一项新的调查指出，医生和人工智能专家之间的期望存在“严重分歧”。 我们已经遇到了很多次人工智能在医疗任务中与医生发生分歧，这时一个问题不可避免地浮出水面:人工智能会取代医生吗? 如果你与人工智能专家或硅谷投资者交谈，答案往往是肯定的。但是，到目前为止，没有人问过医生。 在一项针对英国初级保健医生的全国性调查中，绝大多数医生的回答是“AI不会取代医生”。 医生们十分怀疑人工智能是否能在六项主要医疗任务中取代他们，但是大多数医生都十分乐意让人工智能帮助他们处理书面任务。 大约有700名初级保健医生参与了这项调查，并在一个知名的在线医疗论坛上做了广告。 每位医生都被要求评价“人工智能的现在与未来”是否有可能在六个关键医疗任务中完全取代医生:分析病人信息以做出诊断;分析患者信息以达到预估;评估何时将病人转介给其他卫生专业人员;制定个性化的治疗方案;为病人提供共情关怀 但后一项调查的结果：人工智能可以取代预测疾病的进展，强调了一个医生和人工智能专家都认同的领域:机器学习可以胜任当今医学界根本不擅长的任务：预测疾病的发展。
人工智能（ArtificialIntelligence，AI）是人类开发出的，具有与人类似的智能的机器，也是互联网热点在近年来和医疗走得最近的一次。 3 停留在表面的 AI 诊断 AI 的诊断原理跟医生有本质区别，AI 经常只是停留在表面，而医生能够深入本质。 医生的诊断并不是基于表面的图形，图形只是疾病的一种表象。 而 AI 不能自己给自己建立新的诊断标准，更不能从新的病例中发现新的方法。 AI 的强项在于数据的收集和分析，在有足够多的医疗样本后，AI 也许会对诊疗指南有自己的看法。 但是每个医生都知道，新术式、新治疗方案、新药使用和尝试，甚至是面对新的疾病，都是临床实际工作中的一部分。在目前，推进医学进步的重任唯有人类医生可以担当。 结束语 AI，愿你在这盛世能成为一名合格的仆从，帮助医生完成一些简单重复的劳动，让我们的医生不再那么辛苦，可以有更多的时间更充沛的精力来做重要的事情、帮助更多的患者！
这个问题有两种答案： 看好AI的人会说YES，因为用不了几年AI真的会取代那些平庸的医生，会取代那些Below average（低于平均水平）的医生，但是暂时不会取代那些Above average（高于平均水平 不看好AI的保守医生会说NO，TA真的是发自内心的，天真的以为AI不会取代任何医生。其实未来最需要AI的是Below average的医生，也是最不理解和最不能接受AI的人。 AI人工智能会如何取代医生？ 人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的工作甚至是完全取代医生。 皮肤科也是好大夫网站上在线问诊收入最高的科室。 很遗憾，人工智能要来了，而且很有可能会取代很多人的工作，假以时日，皮肤科人工智能医生将会取代很多人的工作。 在宫颈细胞良恶性方面，至少80-90%的病理医生的工作可以被AI取代。
据了解，Waston虚拟助理会通过云服务对大量专业的学术资料数据进行分析，然后借助自然语言技术理解用户提出的问题，再基于之前的数据给出回答。 Waston所参考的数据来自于超过80年的历史研究知识和相关专家的指导。目前，参与测试系统问诊的患者已经超过了350名。 在此前的HIMSS17 会议上，IBM CEO Ginni Rometty 表示：“未来的医疗科技领域，认知计算将会是核心驱动力。” ? 认知计算的关键在于从大量非结构化和非确定性的信息中找到逻辑，而Waston用于学习的非结构化信息包括大量专业的文献和患者的数据。 经过自然语言处理技术对数据进行分析分类，再将合适的诊断和治疗方法匹配给用户。 对于Waston来说，它的最终目的并不是要取代医生，而是增强医生的诊断能力，用技术帮助医生和患者。
