筆者在上一篇人工智能剛提到的老牌人工智能IBM Watson，在還沒來得及給大家細細講述其特點、發展與弊端，就先迎來了其“IBM Watson健康部門裁員50%-70%甚至全部關閉”的消息。其實這個消息並不是毫無徵兆，早在2016年年底，MD Anderson就宣佈了終止了與Watson維持四年的合作。MD Anderson撒了6200萬美金卻沒看到有效的回報。所以今天就給大家細數一下Watson在醫療領域給我們的教訓。
1、瞭解過Watson的人都知道，其本質上是一個巨大的封閉的知識庫所謂的人工智能訓練是建立在大量的人工對已有材料的整理和標註上。而面對海量的電子病歷數據，這樣的人工成本是巨大的。加之整個訓練的戰線拉得長，所以在成本方面難以控制。近年來Watson想拓展國內醫療市場的時候，一直面臨一個現實問題，即國內病例都是中文書寫，而在這之前的在英文病例閱讀解析的上積累的工作與經驗基本難以複用，這也讓Watson在國內的推廣遇到了前所未有的困難。
2、定位失誤。Watson在醫療方面的一個專注點放在了疑難雜症上，眾所周知，人工智能是需要大量的數據“喂出來”的，而疑難雜症能夠存在的病例本來就少之又少，想在這個點上發力頗有點巧婦難為無米之炊的感覺。
3、技術水平有限，難以達到商用標準。直至今日機器閱讀能力也僅僅才達到了“僅供參考”的級別，而就IBM聲稱Watson能夠在十分鐘之內閱讀兩千萬篇醫學論文，然後把人類語言轉換成機器語言進行進一步的搜索查詢。其實也只是做到了將論文中及其所識別出來認為“重要”的關鍵詞拎出來再進行搜索而已。而這樣的能力裡臨床意義上的“診斷”還是有遙遠的距離。
4、試錯成本高，難以界定的醫學倫理問題。在推廣的過程中，醫學倫理的點無法繞開，只要問一個問題：“機器和醫生同時做出的診斷出現分歧時應該聽誰的？不管聽從了任意一方，一旦結果出現問題，應該誰來負責，並且，人工智能是否付得起這個責？”畢竟，這些失敗的背後都是拿每一個活生生人的健康作為試錯代價。
縱觀IBM Watson的發展史：其從“演繹法到歸納法”的突破，無疑是人工智能發展史上不可磨滅的一筆，而Watson仍在教育、金融、商業等領域的嘗試也無法讓我們下定論說Watson時代已經結束。但另一方面，Watson所面臨的“缺乏盈利模式”，“除了 toG很難有更多領域願意付費”的困境其實也是整個人工智能界面臨的問題，我贊同吳恩達的那句話：“人工智能不會再經歷一個冬天。”但我同時也認為，人工智能不論從商用場景的實踐還是本身技術的打磨，都道阻且長。
最後我想做一個小調查，如果現在一位資深醫生與一個全球頂尖的人工智能，同時為你診斷，雙方意見完全相悖，你願意選擇相信誰呢？
閱讀更多 科創八卦圈 的文章
