🔥 Search Hot Tweets

转译：“AI取代不了放射科医生”——Andrej Karpathy 的深度好文解读 人们曾普遍认为，AI图像识别技术突飞猛进，放射科医生很快就会被淘汰。最有名的一个预言，就是杰弗里·辛顿（Geoffrey Hinton）在近十年前的那句：“我们现在就该停止培训放射科医生了！” 但事实却完全相反：过去十年，放射科医生不仅没有消失，反而越来越吃香。 其实，很多关于AI会迅速摧毁就业市场的预测，在我看来都有些过于天真了。大约一年前，有位本该更了解行业现状的人问我：“你觉得如今还有软件工程师存在吗？”（剧透一下：我认为软件工程师现在活得很好。） 类似的误解广泛存在，人们倾向于高估AI的短期破坏力。这篇文章深入分析了这个问题，用的恰好是放射科医生这个经典案例： 1. 基准测试（benchmarks）太局限 目前AI模型胜过人类医生的，只是少数几个非常具体、可量化的影像识别任务，而现实中的医学场景远比基准测试复杂。 2. 放射科医生的工作远不止“看图识病” 医生需要将不同信息融会贯通，不只是简单地识别影像中的病变。他们还必须综合患者病史、背景信息，给出整体的诊断方案，这正是目前AI做不到的。 3. AI落地的现实困难 医疗领域存在严苛的监管制度、复杂的保险和法律责任问题，以及组织惯性等，这些因素都会拖慢AI的实际部署。 4. 杰文斯悖论（Jevons paradox）： 当放射科医生用AI工具提高工作效率后，结果却不是医生变少了，而是患者需求变多了。 事实上，我认为2016年把放射科医生作为“会被AI快速取代”的典型案例，本来就不太合适。这份职业工作内容非常复杂、风险很高，同时又极度受监管，完全不是短期内AI可以轻易替代的。 如果真的想找那些短期内容易受AI影响的职业，应该看看那些更简单、更重复的岗位： - 任务单一、重复性高； - 任务之间独立性强，不太需要额外背景信息； - 任务流程简单、持续时间短； - 出错成本较低、容错性强； - 技术上容易自动化**，并且已有现成的数字工具可以支持。 即使满足了以上这些条件，我仍然相信短期内AI更多的是作为“工具”出现，而不是直接完全取代人类员工。 人们的工作可能会转型，比如从亲自动手变成监控或监督AI的运行。 或许很快，我们会看到更多其他行业的实际案例，来印证AI到底是如何影响工作的。 大约半年前，还有人让我预测：“5年后，软件工程师的数量会变少还是变多？” 这个问题留给大家思考吧。 想了解更多细节，可以读一下 [Works in Progress](链接见原推) 上的这篇完整原文（顺便说一句，这个新闻通讯本身也非常精彩）。