当人工智能发展到一定高度的时候，人类很可能反被机器人玩弄。看过《机械姬》的朋友还记得吧？ 他肯定了无人驾驶公交车上线的意义，认为这预示着一场颠覆性的技术革命的开始。但同时，卢驭龙也提醒人们，在科技进步的同时，不要忘记灵魂与人性的修炼。 人工智能可以取代我们的劳动，但绝不能让他们取代我们的灵魂！ 同时，卢驭龙也期待可以通过自己的努力让世界变得更加美好。这种美好不单单是物质层面的，更是精神层面的。看到近期媒体曝光的虐童事件，他非常感慨人性的复杂。他说“科技改变了我们的生活，却未能改变人性。 改良世界，不仅仅是改变我们的物质！更是改变人类的灵魂！”
这是一个有用的临床任务，它可能不会节省很多的费用，也不会在医疗自动化以后取代医生，但是它的提出有很大的人文情怀。 他们使用了13万个视网膜图像进行训练，比公开的数据集大了1到2个数量级。 数据——如何收集和处理需要的数据？数据怎么处理才能符合医学实验和监管的要求呢？我们需要深入了解医疗人工智能对大数据的要求。 结果——人工智能将战胜医生还是打成平手？他们究竟测试了什么？ 结果： 我认为这篇论文是深度学习在医学人工智能领域取得的第一大突破。机器与眼科医生拥有几乎相同的疾病判断能力，甚至可以与“中级”眼科医生进行较量，表现也相当不错。 ? 我自己的一个项目就在关注着一个不能被误解的标签——死亡率。 我认为标签的关键在于你能得到的和你所投入的东西成正比。如果你使用个别医生的标签，至少你能和这个医生一样优秀。 然而，即使人工智能可以代替医生对视网膜病变进行评估，这对医疗工作的影响还是很局限。并且，我认为视网膜病变筛查自动会很容易导致医生工作量增加，因为以前未确诊的患者现在也需要进一步地评估和治疗。
乾明 发自 凹非寺 量子位 报道 | 公众号 QbitAI “GitHub受美国贸易法的约束，就像任何在美国开展业务的公司一样。” 我们尽了最大努力只做法律要求的事情。但显然，人们还是会受到影响。GitHub受美国贸易法的约束，就像任何在美国开展业务的公司一样。 Nat Friedman的回应之中也透露出了“无奈”： 只要你在美国开展业务，就必须要遵守美国的法律。 ? 世界各地的开发者，依旧能够访问公开的repo，开源的repo不会受到影响。 ? 这些限制基于居住地和所处的地方，而不是国籍等因素。如果被“误伤”，可以填表格，几个小时内账户就能解禁。 ? 根据Hamed的说法，自己一觉醒来，突然收到一封GitHub的邮件告知他的账户将受到限制。 然后，他的个人GitHub页面被禁止，共有开源库也不能访问，备份相关资源与代码都来不及。
然而，不管你对人工智能和自动化的有多么痴迷或深信不疑，期望它在不久的将来完全取代放射科医生，但这是不现实的，我估计至少还需要十年，直到我们看到人工智能被用在日常的NHS实践中。 在这篇文章中，我将尝试解释为什么诊断放射科医生不会被取代（只要他们和能及时掌握技术）的三个主要原因，甚至讨论为什么我们需要培养更多的放射科医生。 这仅仅是对于初学者… 虽然人工智能绝对可以在这个诊断工作的每个步骤中发挥作用，甚至取代一些人，但AI（如调度）不能完全代替放射科医生。除非我们能开发出一个完整的端到端系统对整个诊断路径进行监督和控制。 这个对我们来说仍然是一个梦想，尤其是考虑到目前人工智能系统中最先进的技术，目前还只是刚刚进入临床工作流程，没有一个能在任何意义上取代放射科医生的图像感知工作。 “放射科医生”甚至在未来都不会被称为放射科医师——至少这是我去年在RSNA上听到过的一种说法，但这并不能否定一个事实，即人类仍将控制着数据的流动。 ▌放射科医生将会做什么呢？
