AI 会不会取代医生

关于 AI 会不会取代医生的话题。

去年网上有一个帖子传得比较多，关于未来几年内人工智能会取代医生的，还说首当其冲的就是影像科医生。以下是我去年写过的内容。

这个问题要是展开说的话很复杂，只往简单里说。

1. 先说传说中「最可能被取代的影像科」。

这几年影像科比较大的改变就是引入了 AI。我去年在一篇文章里提到，现在很多肺结节并不是医生发现的，而是 AI 发现的。现在健康人群体检，最高有 50% 的概率能发现肺结节，也就是说两个人就有一个会发现。

因此：

- 现在高清晰的 CT 扫描以及 AI 技术的引入，使得肺结节的检出率显著提高；

- 但肺结节的高检出率在临床上有什么样的收益和风险，我们目前还不清楚。

再比如说甲状腺超声这二十年也很普及，发现的甲状腺结节也特别多，但是后来发现很大一部分甲状腺癌病例与过度诊断有关（尤其是女性）。为了解决这个问题，卫健委还在去年的诊疗指南里面强调，不推荐一般人群行甲状腺肿瘤筛查。

所以 AI 能代替的是一些反复的工作，AI 有更高概率发现影像学异常，而且随着技术发展，它的准确率会越来越高，并且 AI 不会疲劳。

但是准确度高并不直接等价于有临床意义，这需要更多更长时间的临床研究才能有答案，这需要大量医生去思考、设计、开展并归纳总结的系统问题。

2. 另外一方面，看片子并不是影像科医生的全部工作。

- 某位患者应当选择什么样的影像检查（比如一个乳腺癌患者应当做钼靶、B 超、MRI 还是 PET-CT）

- 如何基于影像学检查结果给于临床医生可靠的解读；

- 如何参与到临床实践当中（比如影像引导下的介入治疗）；

……

看片子只是其中的一个基础操作而已。况且，在以前各种仪器检查中就多多少少有机器辅助解读了，比如十几年前我在医院实习轮转的时候，那时的心电图机就能直接给出诊断结果了，当然结果不一定准确，还需要医生最终确认签字。

还有一个问题就是，我们训练 AI 的数据来自于以往的影像检查结果，但是医学领域不像互联网的公开数据，它存在很大的信息获取屏障，基于患者隐私保护也好、或者不同厂家、医院设置的行业壁垒，这些都是阻碍影像 AI 训练的地方。

当然假以时日，这些问题我认为都可以解决，不过至少在现在，AI 的影像解读结果还达不到普遍认可的地步。

3. 这也涉及到更深层次的问题，那就是行业和法律许可问题。

客观的说，一个低年资、经验有限的影像科医生，和现在训练有素的影像 AI 模型，我想后者的解读准确率肯定更高一点。但问题在于，我们现在所有行业所认可的，是「人类」的解读结果。

比如保险公司和法庭是否愿意采纳 AI 给出的疾病判定，一方面是 AI 无法承担责任，另外一方面医生基于自身的利益考虑也会「让 AI 无法担责」。归根到底，这个世界的游戏规则是人类设定的，人类首先会保护自身的利益。

这就是医学以外的限制，打破这些限制的难度远高于 AI 算法的改进。

4. 医生会被替代这种说法，并不是 AI 时代才有的，有电脑的时候就有这种说法了。包括在十年前 IBM 的 Watson Health 也曾被寄予厚望，而且 Watson 一上来就是诊疗难度最大的癌症领域，IBM 也投入了数十亿美元，也与美国最顶尖的 MD 安德森癌症中心、纪念斯隆凯特琳癌症中心展开 Watson 的合作。

但是 Watson 最终失败了，它最终没有被训练成一位癌症专家。这背后的原因有很多，大家感兴趣的可以去查一下，或者你可以直接问下 ChatGPT 为什么 Watson 没有达到它最初的设计目标。

还是上面那句话，假以时日，我觉得医生会有越来越强大的 AI 工具可以协助诊疗，但并不是替代医生。重复机械的操作会被取代，而且应该被取代，注意这里说的是「操作」而不是「职业」。

再往前一点说，上世纪四五十年代，北京协和医院的血常规是医生在显微镜底下一个一个去数血细胞的，现在机器直接分析结果了，不需要耗费大量的人力工作了，但协和仍然还是协和。

5. 对于任何一个职业而言，能提供完整解决方案的职业被取代的难度是最大的。

影像报告分析不难，但是目前只有医生给出完整的、有临床意义的解决方案。在任何一个时代，请多多尝试学习使用新工具，而不是与工具为敌。

这一点并不仅仅是限于影像医生一个职业，也包括医疗行业以外的其他职业。

最后，我在之前写肺结节 AI 的那篇文章里提到，将来我们应该相信医生，还是相信 AI？

其实，这两者并不是对立关系的。AI 可以辅助医生提高工作效率，而医生也应当将技术本身转化为患者的临床获益。

医学进步，以人为本。

年赚 240 万:全世界最成功的独立开发者

介绍一位独立开发者：Pieter Levels，他应该是独立开发者这个圈子里的顶流了。Pieter Levels 在 Twitter 上比较出名，有将近 50 万的关注，在简介中，他直接写着自己几款独立开发产品的收入情况。

