Jason Wei

人工智能不会像你想象的那样让放射科医生自动化 多年来我们一直在谈论人工智能自动化工作。放射科一直是首要目标，Geoff Hinton 曾声称，“人们现在应该停止培训放射科医生，很明显，五年之内，深度学习将比放射科医生做得更好”，自从他在 2016 年说这句话以来，这很有趣。现在对放射科医生的需求比以往任何时候都多，所以显然事情并没有像许多人想象的那样。在这里，我将做出一个预测，虽然放射学将在未来十年内发生变化，但放射科医生不会很快被自动化取代。我将以放射学为例，但我认为这些原则将广泛适用于需求具有弹性且质量可以随着智能的提高而扩展的任何领域。 首先，我们在语言模型的短暂历史中看到，存在“智力的锯齿状边缘”，即人工智能擅长处理具有大量数据的可验证任务，但在不太常见的任务上表现不佳。大多数人工智能研究人员低估放射学的一件事是，它实际上是极其多任务的。仅通过 X 射线就可以诊断出至少一百种疾病，而使用 CT 和 MRI 则可以诊断数千种疾病。人工智能将首先掌握常见且易于观察的疾病，并且它不会像不太常见疾病的专家那样擅长，因为这方面的数据较少。这种锯齿状边缘肯定会随着时间的推移而改善，但这意味着人工智能首先肯定会被用作分类工具，而不是一次性完全自动化。我猜想，在最好的情况下，从可靠的分类工具到完全自动化的过程将需要 3-5 年的时间，因为训练人工智能以正确处理所有边缘情况将受到罕见疾病数据收集的瓶颈，而且因为放射学目前不是前沿实验室的重点。 其次，随着放射学的单位成本越来越便宜，对放射学的需求将会变得富有弹性。我认为，当人们考虑人工智能自动化时，弹性需求（“杰文斯悖论”）是最被低估的现象。在软件方面，很明显我的需求比以前要多得多，因为 Claude Code 让这一切变得如此简单。这些天，我要求 Claude Code 构建一个自定义的 3000 行 html 查看器，以帮助我可视化我所做的每一次小型 RL 运行。同样的事情也会发生在放射学领域。如果解读 MRI 基本上没有成本或延迟，医生可以预先安排多次扫描，以更好地诊断病例。因此，使用 AI 工具，放射科医生可能只需读取 20% 的入站扫描，但入站扫描的数量可能会增加 5 倍。许多发展中国家每百万人中只有不到一名放射科医生，他们还希望派出大量放射科人员进行解读。 从长远来看，廉价且快速的放射学解释也将推动建造更便宜的放射学扫描仪的动力。如果 MRI 基本上没有解释延迟，医疗设备公司将希望制造更便宜的 MRI 机器，可以更频繁地使用，甚至可能在手术过程中使用。人工智能也将加速扫描技术的发展。如果全身 MRI 仅需 100 美元，我绝对希望每个月而不是每两年做一次。我可以想象这样一个世界：如果放射学便宜 10 到 100 倍，人们接受的扫描次数将是现在的 10 或 100 倍，主要用于预防性护理。 第三，即使我们确实拥有一个可以超越当今世界上最好的放射科医生的模型，这也不会是所有放射学工作的结束。医学是一个不断变化的领域。我们可能会开发新的治疗方案，需要以放射科医生目前不习惯的方式读取放射图像。新的扫描仪可能会揭示出我们目前仅靠放射学无法诊断的疾病。一些放射科医生会将他们的工作从阅读扫描转变为进行前沿研究，以增进我们对放射学的理解并将新知识转化为更新的模型。 此外，我确信我们对人工智能模型的要求将比以往任何时候都要高。有了一个好的飞轮，有一天我们可能会训练出可以使用放射学图像来预测未来疾病概率的人工智能模型。有了良好的预测算法，癌症可能会比我们现在检测到的时间提前几个月。社会将在这项研究上投入大量资金，这将进一步增加对放射学及其最佳人工智能的需求。 最重要的是，与科技公司相比，医疗系统采用新技术的速度通常较慢，并且受到更多监管。遗留的基础设施和医疗中心需要不断地支持患者，这使得整合新技术变得困难。在发展中国家更是如此。此外，由于 HIPAA、去身份识别、IRB 等原因，数据访问往往受到限制。所以我认为放射科医生将在一段时间内受到需求。 虽然有些人担心放射学完全自动化，但我认为放射学的未来比以往任何时候都更加令人兴奋——需求更多，我们要求我们的情报具有更强的预测能力。这就像我们很多人认为的那样，尽管该领域发生了巨大的变化，但编程将比以往任何时候都更加蓬勃发展。更一般地说，任何需求具有弹性、质量可以随着智能的增加而扩展的领域，就像放射学一样，同样会随着人工智能的发展而蓬勃发展。这无疑是一个比 Hinton 在 2016 年描述的更令人兴奋和微妙的未来！ （最后，公平地说，Hinton 在最近的播客中承认自己错了，并且也同意弹性需求论点。） 感谢@JayRothschild 和@engyziedan 对这篇文章的反馈。