国际知名信息技术研究和分析公司Gartner指出，2020年将有180万个职位被人工智能取代，不过同时也将创造230万个工作机会，带动整体工作机会正成长；预计到2021年，人工智能结合人脑的工作型态将产生 AI增加就业机会，但制造业冲击大 Gartner研究副总裁Svetlana Sicular认为，就像过去许多重大创新带来失业潮和业务转型，人工智能也是如此，虽然将取代数百万个中低阶层职位，但同时也将创造更多高技术性及管理层级的相关职位 人类结合AI工作将成主流 不只是重复性高的工作，Gartner认为，人工智慧也将被应用到重复性低且变化较大的非例行性工作上，不过，这部分将是协助而非取代人工，因为结合人类与机器，将比单单聘雇专业人士或使用人工智能机器更有效率 再往上说一点，人工智能的“图像处理”技术日渐精进，使得其在医疗领域已经开始有所作为，比如，帮助医生去做辅助诊断，于是，医院中一些专职的助理医生有可能被替代，还有在自主巡航机器人的发展达到一定阶段后，未来很多地方的安保人员也可能会被替代 比如，现在让人工智能做语音“理解”的事情还很难，所以类似记者这类需要充分理解语义的工种，目前的人工智能技术并无法达成。 此外，从成本角度来说，人工智能的使用成本必然呈现逐渐下降的趋势。
---- 新智元报道 编辑：LRS 【新智元导读】人工智能席卷医学界，全科AI医生的野心不会止步于看X光！ 图灵奖得主、深度学习先驱Hinton曾预言到，「人们现在应该停止培训放射科医生。 近七年过去了，人工智能技术仅仅参与并替代了部分放射员的技术工作，并且存在功能单一、训练数据不足等问题，让放射科医生的饭碗依然握得很牢。 医学领域知识 与临床医生形成鲜明对比的是，传统的医学人工智能模型在为其特定任务进行训练之前，通常缺乏对医学领域背景的了解（如病理生理过程等），只能完全依赖输入数据的特征和预测目标之间的统计关联。 开发者和监管机构需要负责解释GMAI模型是如何被测试的，以及它们被批准用于哪些用例；GMAI界面本身的设计应该在进入未知领域时提出「标签外使用」的警告，而不能自信地编造不准确的信息。 验证（Verification） 与传统的人工智能模型相比，GMAI模型可以处理异常复杂的输入和输出，使临床医生更难确定其正确性。
但 11 年之后的今天，John Markoff 所描述的愿景并没有发生。人们仍然缺乏对人工智能的理解，真正被 AI 取代的工作也是极少数。 我所知道的每一辆卡车仍然在由人类驾驶（除了一些在受限场景下进行测试的卡车），目前还没有放射科医生被取代。Watson 本身近期也在被拆分出售。 医疗 AI 领域以压倒性多数和一致的方式支持我的论点： 说得对！我们会阅读临床记录、查看 lab value、与转诊医生交流，然后在这些附加信息的背景下查看成像结果。 我的收件箱里全都是争论「AI 是否可以取代放射科医生？还是只能看扫描结果」的内容，然而 AI 甚至还不能很好地看懂影像…… 我已经在医学成像中用了五年的深度学习。 我自己的公开预测是：有朝一日，人工智能将完全取代放射科医生。但是在此之前，我们将先实现移民火星的梦想。 人工智能可以解决放射学某些方面的问题，但这并不意味着它可以解决所有方面的任何问题。
这样的话，你可以用这个图形库来训练人工智能系统，看它能不能识别出来这个图形库上面所标注的这些元素。经过这个图像库的训练，就可以训练出视觉能力超过人的人工智能系统。 很多用Siri的人，只会把这当成娱乐功能，因为它不能保证交流内容的准确性，有时Siri根本接不上你的话，因为你的话对它来说太复杂了。这个只能算作人工智能比较初始的状态。 癌症之所以难治，一方面由于这种疾病太过复杂，另一方面，医生如果不能及时发现患者的癌症信号，可能会延误患者的治疗，或者导致诊断错误。 而认知计算可以综合分析复杂的医疗数据，还可以在医生语言的上下文中解析含义，最后提出它的建议。这就大大减少了医生查病历的时间，让医生能将更多的时间用在患者身上。 认知计算可以帮助我们更好的交流、决策和发现。但是人工智能依然有很多做不到的。例如：抽象能力，自我意识，审美，情感等。 小结 讲了这么多的人工智能的能与不能。
