如果醫療診斷可以通過(guò)機器學(xué)習和人工智能實(shí)現自動(dòng)化，那不是很好嗎?跳過(guò)幾天或幾周的預約等待，然后被人問(wèn)問(wèn)題。只要上網(wǎng)，從人工智能那里得到問(wèn)題，然后在有必要的情況下進(jìn)行物理預約。

從會(huì )議取消到供應鏈中斷，全球經(jīng)濟的每個(gè)角落都受到了COVID-19的影響。

這就是醫學(xué)自動(dòng)診斷(MAD)的目標。但就像所有ML/AI應用程序一樣，模型也需要培訓。因為我們是在和人類(lèi)打交道，我們不能僅僅訓練真實(shí)的醫患互動(dòng)，或者讓人工智能代理誤診真實(shí)的病人。然而，失敗對于訓練是必不可少的。

因此，研究人員正在考慮開(kāi)發(fā)一個(gè)病人模擬器來(lái)訓練ML模型，使用真實(shí)的醫患對話(huà)記錄。但由于對話(huà)是面對面進(jìn)行的，醫生在觀(guān)察病人的同時(shí)，也在做一些沒(méi)有說(shuō)出口的觀(guān)察，而對話(huà)并沒(méi)有捕捉到這些觀(guān)察。這些記錄沒(méi)有捕捉到人工智能需要訓練的未被詢(xún)問(wèn)和未回答的問(wèn)題。

過(guò)去30年里，人們在網(wǎng)上上傳了數十億張照片，推動(dòng)了計算機視覺(jué)的巨大進(jìn)步。教機器區分貓和狗是有幫助的，所有的貓和狗的圖片都有“我的狗”這樣的說(shuō)明。

但是當語(yǔ)料庫不能代表人類(lèi)的多樣性時(shí)，我們已經(jīng)遇到了人類(lèi)訓練的問(wèn)題。結果只能和人工智能訓練的主體一樣好。