Jason Wei

在 Meta 的健康工作流程中，我们做了一个项目，希望了解医学专家可以使用 Muse Wonder 编码支架撰写哪些研究论文，该编码支架可以访问我们从供应商处许可的 500 万条电子健康记录数据库。我们的目标是，通过数据库中的 500 万患者，人工智能可以进行研究来回答任意问题，例如“服用他汀类药物的人在以后的生活中患糖尿病的几率是否更高”？我们在这里押注的是，当你将人类专家、强大的编码模型和数据访问结合在一起时会发生什么 我们与一小群医学专家合作，帮助他们使用这个人工智能工具，最重要的是，他们都发现这种设置可以加快健康研究的步伐。他们在大约两周内生成了十份手稿，其中一名研究人员（Paddy Ssentongo）生成了三份手稿。在整个过程中，他们相互合作审查手稿并编写技能文件，以帮助我们的编码支架改进研究。医学专家们喜欢他们能够如此快速地测试不同的假设并选择最好的假设来继续研究 健康研究非常独特，因为能够解释噪声数据并了解哪些变量是重要的非常重要，这仍然是人类研究人员的重要附加值。鉴于医学是人类历史上最古老的领域之一，而且它最终是关于人类的，因此在此类研究中保留大量的人类成分可能很重要。在不久的将来，我认为人工智能主要是一种促进人类主导研究的工具。有了正确的支架，我相信健康研究人员使用人工智能工具可以将工作效率提高 10 倍甚至 100 倍，这些工具可以适当访问世界上收集的有关人类健康的大量数据 看待这项工作的一种方法是通过更广泛的科学人工智能视角。您可以将科学视为两个部分：（1）收集有关世界的原始数据，以及（2）将原始数据综合为理解。在这个项目中，我们已经拥有有关世界的现有数据，我们的目标是使用人工智能加速第 (2) 部分。最终，我想象一个世界，我们拥有如此强大的人工智能工具，将原始数据合成为理解的时间几乎为零。在那个世界中，科学将大大加快，大部分工作将集中于通过物理实验收集正确的原始数据 我们在很短的时间内做到了这一点（这就是重点），我认为科学研究的未来将比以往更快、更令人兴奋