译者 | 王柯凝 编辑 | 周翔 当你辗转于各种论坛时，相信会经常看到这样的问题：深度学习是否会取代传统的计算机视觉？或者说，当深度学习看起来如此有效时，是否还有必要研究传统的计算机视觉技术？ 深度学习已经彻底改变了计算机视觉和人工智能这一领域，许多曾经看起来不可能解决的问题，深度学习都能够解决——尤其是在图像识别和分类问题上，机器已经超越人类（短链：http://t.cn/Rnzv2JX）。 在训练数据范围之外的数据上，已训练模型的表现就会很差，这是因为机器并没有理解这个问题，所以不能在没有训练过的数据上进行泛化。 例如，如果你没有足够多的训练数据，则可以采用数据增强的方法来处理：通过对原来的图像进行随机旋转、移位、剪切的方式来创建“新”的图像。这些操作可以大大增加训练数据的数量。 ▌结论 在这篇文章中，我解释了为什么深度学习仍然没有取代传统的计算机视觉技术，以及传统的计算机视觉技术为何值得我们去学习和研究。
随着大数据发展上升为国家战略，大数据和人工智能的话题也越来越多。 “人工智能（AI）和先进的机器学习技术是被广泛关注的新兴技术，将在企业甚至整个行业中掀起革命浪潮。 大数据：一切进化的关键之钥 不过，有些人认为，有了人工智能，大数据技术就无关紧要了，这种观点实不可取，需要特别指出的是，人工智能是一项诞生于60年前的”古老“技术，之所以能够在今天焕发青春，主要得益于两大技术的发展 然而，现在越来越多的不法分子正在通过各种方法寻找攻击的切入点，而大数据分析、人工智能等先进技术已经成为他们寻找攻击切入点的有效工具，面对这样的情况，企业唯有”以其人之道还施彼身“来应对，利用大数据和人工智能技术为企业建立一道无法逾越的安全长城 机器学习：与大数据分析相辅形成 而实际上，大数据和人工智能、机器学习是相辅相成、互相促进的，一方面，大数据是人工智能、机器学习的基础，反过来，人工智能也能够有效促进大数据分析更加的全面和准确。 因此，在大数据分析领域，众厂商也纷纷将人工智能、机器学习技术融入到他们的产品中。
Petuum 专栏 作者：Baoyu Jing、Pengtao Xie、Eric Xing 机器之心编译 在过去一年中，我们看到了很多某种人工智能算法在某个医疗检测任务中 「超越」人类医生的研究和报道， 事实上，从最近 IBM Watson 和美国顶级医疗中心 MD Anderson 合作失败的例子可以看出，人工智能对医疗来说更应关注的任务应该是如何帮助医生更好地工作（例如生成医疗图像报告、推荐药物等） ，而非理想化地着眼于取代医生来做诊断，并且绕开这个终极目标（暂且不论这个目标本身是否可行或被接受）之前各种必须的铺垫和基础工作。 因此与人类医生做各种形式对比的出发点本身有悖严肃的科学和工程评测原则。这些不从实际应用场景出发的研究，甚至无限放大人机PK，对人工智能研究者、 医疗从业者和公众都是误导。 为更好地传播人工智能与医疗结合的研究成果，同时为人工智能研究者和医疗从业者带来更加实用的参考，机器之心和 Petuum 将带来系列论文介绍。
Petuum 专栏 作者：Baoyu Jing、Pengtao Xie、Eric Xing 机器之心编译 在过去一年中，我们看到了很多某种人工智能算法在某个医疗检测任务中 「超越」人类医生的研究和报道 事实上，从最近 IBM Watson 和美国顶级医疗中心 MD Anderson 合作失败的例子可以看出，人工智能对医疗来说更应关注的任务应该是如何帮助医生更好地工作（例如生成医疗图像报告、推荐药物等） ，而非理想化地着眼于取代医生来做诊断，并且绕开这个终极目标（暂且不论这个目标本身是否可行或被接受）之前各种必须的铺垫和基础工作。 因此与人类医生做各种形式对比的出发点本身有悖严肃的科学和工程评测原则。这些不从实际应用场景出发的研究，甚至无限放大人机PK，对人工智能研究者、 医疗从业者和公众都是误导。 为更好地传播人工智能与医疗结合的研究成果，同时为人工智能研究者和医疗从业者带来更加实用的参考，机器之心和 Petuum 将带来系列论文介绍。
