“AI 共生時代，重塑未來藍(lán)圖?！盋hatGPT 的問世，如同開啟了一扇通往全新世界的大門，AI 迅速從科學(xué)時代邁向共生時代。在這個偉大的變革進(jìn)程中，AI 將如何滲透到我們生活的方方面面？又將怎樣重塑我們的未來？讓我們一同深入探討。

商業(yè)思維

筆記君說：ChatGPT的橫空出世，標(biāo)志著AI語言處理能力的飛躍，行業(yè)新紀(jì)元的開啟；

AI從科學(xué)時代到共生時代，AI將如何塑造我們的未來？

在解構(gòu)了物理世界、語言之后，數(shù)學(xué)能解構(gòu)生命嗎？機(jī)器真的能與人類共生嗎?

我們不禁會好奇：AI是如何在短短幾十年里，從簡單的計(jì)算工具，成長為可能與人類共生的智能伙伴?

今天這篇文章，一起來看看一下AI是如何與人共生的。

一、我們已經(jīng)進(jìn)入到一個全新的時代

1.當(dāng)機(jī)器掌握了語言

去年年初，ChatGPT一夜爆火之后，大家看到了一個新物種的誕生。

這是人工智能的新起點(diǎn)，行業(yè)間把它稱為“第四次工業(yè)革命”。但是我覺得還不足以表達(dá)我們對于時代偉大性的一個定義，對此我給出了一個新的提法，叫做“從科學(xué)時代到智能時代，未來走向一個共生的時代?！?/p>

巧合的是，今年有兩位AI科學(xué)家獲得了諾貝爾物理學(xué)獎，三位AI科學(xué)家獲得了諾貝爾獎化學(xué)獎，這無疑從側(cè)面證明科學(xué)已經(jīng)進(jìn)入到了一個新的范式。

眾所周知，科學(xué)時代的開啟者是牛頓，他通過《自然哲學(xué)的數(shù)學(xué)原理》，將自然哲學(xué)與數(shù)學(xué)聯(lián)系起來，在人類的科技史上這是非常偉大的進(jìn)步。

此前以康德為代表的“自然哲學(xué)”，討論的都是人的絕對理性空間，其核心是精神世界，我們對此是不可知的。

牛頓用數(shù)學(xué)來解釋世界上的萬事萬物，在牛頓力學(xué)的框架下，給予物體一個初始狀態(tài)，就可以在這個狀態(tài)下通過數(shù)學(xué)了解萬物是如何運(yùn)動的，這就將物理問題轉(zhuǎn)變?yōu)榱藬?shù)學(xué)問題，用數(shù)學(xué)解釋物體背后的物理原理幫助我們開啟了一個重要的科學(xué)范式。

將物理問題變成數(shù)學(xué)問題之后，我們可以通過數(shù)學(xué)計(jì)算解釋過去，也可以預(yù)測未來，進(jìn)而掌握客觀世界的規(guī)律。牛頓之后的相對論、量子力學(xué)等其他大量新的發(fā)現(xiàn)，也都是將物理世界變成數(shù)學(xué)模型的延伸。

人與動物的區(qū)別之一就是人會使用語言和工具。

我之前從事了20年輸入法和搜索引擎的工作，每天都和語言打交道。在ChatGPT出現(xiàn)之前，沒有任何一種AI系統(tǒng)或工具掌握了語言。

搜索引擎無法實(shí)現(xiàn)我們拋出一個問題就給予一個答案這樣的功能，它只能通過關(guān)鍵詞羅列出許多網(wǎng)頁供使用者選擇。

輸入法能夠幫助使用者輸入單詞或短句，但無法做到根據(jù)一個既定的主題生成一篇文章。這個過程叫做自然語言處理，可以稱之為處理，但不能認(rèn)為是理解。

但如今，以ChatGPT為代表的AI應(yīng)用，面對用戶提出的問題立刻就能給出對應(yīng)的答案。

18年的時候，我提過一個概念：“當(dāng)機(jī)器掌握了語言，強(qiáng)人工智能就到來了?！碑?dāng)機(jī)器掌握了語言之后，語言背后所承載的知識、思考和溝通等內(nèi)容就變成了數(shù)學(xué)問題。

