问题

Can AI replace a doctor?

AI可以代替医生吗？

上一代ai医生

提到AI医生，必须要说IBM的Watson，这是很多ai教科书中都会说的。

2011 年， IBM 的认知计算系统 Watson 在问答节目中首次击败了人类，斩获冠军。第二天，IBM 就宣布了 Watson 新的职业方向：成为一名人工智能医生。之后，IBM 已开展了多项计划以开发新的人工智能医疗工具，但成功的案例还很少。

watson的医生是老一代ai引擎，具体是规则+推理的方式，而不是后来的黑箱模型（围棋的alphoaGo的深度学习模式）。

上一代ai医生非常依赖于经验，比如文献和大量医生的实践经验，这一方式可以便于开展推理，但是有一个重大的缺陷：已有的知识会变成负担，在生物/dna技术的辅助下，医学技术的进步突飞猛进，这样的知识系统需要非常专业的人去更新，维护。

更何况ai医生本身要承担比人类还要苛刻的要求（与智能驾驶一样），显然不会太顺利。

“新一代”ai医生

特指alphago及其深度学习技术带来的这一波ai热潮中的ai医生技术。

深度学习技术，事实上还是需要经验，只不过经验变成了隐含表达。由于这一波深度学习技术更多的是针对图像或二维数据，其代表技术也成为了“看片”。

片是指二维图像数据。无论是病理切片，还是肺部的ct，还是什么造影技术出来的图像，都可以用经验数据来训练。而且只要数据足够丰富，总能训练出一个理想的专科医生。就不一一举例了，网上到处是新闻，几个巨头也都涉足。

问题也出在“专科”二字。

ai医生的局限

alphago为什么能成功，是因为围棋规则的简单。

从肺部ct看肿瘤为什么成功率很高，因为肿瘤的图形模式也不复杂。

总之，只要规则明确，数据足够，那深度学习总是可以的。

没有什么大道理能强过一个例子：如果把训练好看肺癌的程序，来诊断肺炎，则这个人工智能的肺癌医生将是完全懵圈，一点也不会，需要再从头开始训练。而一个训练有素的医生则不需要。

深度学习为基础的人工智能医生，本质上与上一代一样，依赖于历史经验，自身没有创新能力。

ai医生的局限，其实是ai的局限。

深度学习=高级计算器

alpha的系列智能里，下围棋的不能玩游戏、看ct，其实只当于高级计算器。

十几块钱的计算器其实早就战胜了人类，他们在局部能赢过人类也不用惊慌。

深度学习ai对复杂问题并没有解决能力，只能在较为成熟的专科领域替代一部分人工。

ai医生也是。

上帝：你怎么变成了科技悲观主义？

云智熵：我为人类走错了路还沾沾自喜而悲哀。