这不得不引起我们的警觉，比如与人类利益最为直接、密切的：AI是否会取代我们的工作？ ▌人工智能“威胁”你的工作？ 新时代的忧思出现了：未来，人类的工作都会被人工智能取代吗？ 五秒内，你能不能为工作中需要思考和决策的问题作出决定？如果能，你的工作就有很大可能性被人工智能替代，这些工作包括翻译、助理、保安、会计、司机、家政等等。 李开复提到，爱是机器的缺失，爱是我们与人工智能最大的不同；而保持“人性”则可能是我们与人工智能共存，不被它取代的最有效的方法，“人工智能将帮助人类完成多数重复性工作，其所带来的巨大悬殊则由充满了人性光辉的机会来弥补 因为从根本上说，人类是社会性的——我们进化成了一种离开社会关系就无法生存、获取幸福或生产的物种；所以面对来势汹汹的人工智能，人类越发不能放弃我们作为人最深层、最根本的技能，比如同理心、团队智力、人际交流
编码挑战的参与者必须阅读挑战描述，理解问题，将其转化为算法解决方案，以通用语言实现，并针对一组有限的测试用例进行评估。最后，他们的结果是根据在实施过程中不可用的隐藏测试的性能进行评估的。 然而，却有人将这种说法误认为人工智能编码“和人类程序员一样好”这是谬误的将狭义的人工智能与人类解决问题的一般能力进行比较。 例如，DeepBlue 和 AlphaGo，它们是击败国际象棋和围棋世界冠军的人工智能系统。虽然这两个系统都是计算机科学和人工智能的了不起的成就，但它们只擅长一项任务。 这些工具可以对程序员的生产力产生巨大影响。它们甚至可能改变编程文化，将人类转向制定问题（仍然是人类智能领域的学科）并让人工智能系统生成代码。 但程序员仍将处于控制之中，他们必须学会利用人工智能生成代码的力量和局限性。
几年前写过类似的题目：“人工智能会抢走人类的工作吗”。当时纯属纸上谈兵，只有几个朦胧的概念，缺乏参照意义。 工作与岗位 “工作”还是一个过于宽泛的概念，不如更具体一点，我们来讨论有可能最早被 AI 取代的具体的岗位 —— 也就是什么样的行业里哪类企业的何种职位，最容易被人工智能产品或服务承担起来。 为了方便讨论，我们设将最早被 AI 取代的岗位是 X，而对应 X 岗位的从业者称为 Xer。 先来看看是什么（What） 1. 这一逻辑说起来也简单，那就是：如果某一个工种被 AI 取代，那一定不是偶然现象。不是会是有人闲得无聊研究出某种技术偏巧、正好取代了它。 这样的岗位是不太容易被 AI 取代的，毕竟目前的 AI 还处在“学会操作法”，而不是“习得方法论”阶段。 反之则是容易被取代的。
技术进步给人们的生活带来了极大的便利的同时，人们也在担心技术是否会失控，会威胁人类的发展，比如一个常见的担忧随之出现——人工智能将取代人类。 这是克兰兹伯格提出的最重要的一条定律。克兰兹伯格发现，某个技术的影响取决于其对应的地理和文化环境，这意味着某个技术往往既是好的，又是坏的。 由于技术是通过企业进行普及的，所以企业就要考虑自己的行动会带来哪些影响，以及如何从中获利。 库克曾经好几次宣称苹果公司会保护用户的数据，谷歌最近也开展了反歧视措施，防止它的人工智能技术变得种族歧视。 我们当前的额人工智能主要是提点一些重复性的，或者说叫做战术性的、有规律可寻的这样的一些领域，其实最终其实还是提升人们的生活效率，给我们节省出更多的时间。 尤其是创意或者是旭尧人跟人之间交流的这些领域，机器人还是没有办法替代人们之间这种特殊的情感交流的。 人工智能的到来带来的究竟是危机还是新的机遇？你怎么看！
腾讯云AI临床助手（ACA）是临床医生的智能帮手。ACA基于医学人工智能、医学知识图谱等先进技术，考虑医生在病史采集、下诊断、制定治疗方案、开具处方、医生教育等多种应用场景下的特性需求，依据客观权威的知识来源，协助提升医疗服务效率。
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