維特根斯坦認(rèn)為，語言的邊界就是世界的邊界。語言承載的是人類對世界的認(rèn)知。

人類用語言對世界進(jìn)行了一種分類和類比式的抽象描述。有一位叫做龐加萊的數(shù)學(xué)家，他曾經(jīng)說”Given the same name to different things.”中文意思：用相同的名字表達(dá)不同的事物。這種語言的解構(gòu)對我來說是一個巨大的沖擊。

除了更高層次的抽象之外，詞匯量對我們認(rèn)知世界也有著深刻影響。假設(shè)一個原始種族只會使用800個單詞，它對世界的認(rèn)知和表達(dá)一定不會很強(qiáng)。

愛斯基摩人對白色有20多種不同的表達(dá)方式，中國人在品嘗食物時，對味道也有很多種表達(dá)方式。每多一個詞匯，我們的世界就多一份認(rèn)知。

2.從“科學(xué)時代”到“共生時代”

去年，我提出了人工智能的三個突破方向：語言，強(qiáng)化和代碼。

目前我們已經(jīng)基本解決了語言的問題，強(qiáng)化學(xué)習(xí)也開始取得突破，讓機(jī)器自動編寫代碼并且讓代碼運(yùn)行業(yè)界正在探索。

20年之后，我們會進(jìn)入更大的時代，我稱之為“共生時代”，這一概念還尚未在行業(yè)中討論過，但已經(jīng)隱隱地出現(xiàn)了一些關(guān)于它的跡象。

一個月前，Anthropic的CEO Dario Amodei寫了一篇描繪AGI時代的萬字長文。

他提出了三個未來要實(shí)現(xiàn)的目標(biāo)方向：

① 第一個方向，與醫(yī)療健康相關(guān)

他希望未來的機(jī)器可以進(jìn)行實(shí)驗(yàn)設(shè)計(jì)、收集數(shù)據(jù)、細(xì)胞實(shí)驗(yàn)、動物實(shí)驗(yàn)等操作，幫助人類探索更多未知的內(nèi)容，對身體、疾病進(jìn)行解碼。他使用了一個非?！靶愿小钡脑~語—生物自由。

就像不缺錢花，不會為錢煩惱的財(cái)務(wù)自由一樣，他提出的生物自由指的是，不為身體健康所煩惱。

② 第二個方向，對心理學(xué)或神經(jīng)科學(xué)的研究

指的是通過機(jī)器研究心理學(xué)和神經(jīng)學(xué)上的問題，使人類可以避免精神上的疾病。

③ 第三個方向，解決貧富不均和人類分化的問題

Dario Amodei對解決前兩個方向上的問題比較有信心，但對第三個方向，他認(rèn)為這是他希望達(dá)到的，且可能達(dá)到的目標(biāo)。

Dario Amodei大膽預(yù)言，在未來5年到10年間，我們將取得過去50年到100年間的科學(xué)進(jìn)步，尤其是在生命科學(xué)方面。

我對生命科學(xué)同樣非常感興趣。在研究生期間，我主要做的是基因測序相關(guān)的工作。在科研過程中我發(fā)現(xiàn)基因測序背后的生命，并不在我們今天所討論的物理、化學(xué)和數(shù)學(xué)的范式里。數(shù)學(xué)和物理都無法解釋生命現(xiàn)象。

因此我非常好奇生命的數(shù)學(xué)模型是什么？

過去，我們討論了物理的數(shù)學(xué)模型。

現(xiàn)在我們已經(jīng)開始使用語言的數(shù)學(xué)模型。

未來，需要解構(gòu)的是生命的數(shù)學(xué)模型。

解開生命的數(shù)學(xué)模型之后，我們不僅可以獲得生物自由、心理健康，甚至創(chuàng)造出機(jī)器生命的概率也會大幅增加。我將未來這種機(jī)器生命和人類共同存在的世界稱為“共生時代”。

