍晚、夜晚、深夜等定时控制；  现场可编程控制：通过编程的方式确定控制的单个及多个回路；  照度控制： 1 、根据室内外的照度，自动调节护士站的照明回路 2 、在走廊、输液室、候诊区等公共区域，设置多种照明场景模

子系统 可以互相联动和协调，解决全局事件之间的响应。 智能化集成系统实现集成以后，原本各自独立的子系统在集成平台的角度来看， 就如同一个系统一样，无论信息点和受控点是否在一个子系统内都可以通过编程， 建立子系统间联动关系。这种跨系统的控制流程，大大提高了各子系统的自动化水 平。例如：当建筑发生火灾报警时，建筑设备监控系统关闭相关区域的照明、电源 及空调，出入口控制系统打开房门的电磁锁，视频监控系统将火警画面切换给主管 智能化的系统，我们可采用 DIMIS 中控控制接口子系统接入， 实施集中管理和控制，指挥者或管理运维人员可通过点击触摸屏即可方便的实现对 中心内的电气设备进行的管理和控制。 中控控制系统可通过软件编程，对所有需要控制的设备进行设计与编程后，在 触摸屏上通过触摸的方式即可对设备进行智能化的管理与控制，如对所有主要设备 进行集中智能启动、调整及关闭等操作，提升了连贯性、即时性、流畅性、方便性、 高效率，极大程度 扎实。系统声音具有高保真度、清 晰、声音较硬度适中。并根据会室扩声特性一级指标要求，从系统设计入手，结合 计算机软件分析，最后设计出系统配置，以减小声能的扩散反射、声干扰、声聚焦 等声学现象对语言扩声清晰度造成的不良影响。要求所选的扬声器，既要保证有足 够的功率余量，也保证大声压的情况下极低的失真，扩声系统设计通过科学计算会 场声场面积，配合相关专业软件进行测试，整个扩声系统采用主次搭配，从前区到

、多对多的联动配置 联动条件、动作关联的系统均可 以卡片化进行拖拽和配置 无需任何编程，任意拖动子系统，设置联动条 件和动作，实现对设备的任意协同，提升整体 综合管理能力  设置参数阈值触发广播联动  设备启动 / 停止触发报警联动  门禁设备报警触发摄像机调看联动  ……. 无需任何编程，任意拖动子系统，设置 联动条件和动作，实现对设备的任意协 同，提升整体综合管理能力

）增加采集室内的温湿度、 PM2.5 、二氧化碳浓度等，自动调节室内的空气质量及实时数据显示 。 建设方案 - 智能照明系统（ 6/21 ） 02 节能控制策略 1 ）现场控制：大堂预装智能面板，通过编程预设智能面板按键所控制的回路，可一键操作。 2 ）定时控制：白天 / 傍晚 / 晚上 / 深夜等定时控制，采用隔灯方式区分照明回路，实现 1/4 、 2/4 、 3/4 、全部回路开关。 3 ）照度

预训练大模型 （学习共性） 大数据（低成本无标注） 少量特定领域标注数据 （成本高） 微调小模型 （学习特性） ⑤ 数 基 生 命 1.模型角度：模型参数不再是随机初始化，而是通过一些任务（如语言模型）进行预训练； 2.数据角度：将训练任务拆解成共性学习和特性学习两个步骤。 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu 用 ⑤ 数 基 生 命 ② 剖 析 大 模 型 ① 关 于 预 训 练  两类典型的大语言模型  BERT ： Bidirectional Encoder Representations from Transformers  双向模型，同时考虑前文和后文  采用掩码语言模型（ masked language model ）和下一句 预测任务 （ next sentence lvhairong@tsinghua.edu.cn BERT 训 练 ③ 精 准 可 解 释 ④ 医 疗 应 用 ⑤ 数 基 生 命 ② 剖 析 大 模 型 ① 关 于 预 训 练 BERT 主要采用掩码语言模型（ masked language model ，对应图 Mask LM ）和下一句预测任务（ next sentence prediction ，对应图 NSP ）进行预训练，使得模型能够学习到上下文关系和词汇语义。预训练好的

