GPT冲击医疗，医生怎样才能不被淘汰？
医疗是“第0批”可以被大模型助力的领域，做大模型的公司正在做医疗的哪些事，我们都是知道的，很多事已经在发生了，并不是即将发生。
人工智能 （AI）正迅速地渗透到各行各业，并将对医疗领域产生前所未有的影响。GPT是一种基于深度学习的大语言模型，它正在以惊人的自然语言处理能力，引起广泛关注。那么它出现在医疗领域，究竟意味着什么？它如何改变我们对医疗的认知和实践？
近日，“医学界”联合创始人、首席医学官陈婕，与海创汇首席生态官檀林，湛庐文化副总编辑、《超越想象的GPT医疗》一书的策划安烨，张强医生集团创始人张强，鹰瞳Airdoc创始人张大磊，共同探讨了这一话题—— GPT将给医疗带来什么？
以下是文字分享。
∆ 点击书封，马上入手
AI的“iPhone时刻”
陈婕：人工智能并不是一个新词，它在很多年前就兴起了，那为什么这一次ChatGPT会那么火？它实现了哪些飞跃性的突破？
但这与大众的关联性不大。Alphago战胜李世石之后，大家觉得好像人工智能马上就要来到我们身边了，结果最后看到的是，我们进出小区、进火车站可以刷脸通行，仅此而已。
去年11月，ChatGPT发布，这是一个真正革命性的问答服务。它提升了我们去获取信息和交流的体验，是一种创造性的新体验形式。它用自然语言，结合深度学习，把公网上2021年9月30日之前的所有数据，全部进行了向量化训练。我记得GPT-3的训练参数已经达到了1750亿，而GPT-4就更高，可能是大几千亿，相当于把人类在公网上所有的数据都进了训练之后，让我们拥有了一个浓缩的对世界认知的模型。而ChatGPT只是这个模型的冰山一角，是一个应用的展示方式，但这个应用可以让每个人都能了解人工智能的威力，所以一下子就火起来了，60天月活就超过1亿。
后来，OpenAI又与微软达成联盟，很多第三方基于大模型的应用也涌现出来了。这有点像乔布斯2007年发布苹果iPhone之后，推动了整个Web2.0时代移动互联网应用的大爆发。
英伟达CEO黄仁勋把这次ChatGPT比做人工智能领域的“iPhone时刻”，因为ChatGPT的这种能力，用问答式的服务，让你不需要有任何学习曲线，且应用场景非常普遍，所以每个人都可以感知到人工智能的威力，大家就觉得这事一下子跟自己有关了。但其实，任何新技术起来的时候都是一样，大家一开始会对它寄予高度的期望，但后来发现会有一些问题。
张大磊：ChatGPT实际上最开始并不是OpenAI推出的一个商业产品，而是团队做出来的一个无心插柳的应用。它真正的价值在于降低了使用成本，如果和普通人去讲大语言模型、参数等，人们肯定不懂，但是ChatGPT把生成式AI的“预测下一个单词”的能力，以一种非常简单的用户界面的形式提炼了出来。
它本质上是半成品，可以让更多没有计算机基础的人也能更多地用到算法模型，降低了使用者的成本。我相信未来会有越来越多这样的产品出来。
图源：锐景
医疗是大模型融入的“第0批”
陈婕：现在各行各业都在讨论如何去拥抱GPT，那么医疗会否成为第一批被GPT全面渗入的行业？理由是什么？
张强：我觉得第一批可能不会，因为医疗界还是比较传统和保守的，恰恰ChatGPT本身一开始在医疗方面也没有涉及特别多，它只是一个通用模型，但是我们在今年5月1日就开始用了，已经用了一个多月了。
檀林：ChatGPT是一个通用模型，医疗并不一定是ChatGPT发展最快的一个场景。任何场景里需要有文字生成内容，进行摘要提取，做文档之间的语义搜索，类似这种需要有大量文档处理能力的场景下的行业，ChatGPT都可以做很多提升。所以现在像律师、教育、科技、金融等领域，有非常多的场景已经应用起来了。