3.大模型是智能時代的基礎(chǔ)設(shè)施，帶來的是生產(chǎn)力的升級

在過去的近兩年時間里，對于AGI美國人最早認(rèn)為是算法和數(shù)據(jù)的問題，隨后更多考慮的是芯片和產(chǎn)能。

今年年初的時候，他們則把重心轉(zhuǎn)向了能源問題，認(rèn)為掌握了數(shù)據(jù)和算法之后，能源才是探索AGI最核心的動力。因此，OpenAI、XAI等美國的頭部AI公司都已經(jīng)開始研究如何發(fā)展核能，來保證大模型的電力供應(yīng)。

我們把過去幾十年稱作“信息時代”，作為信息時代最重要的技術(shù)之一，互聯(lián)網(wǎng)是一種連接和傳遞導(dǎo)向的技術(shù)，是從信息層面去解決問題的。

在互聯(lián)網(wǎng)時代，我們更多關(guān)注的是生產(chǎn)關(guān)系的改變，例如滴滴、美團(tuán)、淘寶等平臺都是通過連接實(shí)現(xiàn)供需匹配，使我們獲得更多的服務(wù)，在這個過程中機(jī)器并未體現(xiàn)出智能。

大模型通過壓縮和預(yù)測將海量的數(shù)據(jù)轉(zhuǎn)化成了知識，當(dāng)信息轉(zhuǎn)變?yōu)橹R之后，機(jī)器在掌握知識之后便帶來了一種新的范式變化，直接構(gòu)成了生產(chǎn)力的升級。

隨著以GPT為代表的大模型技術(shù)持續(xù)突破，在AI應(yīng)用層面，我們最終會得到一種數(shù)字人員工的形態(tài)，逐漸進(jìn)入“造人”的范式。

機(jī)器不僅是人類的工具，更是人類的伙伴。我認(rèn)為這是一種時代上的劃分。

去年4月份的時候我創(chuàng)立了百川，那個時候我問ChatGPT：“如何找到更多優(yōu)秀的人才？”ChatGPT表示，第一件事需要凝練你的想法，并把這個想法公開。

我遵循了ChatGPT給我的意見，發(fā)布了一封公開信，表示我要入場大模型創(chuàng)業(yè)，希望有更多的伙伴加入進(jìn)來。這就是我對ChatGPT的使用，將其當(dāng)做一個工作上的伙伴和顧問。

ChatGPT無疑是智能時代的開山之作，但5年或10年之后，還會誕生更加顛覆性的產(chǎn)品。今天如果還不會與大模型進(jìn)行協(xié)同，這就與過去不會使用搜索引擎類似。

今天我們討論AI，主要有以下幾個方向：

第一，使用ChatGPT一類的AI應(yīng)用來提高企業(yè)效率；

第二，AI為個人提供服務(wù)，幫助我們在未來的旅游、購物等方面建立新的生態(tài)，包括幫助使用者操作手機(jī)并完成復(fù)雜任務(wù)；

第三，AI幫助每個人更容易地將自己的想法轉(zhuǎn)化為圖片、視頻、音頻等作品。

我喜歡使用《紅樓夢》中的一個詞語，叫做太虛幻境。我們可以用AI打造一個“太虛幻境”，在其中提升生產(chǎn)力，讓個人變得更強(qiáng)，也可以營造一個良好的氛圍，讓大家在這個虛幻的世界中娛樂身心。

對于AGI一定會到來，現(xiàn)在業(yè)界都有著一致的預(yù)期，但是在技術(shù)路徑上大家還有比較大的分歧。我認(rèn)為，DIKW是實(shí)現(xiàn)AGI的核心路徑，是我們逐步走向智慧的原因所在。