我简单算了下，他现在每月的收入已经达到 19 万美元，这些爆款产品包括远程工作网站 Remote. 数字游民宜居地网站 Nomad List.AI 摄影师 Photo AI 和 AI 室内设计 Interior AI。

Pieter Levels 是一位自学成才的开发者和创业者，他一个人完成产品的设计、开发和运营。因为工作比较自由，所以他这些年也过着数字游民的生活，曾在 40 多个国家和 150 多个城市生活过。让人羡慕。

昨天早上到公司，我惊喜地发现美国知名的播客主理人 Lex Fridman 发布了一期和 Pieter Levels 对话的视频，时长 3 小时 40 分。下午，我花了 4 个多小时，细嚼慢咽地看完了这期内容。今天写个总结和感触，希望对你有所启发。

1. 想做独立开发者，怎么发现产品点子？日常生活中，你可以琢磨哪些事情让自己烦恼，哪些产品构建得不好。之前你可能走马观花地没想过这些问题，但如果你想做独立开发，想构建自己的产品，那就要处处观察和留心。你要去琢磨哪些问题可以通过构建一个产品来解决，然后把想法列出来，并筛选哪一个是靠谱的。

2. 独立开发适合那些自我驱动力很强的人。他们不需要别人推动，他们自己会主动去做。即使遇到问题，他们也能够自学，并解决问题，而不是卡在那里等靠要。那些总是靠别人推动的人，那还是去公司工作比较好。

3. 开发产品的过程中，要让自己专注于问题本身，听从自己的直觉判断。记得，别不停地问问问，你只有在遇到具体问题时才咨询别人，并且你咨询他们不是为了把问题推给他们，而是为了从他们的角度获得智慧。即使他们的观点最终是你不同意的，你也会从中获得智慧。

4. 当开始构建产品时，很多工程师会习惯性地考虑技术问题，纠结不重要的小问题。他们总是控制不住地想使用更新、更好的技术。但其实，技术栈并不是最重要的。重要的是，要确认自己想做的产品人们愿意为之付费。Pieter Levels 的技术栈是 HTML.jQuery.PHP 和 SQLite，够老够弱吧。

5. 独立开发者很少能够拿到融资，他必须得一个人搞定所有的事情。这就反过来要求开发者必须速战速决，Pieter Levels 常用的策略是以两周时间为单位，快速验证某个需求是否有人买单。有则继续，没有则放弃。总之，验证的速度要快，也要舍得放弃。

6. 说到做独立开发，其实很多人的主要卡点还是行动。大家问来问去，左思谋，右犹豫，但却未曾走出重要的一步。这和小马过河的道理一样，自己适不适合，以及有没有机会，下去试试才能知道。并且机会很多时候也是迭代出来的，不会一蹴而就。行动永远是最重要的。

7. Pieter Levels 说，比如他想做一个播客，他不会问 Lex 如何成为成功的播客主持人这种问题。他会直接开始做，找对标，复制他的方法。先模仿，然后逐步加入自己的特色。这就是创造过程，在前人的基础上进行创造。

8. 具体构建产品时，要注意分清楚哪些是主要因素，哪些是次要因素。以做播客为例，很多人花钱购买昂贵的录音设备，调整录音环境，他们在这上面花了很多心思。但其实，播客最重要的是内容，特别是在早期 MVP 阶段，应该把注意力集中在最重要的事情上。

9. 千万不要有完美主义倾向。完美主义倾向很可能会在无意中给自己制造很多困难，比如你觉得做播客就得买一个很好的设备，也就是说你得先投入一笔钱进去。但这没必要，声音只要清晰就可以了，有的人还可以用 iPhone 拍出来电影呢，他也没用专业的摄像机。快速开始，快速行动，逐步完美。

10. 独立开发者最好的做法是一开始就收费。向用户展示产品，并在着陆页上说明你在做什么。如果用户想使用它，就得付钱。作为独立开发者，你没有融资，你没办法像很多初创公司那样先为用户提供免费服务，然后再在某个时机进行付费转化。你没有那么多时间和精力，并且直接收费，这也能验证产品是否命中刚需。

11. Pieter Levels 做过最出名的产品当属 Photo AI，一款利用 AI 技术来生成人像照片的产品。这款产品一个月就能帮 Pieter Levels 挣到 6.7 万美元。Stable Diffusion 刚发布时，他就开始玩，当然，他的玩不是走马观花地玩，而是边玩边思考利用这项新技术可以做点什么。

12. 当时，Pieter Levels 感觉 Stable Diffusion 不适合生成人物照片，但在建筑图片生成方面却很惊艳。于是，他迅速先做了一个产品 thishousedoesnotexist.org，点一下，就能生成一个房子。用户可以对房子进行投票，系统来统计哪个房子最受欢迎。不过，这产品没生命力，用户留存不好。