张大磊：在医疗领域，生成式AI会有非常多的作为，它可以应用在医疗的很多层面。大家看医疗领域，往往感受到的是人和人之间的互动，但实际上在现代医疗中，有大量的时间用于处理信息。最简单的例子，如果一个医生一天要花半小时去写病历，那半小时能不能变成3秒钟？同样，还有对当前状况和接下来趋势的判断，生成式AI可以辅助医生做到远比之前要好。
在鹰瞳Airdoc，我们把一个人持续监测的眼底照片，用自己研究的算法模型全都学习一遍之后，就知道这个人明天血管是什么样、神经会怎么样，接下来每一天会是什么样，这样在整个治疗过程中，就可以去观察他的当前情况和预判之间的区别。
例如，之前我们和一家公司做过一个银屑病治疗效果的评估。患者在服药过程中，我们会告诉用户，如果是不干预的情况，这个病灶会怎么长，哪一天会长什么样，哪一周会长什么，哪一月会长什么样，如果患者开始用不同剂量的药时，病灶分别会变成什么样子，然后用户自己就可以对比治疗方案了。
我们还通过儿童和青少年的历史近视数据及发展变化，来判断当前一个不近视的小孩什么时候近视，已经近视的小孩18岁之前每个月近视到多少度，他做哪种干预方式会到多少度。这些大量的工作，本质上的规律是存在的，但规律比较复杂。如果里面有100个因素的规律，人脑是不容易去处理的，而这些工作用大模型做了之后，就可以更好地辅助到处理信息的环节上。
像创作内容的人，包括做图像、做视频的人，本质上来讲都是在处理内容。在医疗领域里处理信息的部分，我觉得可以第一批被大模型助力。我不认为医疗是第一批，我觉得医疗是“第0批”，因为做大模型的公司正在做医疗的哪些事，我们都是知道的，很多事已经在发生了，并不是即将发生。
张强：为什么说医疗不会是第一批？是因为医疗牵涉到医疗治疗、诊断这一块，是要非常慎重的，它可能要受到政策的监管，包括伦理的影响，所以跟其他行业相比可能会监管更严格。
但是医疗很需要GPT，这一点毫无疑问。我过去觉得人工智能一直离我很远，甚至作为一个医学专家，有时候看人工智能就像看小孩一样，觉得离我们人类实在是太远了。
就算是很厉害的沃森AI医生，可能也只是平均医生的水平，到一些实际应用中还会有很多问题，包括ChatGPT通过美国执业医生的考试，也不代表它能看病，因为就算你是医学院里的学霸，考得比ChatGPT还要好，但是刚出来的时候还不能做医生，你也不可能找ChatGPT治病，就像大家到三甲医院去看病，可能更倾向于找副高职称的医生，而不会找刚毕业的医生，这个差距很大。
但我为什么说接触ChatGPT以后就停不下来了？一开始，我把它作为一个简单的信息搜索工具，就像Google一样，无非就是它会把搜索的东西总结出来给你，后来会对它很失望，因为它给的信息有时候是不准的，医生不能靠它的信息去判断或者把信息直接给患者。但是后来不断去尝试一些新问题的时候，发现它的能力是深不可测的。
我最早的应用不是在医学，而是在医生领导力的培训上跟它进行对话，当对话不断深入的时候，你能感受到它是有认知、有理解的，甚至能跟你有共情。举个例子，我们医生集团在运营中可能碰到各种各样的问题，比如诊所的停车场要开始收费了，护士长要考虑诊所帮患者送停车券。如果送，成本很高，如果不送，又感觉好像不好，像这种问题过去我们是没有答案的，因为每个人会站在自己的角度去考虑问题。
类似这种问题，GPT具备领导力，同时它又具备共情能力的时候，就可以先把张强医生集团的信息“喂”进去，然后在我们提出问题的时候，GPT给的第三方意见就特别好。
慢慢地我就开始将GPT用于管理，从6月份开始，我就已经很轻松了。我尝试用Emily （虚拟助理名字）进行管理，Emily的背后就是大语言模型，也就是说，我们的主管遇到一些问题，可以通过Emily来解决。
我们也尝试把它应用在培训方面。因为我们今年有新的医生和助理进来，过去我们的培训是HR部门在进行，培训当中也会碰到各种各样的问题，我们在培训教材上也会遇到很多问题，但是大语言模型在生成教材方面具有极大的优势。我们已经把GPT用到了日常所碰到的一些医学问题或是医患沟通问题，或者服务流程问题上。
