QQ在線
企業(yè)微信
資訊
433AI與機器人學習對企業(yè)發(fā)展的影響
如今，數(shù)字科學對于企業(yè)來說，顯得愈發(fā)地“誘人”。但是若要正確地看待數(shù)字科學，我們亟需了解下面一個問題：數(shù)字科學到底能為我們的業(yè)務(wù)發(fā)展做什么，不能為我們的業(yè)務(wù)發(fā)展做什么。
毫無疑問，很多機器學習（ML）和人工智能（AI）領(lǐng)域的進展都預(yù)計將為多種類型的企業(yè)帶來效果和效率上的提升。雖然聽起來很不錯，但多數(shù)情況下實際情況卻并沒有達成預(yù)期。原因至少有三點：(1) 針對機器學習/人工智能的宣傳超出了其實際能力；(2) 在大肆宣傳下，客戶對機器學習/人工智能抱有過高的期望；(3) 機器學習/人工智能開發(fā)人員不理解或是不知道怎么解決其技術(shù)設(shè)想可能對組織帶來的影響。
在下文中，我們將詳細討論第三點原因。
技術(shù)不等同于產(chǎn)品
不管它的本質(zhì)多復(fù)雜，算法或神經(jīng)網(wǎng)絡(luò)都不等同于產(chǎn)品。例如， Zebra Medical開發(fā)出了一項復(fù)雜的技術(shù)，能夠通過放射掃描識別出是否骨折，通過乳房x光識別出是否有疑似病變。在掃描了數(shù)以百萬計的圖像之后，機器學會了如何正確識別骨折和疑似病變，使得該項技術(shù)不斷完善。在研發(fā)過程中，技術(shù)人員提出了100多種算法，但是醫(yī)生們（放射線科醫(yī)生以及其他涉及到的醫(yī)生）卻無法直接使用這些算法，因為算法在使用前首先需要轉(zhuǎn)化為產(chǎn)品。
要使算法成為產(chǎn)品，需要它可以讓醫(yī)生直接使用。也就是說，至少要開發(fā)出可在任一醫(yī)療中心的設(shè)備上運行的應(yīng)用程序。該應(yīng)用程序需要易于操作，并能夠生成對用戶有價值的輸出。就Zebra Medical而言，這就意味著：此應(yīng)用程序生成的輸出可以告訴放射科醫(yī)生骨折/病變的位置和類型。
產(chǎn)品不等同于價值
雖然Zebra Medical開發(fā)的應(yīng)用程序可以幫助識別病癥，但這個程序本身并不能直接產(chǎn)生價值。但他們找到了至少兩種創(chuàng)造價值的點。第一點是效率。他們開發(fā)的應(yīng)用程序可以比放射科醫(yī)師更快、更多地審查掃描光片和乳房X光片。因此，高效是這項技術(shù)帶來的第一個巨大價值。
第二個巨大價值在于，Zebra Medical開發(fā)的創(chuàng)新技術(shù)是一種可以根據(jù)緊急程度對掃描和乳房X光片進行排序的算法。這一算法的發(fā)展需要放射科醫(yī)師和其他醫(yī)生提供大量反饋，以幫助算法了解哪些情況是正常、哪些是緊急和哪些是非常緊急。一旦這項工作完成，Zebra Medical不僅能夠提供掃描和乳房x光檢查，還能夠?qū)呙韬腿榉縓光片進行排序，以便放射科醫(yī)生能夠優(yōu)先處理最緊急的病例。這就是該產(chǎn)品為工作流程和病人生活增加了極大便利和有效性的地方。
價值取決于評價其價值的人
上述技術(shù)可能對一些人來說很不錯，但對放射醫(yī)師、其他醫(yī)生、醫(yī)院管理人員、保險公司和監(jiān)管機構(gòu)來說卻未必如此。醫(yī)生們總是會擔心骨折和病變鑒定結(jié)果的質(zhì)量和可靠性，他們尤其會特別關(guān)注第一類錯誤和第二類錯誤：第一類錯誤（Type 1 error）是指病人被確定為受傷或生病時，實際上卻并沒有受傷或生病；第二類錯誤（Type 2 error）則是指當病人被診斷為健康時，實際上他/她卻不是健康的。
醫(yī)生們可能會進一步擔心未來自己的工作有可能被機器取代。這并非沒有可能，但我們還是需要把識別疾病和診斷疾病分開來看。
醫(yī)院管理人員可能對新技術(shù)的態(tài)度有所保留。一方面他們還是很高興看到新產(chǎn)品帶來了潛在效率和質(zhì)量的提升，但另一方面，他們也擔心會發(fā)生第一類錯誤和第二類錯誤——這不僅僅是出于質(zhì)量的角度，更是出于責任的角度。
保險公司可能會持樂觀態(tài)度，效率提高進而降低了醫(yī)療成本，而早期發(fā)現(xiàn)也讓我們可以采取更多預(yù)防性的干預(yù)措施。
監(jiān)管機構(gòu)則希望了解這些算法實際上是依據(jù)哪些變量作為識別依據(jù)。神經(jīng)網(wǎng)絡(luò)學習的問題在于，即使是程序員自己也不知道他們編出的程序是如何得出結(jié)論的。更進一步的問題是：現(xiàn)在應(yīng)該由誰來為診斷和治療負責。是醫(yī)院、醫(yī)生、放射科醫(yī)生、算法公司、程序員還是算法本身？
這就引出了人工智能/機器學習對組織影響的最后一個方面。
替代人類的產(chǎn)品VS幫助提高人類工作效率的產(chǎn)品
就目前而言，距離依靠機器進行病癥診斷、設(shè)計治療方案、開具醫(yī)療干預(yù)處方和跟進病人護理還有點遙遠，現(xiàn)在這些步驟都要依靠醫(yī)生來進行。即便如此，在掃描效率、工作流程管理和緊急病例的快速檢查等方面，應(yīng)用程序的骨折和病變識別功能的確已經(jīng)顯著提高了人力的工作效率。
只有人工智能/機器學習公司真正地理解潛在客戶的挑戰(zhàn)，才能夠從客戶角度出發(fā)創(chuàng)造出能夠真正賦能效率和有效性的產(chǎn)品。正如上文所述，創(chuàng)造這樣的價值遠比聽起來要困難得多，特別是在醫(yī)療領(lǐng)域，因為不同利益相關(guān)者的需求和關(guān)注點有所不同，有時甚至還會產(chǎn)生沖突。雖然人工智能替代人類作業(yè)距變成現(xiàn)實還有很長距離，但如果運用得當?shù)脑挘斯ぶ悄?機器學習確實可以極大地提高人類的工作效率。