在國內(nèi)，大數(shù)據(jù)已經(jīng)談?wù)摿撕芏嗄?，大?shù)據(jù)的內(nèi)容很廣泛，但我認(rèn)為其中真正有價值的地方是信息對真實(shí)世界的反應(yīng)。

通過數(shù)據(jù)構(gòu)建工作，我們將海量的數(shù)據(jù)梳理成了各種各樣的信息，基于搜索引擎技術(shù)我們可以隨時查找并使用這些信息，而大模型更進(jìn)一步將信息壓縮成了知識，有了知識和語言之后，機(jī)器開始產(chǎn)生推理和思考能力。在此基礎(chǔ)上，通過強(qiáng)化學(xué)習(xí)和思維連技術(shù)，今年我們已經(jīng)看到了一些智慧的苗頭。

此外，還有幾個技術(shù)與大模型相關(guān)。我在與字節(jié)跳動公司的人聊天的過程中，他們表示：模型完成后，我們想做的第一個事情是在掌握事實(shí)的基礎(chǔ)上，通過搜索將知識與信息相連接，用搜索對大模型進(jìn)行補(bǔ)充。

搜索引擎使用的是已經(jīng)發(fā)生過的數(shù)據(jù)，如果只是將搜索引擎的數(shù)據(jù)與大模型的能力結(jié)合，那么效果不佳，大模型的智能將缺乏應(yīng)變能力，很難應(yīng)對未曾發(fā)生的事情，大模型的顛覆性優(yōu)勢不會超越整體的人類，只能超越個人，因此大模型需要基于這種方式進(jìn)行學(xué)習(xí)和強(qiáng)化。

4.強(qiáng)化學(xué)習(xí)讓大模型具備思考能力

所謂“讀萬卷書，行萬里路”，這句話對大模型也很適用。讀萬卷書能學(xué)到很多東西，但這還不夠，還需要行萬里路，在實(shí)踐中去強(qiáng)化學(xué)習(xí)。

2016年，有一個震撼AI圈的事件，谷歌推出了AlphaGo，它通過自己與自己下棋的方式來學(xué)習(xí)圍棋，最終戰(zhàn)勝了人類頂尖棋手。

然而，AlphaGo有很大的局限性，它應(yīng)了我們的一句古話“思而不學(xué)則殆”，它停留在圍棋領(lǐng)域，無法融匯更多的外部知識和信息。

AlphaGo的第一代產(chǎn)品使用了人類6000萬局的數(shù)據(jù)進(jìn)行訓(xùn)練，AlphaGo的第二代叫做AlphaGo Zero，AlphaGo Zero是什么意思？

就是沒有學(xué)習(xí)過人類的任何一場棋局，卻表現(xiàn)得比AlphaGo更好。它的關(guān)鍵不是學(xué)習(xí)，而是自己思考。

Open AI做的事情在某些程度上與AlphaGo和AlphaGo Zero有些類似。一方面他們希望用更多的數(shù)據(jù)提升GPT模型的知識能力，另一方面又希望用更少的數(shù)據(jù)提升O1模型的思考能力。

O1不是一個systems，它比較model，它不是由很多個系統(tǒng)組成的一個更大的系統(tǒng)，而是一個整體，因此在它自我進(jìn)化的過程中，我們可能不能搞清楚這其中具體發(fā)生了哪些事情，它的能力可能開始超過人類了。

機(jī)器進(jìn)行強(qiáng)化之后，它就開始能夠行萬里路，能夠開始進(jìn)行思考，就可能會打開更大的世界。

另外，今天沒有展開講關(guān)于代碼的內(nèi)容。

我提出代碼和強(qiáng)化學(xué)習(xí)的原因是使用搜索和數(shù)據(jù)來驅(qū)動的系統(tǒng)，只能在人類已有的知識范圍內(nèi)進(jìn)行工作，但當(dāng)一個系統(tǒng)具有強(qiáng)化能力，能夠自己寫代碼并且運(yùn)行的時候，就能走出原有數(shù)據(jù)的分布。

