Re: [問卦] 學業成績不好的人為什麼沒資格當醫生?已回收
噓
02/22 14:06,
02/22 14:06
→
02/22 14:06,
02/22 14:06
身為一個在手術機器人實驗室的學生
雖然我本業不是做手術機器人
但還是跟醫療相關機器人脫離不了關係
所以有關於"醫生是否能被AI取代" 這個議題上
雖然這不是馬面熟悉的愛滋議題,但馬面我不得不出來說幾句話
就馬面對機器學習(Machine Learning)的知識上來看
若是今天馬面當指導教授,有人問我
如果要開發AI取代: 總統、肥宅工程師、醫生
哪一個計劃比較可行
馬面我絕對是選醫生
但這不是因為醫生是比較容易的工作,或是醫生的技術較沒有智慧
這純粹是因為醫生的工作性質
首先我們先對目前AI最大應用: Machine Learning有點粗淺的理解
ML不是魔法,很多人以為所謂AI就是跟人一樣的存在
NO! 它並沒有創造出"意識"
所謂ML是"學習","學習"後建立模型,用模型預測結果
以最簡單的"監督式學習"舉例 (我用的名詞可能跟正式的有些出入)
這邏輯是這樣子
我先把一堆訓練資料扔進ML中,這些資料都有對應的結果
然後電腦開始自己嘗試,它先看第一筆資料,扔進去模型,出來一個"預測"
但是"預測" 跟 "對應結果" 有誤差
那我們根據這個誤差大小修正模型,再扔下一筆
怎麼修正呢? 最簡單的方法就是拿誤差對要調的參數微分,找一階微分=0就好
如果我們資料量足夠,那久了之後,誤差就會很小
當然這前提是什麼呢?
就是你的模型,只能預測你原始訓練資料的"狀況"
若是今天出現一個"史無前例"的例子
你就完蛋了
這時候我們回到剛才的問題
"總統"、"肥宅工程師"、"醫師"
到底哪個能用ML取代?
醫生絕對是首選
因為醫生的訓練中,就是一個學習的過程
醫療固然有創新,但在一般看診的時候,醫生大部分是從一堆過往案例中找出脈絡
如果你總是做出原創的醫療方式,大概一出問題就被告死
然後現在病患的情況,預測出該給的診斷方式
當然你會抗議: 亂講!!! 醫生是根據過往病例,從醫學知識上推測出合理解決方式
但你怎麼知道機器不是這樣? 機器只是他推測的方式跟你不一樣而已
當你在把病歷套用在你的醫學知識上時,就是把資料匯入模型中
然後得到你的預測,若你的預測跟這個世界上大部分醫生都不一樣
你會乖乖回家思考是不是自己書讀錯了(修正模型)
更者,你甚至能拿別人做好的模型(醫學知識),自己再訓練一小部分搭配
這點跟目前做Deep Learning時,很多人都從網路上下載GOOGLE的神經網路
神經網路很多層,但使用者只要根據自己的需求訓練最後一層就好
所以醫生AI的訓練,就理論上來說是可行的
更別提訓練資料相當多,每天都有成千上萬的病例
那當然問題會落在: 萬一這是個史無前例的病例呢?
但史無前例的案子一般醫生也處理不好啊!!!!
至於怎麼讓機器診斷病人?
醫生大部分診斷標準都是數據化的
如果是要用視覺(X光片,目視)
目前人工智慧做最好的就是影像辨識,就做ML的人來說,跟醫學院合作是最有前途的!!
不過板上的醫生不要緊張
因為這還是有一個問題
"機率"
ML最大的麻煩就是,這是一個建立在條件機率上的東西
max P(診斷|病情) => 這是一個弱邏輯
也就是說,總會有一定程度的人被診斷錯誤
這不像醫生,能說庸醫爛一些,名醫好一些
不管機率多小,一定會出錯
有些人討厭這種概念,畢竟這樣太平等了
所以可能的應用,應該是第三世界那種缺乏醫生的環境,能馬上有電腦診斷病情再給藥
取代人類醫生暫時不會發生
但在所有領域中,醫學真的是ML相當有前景的一塊
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 104.175.194.239
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1519285655.A.D86.html
噓
02/22 15:49,
6年前
, 1F
02/22 15:49, 1F
推
02/22 15:50,
6年前
, 2F
02/22 15:50, 2F
→
02/22 15:52,
6年前
, 3F
02/22 15:52, 3F
→
02/22 16:03,
6年前
, 4F
02/22 16:03, 4F
→
02/22 16:04,
6年前
, 5F
02/22 16:04, 5F
推
02/22 16:06,
6年前
, 6F
02/22 16:06, 6F
噓
02/22 16:10,
6年前
, 7F
02/22 16:10, 7F
推
02/22 16:14,
6年前
, 8F
02/22 16:14, 8F
推
02/22 16:29,
6年前
, 9F
02/22 16:29, 9F
→
02/22 16:29,
6年前
, 10F
02/22 16:29, 10F
→
02/22 16:30,
6年前
, 11F
02/22 16:30, 11F
推
02/22 17:21,
6年前
, 12F
02/22 17:21, 12F
→
02/22 17:22,
6年前
, 13F
02/22 17:22, 13F
→
02/22 17:22,
6年前
, 14F
02/22 17:22, 14F
→
02/22 17:22,
6年前
, 15F
02/22 17:22, 15F
→
02/22 17:23,
6年前
, 16F
02/22 17:23, 16F
→
02/22 17:23,
6年前
, 17F
02/22 17:23, 17F
→
02/22 17:24,
6年前
, 18F
02/22 17:24, 18F
→
02/22 17:24,
6年前
, 19F
02/22 17:24, 19F
噓
02/22 19:19,
6年前
, 20F
02/22 19:19, 20F
→
02/22 19:19,
6年前
, 21F
02/22 19:19, 21F
→
02/22 19:20,
6年前
, 22F
02/22 19:20, 22F
→
02/22 19:21,
6年前
, 23F
02/22 19:21, 23F
推
02/23 00:59,
6年前
, 24F
02/23 00:59, 24F
推
02/23 01:01,
6年前
, 25F
02/23 01:01, 25F
→
02/23 01:01,
6年前
, 26F
02/23 01:01, 26F
推
02/23 11:39,
6年前
, 27F
02/23 11:39, 27F
→
02/23 11:39,
6年前
, 28F
02/23 11:39, 28F
→
02/23 11:41,
6年前
, 29F
02/23 11:41, 29F
討論串 (同標題文章)
本文引述了以下文章的的內容:
完整討論串 (本文為第 20 之 22 篇):