人類(lèi)與AI的診斷推理之間的3個(gè)主要區(qū)別
(文章來(lái)源:中國(guó)智能手機(jī)網(wǎng))
小編發(fā)現(xiàn)不少朋友對(duì)于人類(lèi)與AI的診斷推理之間的3個(gè)主要區(qū)別這方面的信息都比較感興趣,小編就針對(duì)人類(lèi)與AI的診斷推理之間的3個(gè)主要區(qū)別整理了一些相關(guān)方面的信息 在這里分享給大家。
根據(jù)CMAJ發(fā)表的一項(xiàng)新分析,人工智能在醫(yī)療保健中的使用正在迅速增長(zhǎng),但是醫(yī)療保健提供者仍然是患者護(hù)理的絕對(duì)必要的組成部分。作者補(bǔ)充說(shuō),人工智能不能替代人類(lèi)推理,但它無(wú)疑可以在每天協(xié)助醫(yī)生方面發(fā)揮重要作用。
法國(guó)斯特拉斯堡大學(xué)的蒂埃里·佩拉西亞(Thierry Pelaccia)及其同事寫(xiě)道:“多項(xiàng)研究表明,人工智能可以在多大程度上用于醫(yī)學(xué)診斷和支持診斷?!?“由于目前的證據(jù)支持AI僅能用于少量診斷任務(wù),而人類(lèi)專(zhuān)家仍然能夠?qū)W習(xí)和診斷各種疾病,因此,人類(lèi)智能似乎仍然是診斷所必需的?!?/p>
Pelaccia和同事寫(xiě)了關(guān)于人類(lèi)智能和AI之間最重要的區(qū)別。這是分析中涵蓋的三個(gè)最大差異:1.他們做出診斷的方式,“醫(yī)生主要使用假設(shè)推論的方法進(jìn)行診斷。在盡早產(chǎn)生診斷假設(shè)之后,他們花費(fèi)了大部分診斷時(shí)間來(lái)收集更多數(shù)據(jù)來(lái)對(duì)其進(jìn)行測(cè)試。“這種方法以認(rèn)知過(guò)程為基礎(chǔ),根據(jù)雙重過(guò)程理論,認(rèn)知過(guò)程可以是直觀的或分析的。”
另一方面,人工智能基于正確收集和標(biāo)記的數(shù)據(jù)進(jìn)行診斷,該模型存儲(chǔ)知識(shí)并不斷發(fā)展,直到在訓(xùn)練集上“提出準(zhǔn)確的輸出”為止。該團(tuán)隊(duì)補(bǔ)充說(shuō):“盡管人類(lèi)了解因果關(guān)系,但尚未在AI中建模?!?“這個(gè)問(wèn)題已經(jīng)在AI中研究了很長(zhǎng)時(shí)間,但是直到最近才提出了定義“像人類(lèi)一樣思考”的AI的首次嘗試?!?/p>
2.可能導(dǎo)致誤診的原因,根據(jù)作者共享的數(shù)據(jù),美國(guó)每年有超過(guò)1200萬(wàn)人被誤診,診斷錯(cuò)誤率在5%到15%之間。認(rèn)知偏差是一個(gè)常見(jiàn)的原因,多年來(lái),研究人員花了相當(dāng)長(zhǎng)的時(shí)間仔細(xì)研究。然而,人工智能模型所犯的錯(cuò)誤通常來(lái)自于與如何訓(xùn)練它們有關(guān)的問(wèn)題。例如,也許數(shù)據(jù)不符合標(biāo)準(zhǔn),或者實(shí)際的實(shí)驗(yàn)設(shè)計(jì)得不好。
3.醫(yī)生可以通過(guò)有限的數(shù)據(jù)學(xué)到很多,醫(yī)生可以用“很少的數(shù)據(jù)”進(jìn)行深入研究,努力做出正確的診斷并盡可能提供最好的病人護(hù)理。然而,如果沒(méi)有大量的數(shù)據(jù)集,人工智能模型就一文不值,而這些數(shù)據(jù)集需要花費(fèi)時(shí)間、精力和金錢(qián)來(lái)整合。
作者寫(xiě)道:“大多數(shù)人工智能系統(tǒng)不模擬直覺(jué),因此需要大量數(shù)據(jù)來(lái)做出相關(guān)診斷?!薄!斑@就是為什么人工智能目前最有效的情況下,所有的數(shù)據(jù)都要立即解決的問(wèn)題,如在醫(yī)學(xué)成像。人工智能也需要數(shù)據(jù)轉(zhuǎn)換,但在人工智能中,這是一個(gè)更加復(fù)雜和耗時(shí)的過(guò)程?!?/p>
總的來(lái)說(shuō),Pelaccia等人。綜上所述,人工智能的發(fā)展仍有大量的工作要做。他們寫(xiě)道,醫(yī)療數(shù)據(jù)的質(zhì)量和可訪問(wèn)性必須得到提高,醫(yī)生們將需要完全接受這些不斷發(fā)展的技術(shù),而不是抗拒變化。然而,隨著時(shí)間的推移,人工智能有可能“成為醫(yī)療實(shí)踐的常規(guī)工具”
? ? ?