例如，我在公司內(nèi)部進(jìn)行了一個思想實(shí)驗(yàn)：對大模型說，請你學(xué)會下圍棋，大模型可以查詢圍棋規(guī)則，根據(jù)這個規(guī)則來寫出一個判斷圍棋輸贏的程序，然后再運(yùn)行這個程序，大模型就學(xué)會了下圍棋。

這樣大模型就實(shí)現(xiàn)了從學(xué)習(xí)到思考的過程，派生了一種思考能力出來，未來它就擁有了一條向AGI發(fā)展的路徑。

二、醫(yī)療是AI應(yīng)用的重要領(lǐng)域之一

1.造醫(yī)生：得醫(yī)生者得天下

諾貝爾物理學(xué)獎得主Hinton表示，醫(yī)療將是AI應(yīng)用的最重要領(lǐng)域之一，將發(fā)揮AI的最大潛力。

英偉達(dá)CEO黃仁勛也表示，學(xué)計(jì)算機(jī)的時代過去了，生命科學(xué)才是未來。Dario也提到，AI將幫助人類可靠預(yù)防和治療幾乎所有自然傳染病，消除大多數(shù)癌癥。

對我自己而言，我對生命科學(xué)有很深的情感。

我之前提到2000年的時候我從事的是基因測序相關(guān)的工作，當(dāng)時清華計(jì)算機(jī)系的5個所分別是人工智能、軟件、多媒體、網(wǎng)絡(luò)和體系結(jié)構(gòu)，我們所做的是體系結(jié)構(gòu)，主要進(jìn)行高新運(yùn)算。

我們進(jìn)行高新運(yùn)算一定會找一個應(yīng)用場景進(jìn)行驗(yàn)證。那時候有個大家聽起來很性感的著名場景，叫做天氣預(yù)報(bào)。

天氣預(yù)報(bào)對計(jì)算機(jī)算力的消耗特別大，它實(shí)際上是一個大型仿真系統(tǒng)。它的做法非常粗暴，將空間劃分成一個個標(biāo)記了濕度、溫度等數(shù)據(jù)的小格子，來預(yù)測下一個時刻的天氣變化、太陽轉(zhuǎn)動等活動。

格子分得越細(xì)，計(jì)算結(jié)果就越準(zhǔn)確。但格子每增加2倍，計(jì)算力需要增加32倍，因此預(yù)測得準(zhǔn)確細(xì)致就變得非常困難。

美國之前舉辦亞特蘭大奧運(yùn)會的時候，它需要計(jì)算出一個體育場的面積是否會下雨，這需要巨量的算力，是當(dāng)時計(jì)算力的巔峰應(yīng)用。

天氣是一個非常復(fù)雜的系統(tǒng)，《三體》小說中三體世界的三個恒星就是一個最小的復(fù)雜系統(tǒng)，當(dāng)三個太陽在相互引力的作用下運(yùn)動的時候，它們的軌道就不確定了。

因此，即使三體星人的科技非常發(fā)達(dá)，但是他們依舊無法預(yù)測和掌控自己的命運(yùn)，所以他們要移民。雖然三體的問題代表一種不確定性，但是生命比三體復(fù)雜多了。

人體內(nèi)有23000個基因，這23000個基因僅占DNA5%的面積，還有95%的調(diào)控網(wǎng)絡(luò)。我認(rèn)為非常有趣，在那時開始對生命產(chǎn)生興趣。

2018年的時候我講的兩件事情：

第一件，我之前提到過的機(jī)器掌握語言，強(qiáng)人工智能就到了。

另一件，向基層醫(yī)療賦能，打造家庭醫(yī)生。

我們經(jīng)常說科學(xué)是浮在天上的事情，但醫(yī)學(xué)是少有的科研和服務(wù)為一體的事情。

有醫(yī)生朋友的都知道，醫(yī)生需要進(jìn)行科研才能晉升，醫(yī)生既是臨床工作者，也是科研工作者，并且優(yōu)秀的醫(yī)院背后都有其附屬的醫(yī)學(xué)院。

