在Google Brain，英特尔公司和加利福尼亚大学伯克利分校之间的合作中，研究人员通过使用教学视频对机器人进行了“训练”以模仿手术过程。
加州大学伯克利分校的教授以前曾使用YouTube视频作为机器人学习各种动作(例如跳跃或跳舞)的指南，而Google训练了机器人以了解深度和动作。该团队将这些知识应用于他们的最新项目Motion2Vec，其中使用了实际手术过程的视频进行指导。在最近发布的研究论文中，研究人员概述了他们如何使用YouTube视频训练两臂的达芬奇机器人在织布机上插入针头并进行缝合。
医疗团队依靠暹罗网络，这是一种深度学习设置，其中包含两个或多个共享相同数据的网络。该系统是比较和评估数据集之间关系的最佳选择。过去已经将这样的网络用于面部检测，签名验证和语言检测。
加州大学伯克利分校实验室的负责人肯·戈德堡(Ken Goldberg)表示，YouTube是该深度学习项目的丰富教学材料来源。
他说：“ YouTube每分钟获得500个小时的新资料。这是一个令人难以置信的资源库。” “任何人都几乎可以观看这些视频中的任何一个并理解它，但是机器人目前无法—他们只是将其视为像素流。因此，这项工作的目标是尝试弄清这些像素。就是看视频，对其进行分析，然后……能够将视频分割成有意义的序列。”
对于缝合任务，该团队仅需要78个教学医学视频即可训练其AI引擎执行该过程。他们声称成功率为85%。
这意味着机器人最终可以在外科手术中承担一些更基本，重复性的任务，并允许外科医生将时间和精力集中在更严格的步骤上。
机器人会尽快替代外科医生吗？
戈德堡说：“我们还没有到那儿。” 戈德伯格说：“但是，我们正在走向的是外科医生能够监视系统的能力，以表明他们想要在哪里进行一排缝合，传达出他们希望进行六次覆膜缝合的能力。” “然后，机器人将基本上开始这样做，外科医生将能够……稍微放松一下，以便他们可以更加休息，并能够专注于手术中更复杂或更细微的部分。”
机器学习为生物技术不雅年做出了巨大贡献。AI快速处理大量数据的能力已在基于CAT扫描检测肺癌和中风风险，基于EKG和MRI图像计算出的心脏病和心脏骤停风险，从照片对皮肤病变进行分类以及检测到的迹象方面取得了进展眼部图像中的糖尿病困扰。在大流行期间，人工智能正在帮助科学家寻找可能抑制COVID-19传播的药物，并最终找到治愈方法和疫苗。