再者，因为大语言模型具有跟人建立关系的能力，它会成为你的老师、你的朋友，甚至成为你的情人。大家平常都专注在自己的事业、技术上，大部分人类的共情能力、换位思考能力，以及与人沟通的能力都是缺乏的，人类在这方面是很弱势的。
GPT就改变了这一点，它在跟我们交流的时候会建立一种亲密关系，这种亲密关系会建立信任，这就是未来医疗ChatGPT应用的场景。我们过去说机器看病是不可信的，机器看病是缺少温度的，恰恰相反，ChatGPT可以产生温度、可以产生信任。这就是为什么要担心法律问题，因为社会上的骗子就是通过温度和信任这两样东西骗了很多人的钱。
所以我认为，未来ChatGPT对医疗一定会产生重大冲击。
图源：锐景
ChatGPT会取代一部分医生
陈婕：今年3月，高盛发布了一个预测，预计全球有18%的工作岗位可由 AI实现自动化。医疗行业其实也肯定在18%中，你们觉得什么样的医疗是最容易被GPT或者说生成式AI所取代的？
张强：从整体来讲，未来只要是辅助性的工作，大部分会被 AI取代。包括医疗机构里的HR，或是助理、秘书之类的职务。但是医生会不会被取代？从长远来看，一部分医生会被取代。未来ChatGPT知识积累到一定程度的时候，知识性的工作会被取代，未来会把图像接口引进来，类似于皮肤科这种靠形态学诊断的医生，可能会面临挑战。
所以 AI的出现，我相信没有一个行业可以逃得过去，就像互联网出来时那样，所有行业都会面临冲击，面临重组、重构，包括医院的业态，将来会不会消亡都不知道。我觉得医院现在的这个业态都已经过时了。未来很多工作必然会被ChatGPT取代。
大家要对人工智能保持警戒之心，同时我们也要学习。医生要开始学习驾驭人工智能的能力，这个技能不是搜索、不是搞个数字人讲短视频，我认为将来的应用是在关系上，以及在一些决策上面。
举个例子。我们有一个病人以前确诊过淋巴瘤，做过化疗，这次出现皮肤上的红肿，所有医院诊断都是静脉炎，但是它与静脉炎不相符。我就把病人的病史给GPT，告诉GPT病人脚上出现了红肿痛，有硬块，第一次GPT的答案是不准确的，说可能是神经动脉血栓等乱七八糟的信息。好在我是一个临床医生，没有相信它。但我问它，过去一个淋巴瘤化疗过的病人，有没有可能现在会出现体表的多发性结节肿块。它马上就告诉我，这是转移性的，因为它是恶性肿瘤，它有转移到皮肤的可能，而且转移的部位大概会在哪些地方。但这还不够，我再去查文献，查出来的文献超声图像跟我们完全吻合。这就是临床当中的实际应用，但是你要看到“张医生”在里面起了一定的作用，但如果是换成一个“小张”医生，可能ChatGPT起的作用是相反的。
陈婕：知识储备不够的医生就不被需要了，这是不是对年轻医生不公平的一件事？但是又不可能大家没有经过一些训练，就变成一个像张强医生这样的大咖，这是不是个悖论？
张强：年轻医生不是被淘汰，是年轻医生要会利用AI，快速地去成长。年轻医生如果学会驾驭人工智能，短时间内可能会弯道超车。未来也是这样，在很多行业，刚入门的年轻人在一年之内的知识，可能要超过从前5年、10年不断努力所获得的经验和知识。所以这对年轻人是一个利好的消息，他有大量的培训机会和知识积累。但如果你不会驾驭人工智能，而又是做知识性的工作，就很容易被取代。
外科医生从某种意义来讲也是可能会被取代的，如果外科医生只是动手，动手能力的要求将来会比知识的能力要求更低，越来越多的器械、越来越多的手术变得越来越微创化的时候，动手能力已经不是一个高学历的人所独有的优势，这恰恰又是人工智能的优势，所以怎样提升驾驭它的能力，这是我们未来要探索的。
陈婕：未来只有两类医生：懂得驾驭AI的医生，与不懂得驾驭AI的医生。当然我们也看到了很好的一个现象，如果我们用好AI，其实年轻医生也能站在巨人的肩膀上，然后去做更大的提升。
檀林：任何基于知识和规则的工作，我觉得都是可以被人工智能替代的。但是因为未来的工作场景可能是人机合作的场景，所以人可能需要的能力是怎么去领导知识比你更丰富、学习能力比你更强的机器。