物理、化學(xué)、數(shù)學(xué)等領(lǐng)域的科研進(jìn)展、創(chuàng)新突破可能比醫(yī)學(xué)領(lǐng)域更多，但它們距離應(yīng)用是非常遠(yuǎn)的，例如我們在NATURE上發(fā)表一篇關(guān)于材料科學(xué)的文章，它可能需要10年或者15年后才能夠變成應(yīng)用。

但醫(yī)學(xué)不是，醫(yī)學(xué)從實(shí)驗(yàn)中產(chǎn)生，比如某位老師發(fā)表了一篇臨床醫(yī)學(xué)相關(guān)的文章，也許一年之后就為大家提供了應(yīng)用方向。因此在醫(yī)學(xué)領(lǐng)域中，科學(xué)和應(yīng)用這兩個問題的聯(lián)結(jié)非常緊密。

如今我們在生命的數(shù)學(xué)原理方向有任何的進(jìn)步，隨時可能會變成具體落地的健康服務(wù)，因此我認(rèn)為這個行業(yè)非常性感。

22年的時候，語言并未被突破，當(dāng)時我們只是從生理上的血壓、心跳、呼吸等信號中尋找規(guī)律。

到23年的時候，我們創(chuàng)建了一個叫做百川智能的公司，當(dāng)時我考慮的是如何將模型與醫(yī)療相結(jié)合。

百川的百，英文單詞對應(yīng)的是BIO，生物的意思。我一方面好奇的是生命的數(shù)學(xué)模型是什么？另一方面是如今語言的數(shù)學(xué)模型已經(jīng)被找到，我們可以借助語言的數(shù)學(xué)模型的能力，來支撐醫(yī)療服務(wù)和后續(xù)的科學(xué)發(fā)現(xiàn)。

2.從“找醫(yī)生”到“造醫(yī)生”

我經(jīng)常說的一句話叫做“找醫(yī)生不如造醫(yī)生”，我們都知道醫(yī)生資源是非常有限的，而且是在醫(yī)院體系里面，在之前的生產(chǎn)關(guān)系結(jié)構(gòu)下，健康問題想要取得跨越式的發(fā)展非常困難。

在醫(yī)療領(lǐng)域有一種說法叫做，醫(yī)生是“藥品的流通渠道”，對患者而言生病了一定要去找醫(yī)生開藥，而藥廠想要把藥品賣給患者是也是找醫(yī)生。

醫(yī)生在這個系統(tǒng)中處于最核心的位置，但就效率而言以醫(yī)生為中心是不夠的，它的可獲得性、價格和質(zhì)量已經(jīng)陷進(jìn)了僵局。

如果我們通過AI醫(yī)生，解決醫(yī)生的供給問題，就把醫(yī)療的模型從找醫(yī)生變成了造醫(yī)生，這個是我們的破題的解法。

因此，對于我們而言，不是先去搞定蛋白質(zhì)或者基因等基礎(chǔ)生命科學(xué)問題，而是用“造醫(yī)生”的方式來解決當(dāng)下醫(yī)療領(lǐng)域最迫切的需求。

在無人駕駛領(lǐng)域，有一個從L0到 L5 的劃分，L3就是一種輔助駕駛機(jī)器，關(guān)鍵決策依舊需要開車的人來做，L5就是機(jī)器比人開得更好。

今天我們的輔助醫(yī)療系統(tǒng)在L1到 L2之間，明年會進(jìn)入到L3的水平，能夠開始輔助醫(yī)生進(jìn)行診斷，再往下會逐漸達(dá)到像人類醫(yī)生一樣好的水平。