不同任务训练不同的模型，泛化 能力差 生成式 AI 2020- 硬件、算法、大数据全面突破 对话机器人 算法框架： Transformer 大规模无 监督预训练 多任务、多模态统一处理 自然语言理解、世界知识记忆、 逻辑推理 人工智能时代推动检验技术的发展 大数据 人工智能 物联网 云计算 自动化图像识别 高通量数据处理 检测智能化与自动化 个性化医疗 多指标联合分析 / 模型优化：性能最优模型进行指标优化  外部验证：独立数据进行模型验证 AI 生物标志物研究举例之自身免疫 病 AI 生物标志物科研成果的临床应 用 AI 生物标志物从 IDEA 到 APPLY 大语言模型的发展历程 Deepseek 横空出世 2023 年 7 月 DeepSeek 成立 2024 年 5 月 宣布开源第二代 MoE 大 模型 DeepSeekV2 2024 年 11 系统已接入，免输入一键结 果解读；  Deepseek 、 QWQ 多模型选择。 报告单解读 标准化操作流程查询  大语言模型专业化 （ LLMSpecialization ）；  标准化、流程化、数字 化、 AI 化。  忠于原文语义与结构；  注重语言的美学表达。 文献翻译 / 解 读  为医护打造的检验科 RAG ；  降低不合格标本比例；  医检沟通的好伙伴。

性，推动医疗服务质量的提升，保障患者的治疗安全。 1.3 AI 技术的发展及应用前景 近年来，人工智能（AI）技术在医疗行业的迅猛发展，标志着 医学服务模式的重大变革。AI 技术特别是在自然语言处理 （NLP）、图像识别、数据挖掘和机器学习等方面的飞速进步，为 医疗数据的处理和分析提供了强有力的工具。在中医院门诊病历自 动生成的应用中，AI 能够通过对症状、病历记录及临床数据的深度 大潜力。特别是在中医领域，很多实用的经验和知识系统化程度不 高，AI 可以帮助整合这些信息，使得门诊病历的生成过程更加科学 和系统。 AI 技术的应用前景广泛，尤其是在以下几个方面：  智能问诊：通过构建智能问诊系统，利用自然语言处理技术， 患者可以直接通过对话界面描述症状，系统则能根据已有病历 和知识库自动生成初步诊断，并指导患者选择合适的就医路 径。  病历文书智能生成：基于患者的信息及病历资料，AI 可以自 据训练和深度学习算法，能够在各种复杂任务中展现出强大的理解 和生成能力。其核心在于通过深度神经网络架构，尤其是 Transformer 模型，处理和分析文本、图像和音频信息。这些模型 在自然语言处理、计算机视觉以及其他领域中已经展现出超越传统 方法的性能。 以 OpenAI 的 GPT-3 和 Google 的 BERT 为代表，这些模型具 有多层次的自注意力机制，使得它们能够理解语境、生成连贯的文

科研转化体系建设”支撑高水平医院建设目标 多模态异构数据治理 • AI 技术 + 疾病知识图谱融合 • 文本数据 + 影像组学 + 生物信 息等多模态数据治理 AI 技术赋能 • NLP 自然语言处理 • 深度学习 / 机器学习 • 统计分析支持 • 工具、算法开放探索 CHIMA 提出科学问题 制定研究方案 收集数据 医生作 其他工 或科临 项设 设是假 CHIMA 医疗语言大模型——“大医” CHIMA 大医 医疗语言大模型 • 超大语言模型 • 海量医学专业训练数据 • 基于强化学习 ，可依据 人 类反馈持续优化 疾病库 医学习题 检验 数据库 医学指南 药品库 “ 大医”——基于医疗语言大模型的自动问答服务 CHIMA 体检 数据库 真实问答