新智元報道
編輯：拉燕
【新智元導讀】AGI 在實然層面上會對我們產(chǎn)生哪些具體可見的幫助？想必醫(yī)療領域的重大革新是我們逃不開的。
我們?yōu)槭裁葱枰?AGI？
很多人可能沒有仔細思考過這個問題，只看到了結果。部分人認為，科技進步就應該無條件推進。至于原因為何，可能并沒有加以深思。
也許追問到最后，也只是得出一個讓我們的生活更加便利的結論。而究竟在哪些方面提供了何種便捷，可能也沒法說那么完善。
事實上這種思路也不能說錯。
畢竟，有些事是先有動力驅使，再去逐漸實現(xiàn)。有些事是先做到了，再看看能幫我們什么。
今天我們給大家提供一個現(xiàn)實語境下的切入點，來看看 AGI 究竟能幫到我們什么。
最全面的醫(yī)生
首先我們來介紹一個人，Greg Brockman。
熟悉 AI 圈的朋友應該對他都不陌生，他是 OpenAI 的聯(lián)合創(chuàng)始人 + 總裁。
2010 年到 2015 年，他在 Stripe 任職 CTO。之后到今天，他一直是 OpenAI 的總裁。
不過今天要講的是他的妻子，Anna Brockman。
2019 年，他們二人結婚，美滿的婚姻背后，是他妻子不可忽視的身體狀況。
在最近的一篇推文中，Greg 寫道：「在經(jīng)歷了長達五年的身體多系統(tǒng)疼痛之后，我的妻子最近被診斷出患有一種名為過度活動型埃勒斯-當洛斯綜合征（hEDS）的遺傳性疾病?！?/p>
要知道，hEDS 是一種遺傳性結締組織疾病，會導致全身關節(jié)過度活動、關節(jié)不穩(wěn)定和慢性疼痛。
同時 hEDS 還伴有各種其他癥狀和相關病癥，影響身體的許多不同部位。
而 Greg 的妻子是之前當了快六年的演員，目前的職業(yè)還是名健身教練?？上攵@個病會給她帶來多么大的痛苦。
從這個病的介紹來看，這是一個綜合性的疾病。涉及到全身很多系統(tǒng)，比如骨科、心臟科、神經(jīng)科、腸胃科、皮膚科等等。
Greg 在推特中表示，目前的醫(yī)療體系都是針對各個專科建立的。hEDS 要看的醫(yī)生可太多了。
「五年來，我們看了比 Anna 之前一生還要多的醫(yī)生和各種專科醫(yī)生。大部分醫(yī)生只聚焦于自己所熟悉的領域，而并沒有能把這些碎片化的信息整合在一起?！?/p>
后來，Anna 的一位專精過敏的大夫細致聽取了她的所有癥狀和存在的問題，把有關她身體狀況的細節(jié)都拼湊在了一起。
Greg 表示，隨著人類醫(yī)學的進步，我們似乎有一種趨勢，那就是以犧牲廣度為代價來增加醫(yī)生的深度。但對于病人來說，我們需要的是足夠的廣度和足夠的深度，二者缺一不可。
最理想的情況就是，未來我們可以把這種全面的醫(yī)療服務變得口袋化，就好像一個集結了眾多科室的醫(yī)生組成的專家小組，共同為我們的身體健康保駕護航。
而這正是需要 AGI 出場的地方了。
Greg 最后在推特中表示，雖然在技術方面還有很長的路要走，AGI 要學習如何在像醫(yī)療這樣的高風險領域將其與人類專家的監(jiān)督結合起來，如何一起部署，但前景已經(jīng)越來越明朗。
通過技術開發(fā)人員、醫(yī)療保健提供商、政府和社會的通力合作，未來人們有希望為所有家庭成員提供更好的醫(yī)療保健服務。
不少網(wǎng)友也是跟帖發(fā)表了自己的看法。
Bacarella 表示，如果醫(yī)療 AI 哪怕能像平均水平的醫(yī)生那樣聰明，同時又像 GPT4 那樣有耐心、專注，還懂得多，那估計行，未來將會有很大的改變。
Paul 也認為，AI 發(fā)展到一定階段，就一定可以把醫(yī)學上的新診療手段推而廣之，讓普羅大眾都能接觸到各種醫(yī)療技術。
而這可能是 AI 最應該投身的領域了。
谷歌的嘗試
要知道，Greg 的想法此前曾被谷歌印證過。
美國哈佛大學、斯坦福大學、耶魯醫(yī)學院、加拿大多倫多大學等多所頂尖高校、醫(yī)療機構的研究人員在 Nature 上聯(lián)合提出了一種全新的醫(yī)學人工智能范式，即「全科醫(yī)學人工智能」，可以靈活地編碼、整合和大規(guī)模解釋醫(yī)學領域的多模態(tài)數(shù)據(jù)，比如文本、成像、基因組學等。
論文鏈接：https://www.nature.com/ articles / s41586-023-05881-4