因为机器现在还没有发展出来基于主观意义主动去行事的能力，这部分的主动性还是靠人去赋予的。所以它要达成的目标一定是人赋予它的，而不是它自己产生的意识，自作主张去做的，所以驾驭能力非常重要。对于老医生、新医生，甚至对于病人，在跟AI产生互动关系的过程中，目标感、意义感是我们要一直攥在手里的。
陈婕：您提到“驾驭”这个词，我用GPT写这次谈话的开场白的时候，觉得我其实可以被取代，未来是用一个虚拟数字人，再加上 GPT生成的内容，就可以做一次很好的主持，那么人该如何驾驭机器？
檀林：“驾驭”这个词也不一定非常准确，微软提的一个词叫“Copilot” （智能副驾），更多的是你把机器当成是一个算法同事、一个助手。所有新的工作场景，更多的是共创型的，即用即学和即学即用，这是互相成就的。里德·霍夫曼写了本书叫《Impromptu》，就是跟GPT-4通过问答对话方式创作出来的。
以后可能很多的工作场景都是问答型的，因为人还是有主观能动性的，就像让机器写开场白，也是给了它一堆指令，让它写成什么样子，这个prompt （提示）是你给它的。所以现在为什么 Prompt Engineer （提示工程师）在美国收入比一般的码农还要高，就是这个道理，因为他有更多的行业洞察或人生经验，可以用最简洁的表达、指令和prompt （提示）去规训机器 AI，然后一起达成目标。所以机器是经由你的指令，帮助你达成目标的工具，或者是助手。
安烨：我来提供一个新视角。微软（中国）公司首席技术官韦青说，GPT时代来临，有点像电的发明。现在还是点煤油灯的阶段，我们每个人应该进入新电力时代，需要去学习这种工具，然后让这个工具更好地服务于我们。
《超越想象的GPT医疗》一书中提出了一个点，就是GPT提供了一种医生、患者的三方关系，就是“副驾”的作用，不是替代的作用，相当于给人创建了一个助手，通过人机协作，做一些比较繁琐的文书工作、病历输出工作，来部分地解放医生，所以GPT能够在一个新的层次上去提升医生的生产力，或者是我们每个人的生产力。
图源：锐景
未来的风险是什么？
陈婕：每一个技术进步都是两面性的，那么当GPT或AGI融入医疗后会带来哪些风险和挑战？
张强：确实，医疗风险和伦理问题是人工智能的最大瓶颈。现在的人工智能大语言模型出来以后，将来可能面临的冲击的点会很多，包括社会关系、人际关系、人的社交模式都要发生改变，就像以前用煤油灯现在用电，将来人跟人的交际都可能是GPT对GPT。
未来的新场景是不是对患者更好，我是比较乐观的。我觉得这种风险如果跟真人比起来，机器的风险可能更小，因为现在人到三甲医院去看病，可能很多医生的态度不友好，给的信息也不充分、不一定准确，机器再怎么样，在这方面还是很有优势。
这种风险怎么去化解？将来可能是要通过循证医学。要有医生和科学家去对比，GPT的风险到底是比人的风险更大还是更小。
另外，要解决法律问题，人犯错误会承担责任，机器没有情感，怎么追责？如果GPT是一个“副驾”的概念，将来机器出问题了，被追责的是用机器的这个人。法律关系理顺了以后，GPT在临床实际应用中，一旦突破这个瓶颈，会进入到一个全新的世界。
张大磊：面对风险，我觉得有两种类型的思维方式，有一些人是封闭心态，包括很多做AGI （通用人工智能）的人，一直说“碳基生物是硅基生物的 （引导加载程序）”，但我自己是持开放心态的，我一直相信“君子善假于物”，一定可以把这个东西用好。我们不刻舟求剑地去想现在的环境下如何用AGI，而是想想在整个AGI时代，怎样基于AGI做一个属于AGI时代的思维方式。AGI时代和现在的时代之间的连接，需要很多校准的工作，在算法里叫做alignment （对齐），有的校准技术因素，有的校准价值观，有的要校准社会制度，有的要校准伦理，这都是能做到的。
