近（jìn）年（nián）来（lái），人工智能（néng）（AI）的飞速发展影响着人类生活（huó）的各个方面。据《科学》报道（dào），研究人（rén）员日前开发了一款（kuǎn）由AI运行的在线视觉测试（shì），可（kě）为传统眼科检（jiǎn）查升级换代。

这种测试方法得到的诊断（duàn）结果（guǒ），远比人类从19世纪开（kāi）始采用（yòng）的字母视力检查表精（jīng）确得多。线上测试设（shè）计完（wán）善（shàn）后，还可以在（zài）家追踪（zōng）眼部疾（jí）病患者（zhě）的视力情况。

美国克（kè）里格眼科研究所眼（yǎn）科专家Laura Green并未参（cān）与此项（xiàng）研究，她一直致力于如何利用科技改（gǎi）善（shàn）医疗保健。“这是一个有（yǒu）趣的想法。”她说，但这也揭示出传统（tǒng）眼科检查方法有（yǒu）多过时。

在美国，大约自1862年起，传（chuán）统眼（yǎn）科检查就开始采（cǎi）用斯内（nèi）伦视（shì）力表。一个人能看清的字母越靠下（xià）行，其视力（lì）就越好（hǎo）。

斯坦福大学计算机科学家（jiā）Chris Piech说，这种测试既快捷又易操作，但也存在问题。比如，当字母在测试（shì）者视野内变模糊时，他们会开始猜测字母，这意味着测试者每次得（dé）到的分数都（dōu）不（bú）同（tóng）。

Piech对斯（sī）内（nèi）伦（lún）视力表并不陌生。10岁时，医生（shēng）诊断（duàn）他患有（yǒu）慢（màn）性葡萄膜（mó）炎（又称（chēng）色（sè）素膜炎，是（shì）眼部虹膜、睫状体及脉络膜组织炎症的总（zǒng）称）。

“我坐在那里接受了视力测试，但很明（míng）显，检测结果（guǒ）并（bìng）不准确。”Piech说，他（tā）希（xī）望找到一（yī）种方（fāng）法消除斯内伦视（shì）力检测中的人为错误，提高其准确性。

为此（cǐ），Piech和（hé）同事开（kāi）发了一（yī）个在线测试。用户首（shǒu）先通（tōng）过（guò）将网页框调整为信用卡（kǎ）大（dà）小来校准屏幕，输入与（yǔ）屏幕的距离后，会显示一个开口方向随机的字母“E”。根据受试者的答案，该算法会通过统计数据对视（shì）力（lì）测试评分进行（háng）预（yù）测。线上测试对（duì）双眼（yǎn）各设置20个问题（tí），几分钟内可完成测试（shì）。

类（lèi）似（sì）于AI根据用户（hù）喜爱的艺术家制作播放列表（biǎo），或根据用户之（zhī）前浏览的内容推送相关广告，随着（zhe）视（shì）力测试的进行，该算（suàn）法对（duì）测试分数做（zuò）出（chū）的预测（cè）会越来越（yuè）精准（zhǔn）。

Piech研究小组本月在《AAAI人工智能会议论文（wén）集》报（bào）道称，当研究人员（yuán）用计算（suàn）机运行上述程序模拟1000个真实病人（rén）的测试后，发（fā）现诊（zhěn）断（duàn）误（wù）差比斯（sī）内伦测试降低了74%。模拟测试的工（gōng）作（zuò）从已知的精（jīng）确度（dù）评分（fèn）和人类可（kě）能犯的错误类（lèi）型（xíng）两个因素开始。然后，程序对不同的眼睛进行（háng）虚拟测试，比较它们的准（zhǔn）确性（xìng）。

研（yán）究（jiū）小（xiǎo）组用（yòng）模拟代替（tì）了实际的（de）患者，因为AI 是从“真正”的精确度开始计算的，而这对于人类（lèi）是（shì）未知的。

但是Piech表示，线上测试的研（yán）发并（bìng）不意味着它能取（qǔ）代医（yī）生诊断。

“但这绝对是有帮助的（de）。”费城眼科医生Mark Blecher说，他以前写（xiě）过比较各（gè）种眼科检测的评论文章（zhāng）。在（zài）他看（kàn）来，线（xiàn）上视力测试（shì）并不是什么新（xīn）鲜事，但巧（qiǎo）妙运用人工智能确（què）实可以（yǐ）提高检测准确性，这（zhè）值得赞扬。

Blecher说，研究人（rén）员（yuán）下一步该考虑的是用（yòng）户参加测试时（shí）的（de）情况。比如，测（cè）试者房（fáng）间（jiān）照明或屏幕亮度等因素都可（kě）能会影响测试评分（fèn）。

相关论文信（xìn）息：https://doi.org/10.1609/aaai.v34i01.5384