而谷歌 Research 和谷歌 DeepMind 也曾共同發(fā)布論文，對全科醫(yī)學人工智能概念進行了實現(xiàn)、驗證。
論文鏈接：https://arxiv.org/ pdf / 2307.14334.pdf
研究人員首先策劃了一個全新的多模態(tài)生物醫(yī)學基準數(shù)據(jù)集 MultiMedBench，包含 100 多萬條樣本，涉及 14 個任務，如醫(yī)療問題回答、乳腺和皮膚科圖像解讀、放射學報告生成和總結以及基因組變異識別。然后提出了一個新模型 Med-PaLM Multimodal（Med-PaLM M），驗證了通用生物醫(yī)學人工智能系統(tǒng)的可實現(xiàn)性。
這是一個大型多模態(tài)生成模型，僅用一組模型權重就可以靈活地編碼和解釋生物醫(yī)學數(shù)據(jù)，包括臨床語言、成像和基因組學數(shù)據(jù)。在所有 MultiMedBench 任務中，Med-PaLM M 的性能都與最先進的技術相差無幾，在部分任務上甚至還超越了專用的 SOTA 模型。
文中還報告了該模型在零樣本學習下可以泛化到新的醫(yī)學概念和任務、跨任務遷移學習以及涌現(xiàn)出的零樣本醫(yī)學推理能力。
文中還進一步探究了 Med-PaLM M 的能力和局限性，研究人員對比了模型生成的及人類編寫的胸部 X 光報告進行了放射科醫(yī)師評估，在 246 份病例中，臨床醫(yī)生認為 Med-PaLM M 的報告在 40.5% 的樣本中比放射科醫(yī)生編寫的要更好，也表明 Med-PaLM M 具有潛在的臨床實用性。
為了訓練和評估大模型在執(zhí)行各種臨床相關任務的能力，谷歌的研究人員收集了一個多任務、多模態(tài)的全科醫(yī)療基準數(shù)據(jù)集 MultiMedBench。
該基準由 12 個開源數(shù)據(jù)集以及 14 個獨立任務組成，包含 100 多萬條樣本，涵蓋了醫(yī)療問答、放射學報告、病理學、皮膚病學、胸部 X 光、乳房 X 光和基因組學等多個領域。
而之后沒過多久，谷歌又繼續(xù)推出了 Med-PaLM 2，第二代產(chǎn)品。
它是 Med-PaLM 的繼任者，它要比其前身更加強大，在 USMLE 樣式的問題上達到了 86.5% 的準確率，提高了 19%。
Med-PaLM 2 是在海量醫(yī)學文本和代碼數(shù)據(jù)集（包括醫(yī)學期刊、臨床試驗和教科書）上進行訓練的。這使它能以高準確度理解和生成醫(yī)學語言。
不僅如此，Med-PaLM 2 還能根據(jù)醫(yī)學知識進行推理和推斷。
有專家分析，Med-PaLM 2 有可能在多個方面徹底改變醫(yī)療保健。比如說：
?提高診斷的準確性：Med-PaLM 2 可以幫助醫(yī)生綜合考慮患者的所有醫(yī)療信息，包括癥狀、病史和檢查結果，為患者確定正確的診斷。
?提高效率：Med-PaLM 2 可以幫助醫(yī)生自動完成總結病歷和從研究論文中查找相關信息等任務。這可以讓醫(yī)生騰出更多時間與病人溝通。
?改善溝通：Med-PaLM 2 可以幫助醫(yī)生以通俗易懂的方式向病人傳達復雜的醫(yī)療信息。這可以幫助病人對自己的治療做出明智的決定。
?降低成本：Med-PaLM 2 可以通過自動化任務和提高效率來降低醫(yī)療成本。
目前，谷歌的 Med-PaLM 2 仍在開發(fā)中，但它有可能對醫(yī)療保健行業(yè)產(chǎn)生重大影響。
不過，說到谷歌還是得再提一句前兩天剛剛出爐的醫(yī)學對話 AI——AMIE，而且還直接通過了圖靈測試??？
到現(xiàn)在為止，谷歌還在積極地進行測試，努力使它在未來得到更廣泛的應用。
不知道像谷歌的這類產(chǎn)品，以及未來可能出現(xiàn)的其它醫(yī)療 AI，甚至醫(yī)療 AGI，能不能解決 Greg 的問題呢。
參考資料：
https://twitter.com/gdb/status/1744446603962765669
本文來自微信公眾號：新智元 （ID：AI_era）
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。