人工智能和机器学习对组织的影响

在下文中，我们将详细讨论第三点原因。具体可以展开为四个关键问题：(1) 技术不等同于产品；(2) 产品不等同于价值；(3) 价值取决于评价其价值的人；(4) 人们需要区分产品的目的到底是替代人类还是提高人类工作效率。

技术不等同于产品

不管它的本质多复杂，算法或神经网络都不等同于产品。例如， Zebra Medical 开发出了一项复杂的技术，能够通过放射扫描识别出是否骨折，通过乳房x光识别出是否有疑似病变。在扫描了数以百万计的图像之后，机器学会了如何正确识别骨折和疑似病变，使得该项技术不断完善。在研发过程中，技术人员提出了 100 多种算法，但是医生们（放射线科医生以及其他涉及到的医生）却无法直接使用这些算法，因为算法在使用前首先需要转化为产品。

要使算法成为产品，需要它可以让医生直接使用。也就是说，至少要开发出可在任一医疗中心的设备上运行的应用程序。该应用程序需要易于操作，并能够生成对用户有价值的输出。就 Zebra Medical 而言，这就意味着：此应用程序生成的输出可以告诉放射科医生骨折/病变的位置和类型。

产品不等同于价值

虽然 Zebra Medical 开发的应用程序可以帮助识别病症，但这个程序本身并不能直接产生价值。但他们找到了至少两种创造价值的点。第一点是效率。他们开发的应用程序可以比放射科医师更快、更多地审查扫描光片和乳房X光片。因此，高效是这项技术带来的第一个巨大价值。

第二个巨大价值在于，Zebra Medical 开发的创新技术是一种可以根据紧急程度对扫描和乳房X光片进行排序的算法。这一算法的发展需要放射科医师和其他医生提供大量反馈，以帮助算法了解哪些情况是正常、哪些是紧急和哪些是非常紧急。一旦这项工作完成，Zebra Medical 不仅能够提供扫描和乳房x光检查，还能够对扫描和乳房X光片进行排序，以便放射科医生能够优先处理最紧急的病例。这就是该产品为工作流程和病人生活增加了极大便利和有效性的地方。


 

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!