我們期待未來醫(yī)療服務(wù)能夠從院內(nèi)走向院外，從醫(yī)生為中心轉(zhuǎn)換患者為中心，甚至將醫(yī)療健康問題從被動治療變成一種主動健康的模式。

3.新的醫(yī)學(xué)研究范式：從“循證醫(yī)學(xué)”走向“精準(zhǔn)醫(yī)學(xué)”

醫(yī)學(xué)的進(jìn)步需要大量數(shù)據(jù)觀測，不像物理學(xué)和數(shù)學(xué)靠底層計(jì)算推動，它一定要基于真實(shí)觀測，收集到足夠多高密度、高質(zhì)量的數(shù)據(jù)，才能夠模擬患者的病情發(fā)展，才有機(jī)會解開我們的生命健康問題。

除了線上的AI醫(yī)生之外，未來還會有居家的智能的穿戴設(shè)備，我們叫“AI檢測設(shè)備”，借助AI檢測設(shè)備，用戶在家里就能夠精準(zhǔn)、高頻地檢測自身健康狀況，收集身體的真實(shí)數(shù)據(jù)。

現(xiàn)在的患者的身體數(shù)據(jù)都是通過基層醫(yī)療的方式來收集，數(shù)據(jù)收集的頻次低，過程不連續(xù)，健康數(shù)據(jù)是很稀疏的。

今天大家倡導(dǎo)的是叫做循證醫(yī)學(xué)，就是要講證據(jù)（avidence），指的是通過大量統(tǒng)計(jì)不同人的數(shù)據(jù)，做成一個平均值。雖然相比經(jīng)驗(yàn)醫(yī)學(xué)，有據(jù)可依的循證醫(yī)學(xué)范式更合理，但現(xiàn)實(shí)中每個人生活環(huán)境不同，身體情況各異，又產(chǎn)生了個性化的問題。

在我們的暢想中，未來的醫(yī)療服務(wù)是能夠清楚的知道，你到底要看什么病癥，你想要什么，給你個性化的醫(yī)療服務(wù)，從循證醫(yī)學(xué)走向精準(zhǔn)醫(yī)學(xué)， AI醫(yī)療將促進(jìn)醫(yī)學(xué)范式的發(fā)展。

4.醫(yī)療增強(qiáng) + 強(qiáng)化學(xué)習(xí)，持續(xù)提升診療專業(yè)能力

造醫(yī)生，和模型訓(xùn)練有類似之處。在中國培養(yǎng)一個醫(yī)生，要先培養(yǎng)出一個通才，什么都懂，然后再開始學(xué)習(xí)醫(yī)學(xué)知識，最后到醫(yī)院里面去實(shí)踐去做強(qiáng)化學(xué)習(xí)。

大模型在學(xué)習(xí)時也是類似的路徑，首先是通過全量的數(shù)據(jù)學(xué)習(xí)，成為一個通用的模型，同時在醫(yī)學(xué)上做增強(qiáng)，學(xué)會看病例，再做強(qiáng)化的反饋，通過這些方式來“造醫(yī)生”。甚至是在醫(yī)院場景里，通過AI醫(yī)生-AI患者-AI裁判的模擬診療，博弈學(xué)習(xí)去提升它的能力。

大家看醫(yī)生的時候，受限于現(xiàn)實(shí)狀況，醫(yī)生分給每個患者的時間非常有限，無法一一解答患者的全部問題，很多人都會有一種焦慮感。但有了AI醫(yī)生之后，它會非常耐心地聽患者描述問題，然后給患者一個解決方案，減緩大家平時就醫(yī)的焦慮和壓力。

比如我們和北京兒童醫(yī)院在共同研發(fā)一個兒科模型，孩子生病時絕大多數(shù)父母都焦急萬分，選擇第一時間帶孩子去醫(yī)院，實(shí)際上兒童疾病80% 是不用去醫(yī)院的，但是問題是：如何得知哪個是80%，哪個是20%？

有了這種模型之后，就可以幫助你做判斷，避免一些焦慮。