基于小数据的人工智能应用（一次性学习的医学应用）//混沌人工智能

人工智能的两个不同的技术应用成果：一个是基于大数据的深度学习和增强学习方法，另一个是基于小数据的一次学习方法，我们也称个案学习方法，两种方法各有特色和应用场景。其实，从机器学习专业角度来讲，深度学习和增强学习以及一次学习都不是开创性的新方法，很早以前机器学习就有了类似的技术，只不过现在拥有了大数据，并且技术又有了新的发展，也取得了更良好的应用成果。深度学习是源于传统的神经网络技术，增强学习也是借鉴于早有的有关优化策略学习的一种奖惩学习技术，一次学习方法来源于早期基于个案的一次性学习方法。
一次性学习的医学应用:
一次性学习的三个核心原则：
1).组合性(Compositionality):由更简单的基本单元构建而成。
2）因果性(Causality):字符生成的抽象的因果结构。
3）学会学习(Learning To Learn)：过去的概念知识有助于学习新的概念。
这三个原则在人工智能中是很有价值的。例如基于灰色系统模型的算法可以开展基于小数据的医学数据预测，基于案例学习的一次性学习算法可以‘一次性’地学习基于案例的某些疾病的主要特征，甚至可以主动描述出与该疾病类似的其他主要特征等。

‘智能医学诊断系统’属于弱人工智能的应用；我们前瞻性地探讨一些人工智能的深度应用，或者说接近强人工智能的应用，即混沌人工智能。所谓混沌人工智能，是基于混沌系统的模拟人类大脑智能的应用，它是一种高级的人工智能技术。