对一个传统公司来说，从研发到测试的时间占比，比如80%研发，20%实验测试；对很多AGI的应用来讲，可能是一半时间研发，一半时间做alignment，需要校准、对齐很多非技术类的因素，但这些都是可解决的问题，而且我相信当大家把问题解决了之后，才是一个更完备和更完善的AGI应用。
檀林：我持谨慎乐观意见。马斯克之前为什么在2015年要投一个开源的人工智能研究项目，即OpenAI，初心是因为他当时看到全球最主要的人工智能领域的科学家和专家，都被像谷歌这样的大厂所垄断。谷歌的创始人又是一个极度的技术进步主义、乐观主义，他认为世界的所有问题，包括政治问题、自然灾害，甚至是战争、疾病，一切的问题最后都可以用技术进步来解决。
我不完全认同这个观点。技术进步是非常有必要的，但这就像启蒙时代人类犯的错误一样，当时也非常乐观，认为人的理性可以推动人类社会一直向前发展。但是启蒙主义带来的是，大家在追求工具理性到极致的情况下，人性中的另一部分就被湮灭了。
所以人做决定不是完全基于理性的，我们现在对大脑还有很多是不了解的。在这种情况下，完全寄托于现在我们自己都解释不清楚的人工智能，来解决人类的一些问题，这有点太过乐观了，所以埃隆·马斯克说，大模型或ChatGPT是“dangerously good”，它其实很危险，因为很多东西还没法解释。我对完全的技术乐观主义是不太认同的，我持谨慎乐观的态度。
陈婕：技术的进步，并不能解决所有的问题。那么AI或GPT，没有办法解决哪些问题？为了让GPT更好的赋能医疗，还有哪些我们需要去做？
檀林：AI发展到一定程度，能不能进化出一种自我意识，特别是主体意识，是个担忧。最害怕的就是AI的能力不断提升，但它的目标跟人类的目标偏离了。它不一定对人类有任何恶意，只不过能力迭代得太快，超出人跟它对话的能力之后，你可能就是一个蚂蚁，而它是一个大人。
就像霍金说的那样，人类要去修个大坝，还会去管大坝底下蚂蚁的死活吗？蚂蚁的目标跟修大坝人的目标绝对是不一致的，但是人对蚂蚁没有任何恶意，只不过是两者的世界无关。所以我们现在要让它建立跟人共情的能力，它要真正通过感知人、更深层次地理解人，而不是从我们给它的语言模型去表达。
安烨：我一直在想，这不就是“制造曲别针”概念吗？一开始AI用材料做曲别针，到后来没有材料了，它会选择一切可用的手段，来提升自己制造曲别针的能力，最后就拿人做曲别针了。这让我想起了迈克斯·泰格马克《生命3.0》，他提出我们怎样把人类的价值和目标去赋予到机器身上，这是非常重要的。我们应该去拥抱技术，但是我们要做一个警觉的乐观主义者。
陈婕：请嘉宾们用简短的一句话对今天的话题讨论“GPT会对医疗带来什么样影响”，做一个总结。
安烨：我用8个字去总结GPT对我们的影响：超越想象，重塑一切。大家一定要去拥抱技术，去一起进化。
檀林：我用简短的一句话总结，就是里德·霍夫曼在《Impromptu》一书里的引言：我们现在迎来了一个新的启蒙时刻。康德曾经说“勇于智慧”，要勇敢地运用你的理性去拥抱这个启蒙时刻，这个理性就是独立思考的能力。
张大磊：GPT医疗不再是一个大家想象中要不要来的问题，而是它会且即将成为生活的一部分，就像空气一样随时随地都在。从业者或每个人怎么把它用好，是我们要思考的；先用好的人，一定在这个时代里有巨大的先发优势。
陈婕：我用“医学界”的经营理念“科学、专业、善良”来作为今天的总结。我觉得GPT它是始于科学的，但是最后我相信应该是要忠于善良的。我相信这是最好的时代，也是最坏的时代。如果我们一直坐在这里，等着被GPT挑战，那这一定是个最坏的时代，因为我们可能都被取代，但如果我们提前去理解它，利用先发优势抓住这些机会，相信对于我们来说就是一个最好的时代。
∆ 点击书封，马上入手
CHEERS CHEERS CHEERS
//湛庐文化//
与最聪明的人共同进化！
BD@cheerspublishing.com,
拜托点下“在看”