13. 在这个失败产品的基础上，Pieter Levels 进一步迭代，把产品方向调整为室内设计：Interior AI，用户上传一张自己房间的照片，AI 来进行设计。Interior AI 推出后获得了成功，到现在两年过去了，每个月都能有 4 万美元的收入。

14. 为了优化 Interior AI 室内设计的生成效果，Pieter Levels 开始学习微调。在这个过程中，Stable Diffusion 也在发展，他发现 AI 已经可以基于自己的照片生成不同风格不同场景的人物照片，于是，他受此启发，开始构建 Photo AI。我查了下，那时 ChatGPT 还没发布。

15. Pieter Levels 并不是什么技术大牛，现在构建产品，他用到的技术还是 jQuery 和 PHP，他不会刻意追求新技术，他讲究简单和实用主义。但注意，他不是故步自封，不爱学习，你看 Stable Diffusion 在那么早的时候他就已经尝试了。他学习新技术的目的一定是为了构建产品。

16. 至于学习，Pieter Levels 认为行动永远是最好的方法。比如想构建一个网站，那就问 ChatGPT，怎么制作网站，然后一步步的，遇到问题解决问题，在解决问题的过程中去学习，而不是先买两本书，或者三门课，看完之后才动手干。边干边学，边学边干。

17. Pieter Levels 曾经做过七十多个项目，但最后只有四个赚钱。这么算，成功率也就 5%。5%，这个很低的数据也告诉想创业、做副业的人，别幻想一举成名天下知，做好十年寒窗无人问的心理准备。

18. 很多人的发展路径是自己赚钱后，就会招聘更多人来一起做事情，比如做市场，或者社区运营。Pieter Levels 的策略是永不招人，这会倒逼他不断自动化手头的工作。他创造了非常多的产品，每款产品做完之后，都可以在不需要人的情况下运转、赚钱。

19. 对于压力，Pieter Levels 的看法是，大多时候，压力来自于控制欲。你需要放手，让它自由发展，因为你无法控制任何事情啊。如果你内心拧巴的时候，试着觉察下，自己是不是想控制什么很难控制之事。别有控制的执念。

20. 很多人都会幻想自由职业之后的散漫生活，睡到自然醒，再也没有工作压力，没有领导的 KPI，想去哪里去哪里。但 Pieter Levels 认为，限制才会让人快乐。他一直处在创造新产品的状态中，他认为创造性表达是一项有意义的工作，每天都有挑战，每天都试图解决一些问题，这非常有趣。

谷歌 CEO的自我放飞

有点好笑，曾经担任谷歌 CEO 长达 10 年之久的 Eric Schmidt 前几天去斯坦福大学受邀计算机学院的会议，他的演讲全程各种放飞自我，中途语重心长的告诉台下学生，这场会议是保密的，自己说的那些话千万不要外传。

然而，主办方对 Eric Schmidt 说，这场会议有摄像头正在全程直播…… 他的表情就凝固了。虽然斯坦福大学后来把视频从 YouTube 撤了下去，但已经有很多人都做了存档，Github 上也有全文备份：transcripts/Stanford_ECON295⧸CS323_I_2024_I_The_Age_of_AI,_Eric_Schmidt.txt

照例给大家划划重点：

– 现在的谷歌为什么在 AI 领域输得一塌糊涂？因为谷歌觉得让员工尽早回家和平衡工作比赢得竞争更加重要。如果你的员工每个星期只来公司上一天班，你怎么可能比得过 OpenAI 或是 Anthropic？

– 看看马斯克，看看台积电，这些公司之所以成功，就是因为能够卷员工，你必须要把员工逼得够紧才能获胜，台积电会让物理学博士第一年下工厂干活，你们能想象美国的博士生去流水线吗？

– 自己犯过很多错误，比如曾经觉得英伟达的 CUDA 是很蠢的编程语言，但现在 CUDA 是英伟达最牛逼的护城河，所有的大模型都要在 CUDA 上运行，而只有英伟达的 GPU 支持 CUDA，这是其他芯片撼动不了的组合。

– 还有微软跟 OpenAI 合作时自己也觉得难以置信，微软怎么能把最重要的 AI 业务外包给那种小公司啊，结果再次看走了眼，再瞧瞧苹果在 AI 上的温吞，大公司真的都官僚化了，奋斗逼都在创业。

– TikTok 给美国人上了一课，在座各位年轻人以后如果创业，能偷音乐什么的就赶紧去做 —— 似乎是在黑 TikTok 早期纵容盗版 BMG—— 如果你做成了，就有钱雇佣最顶级的律师帮你擦屁股，如果你没做成，那就没人会起诉你。

– OpenAI 的星际之门在宣传时说需要 1000 亿美金，实际上可能 3000 亿都打不住，能源缺口太大了，给白宫提过建议，美国以后要么跟加拿大打好关系，水电资源丰富，劳动力便宜，而且够近，要么去和阿拉伯国家套近乎，让他们来做主权投资。

– 欧洲已经没戏了，布鲁塞尔（欧盟总部所在地）一直都在摧毁科技创新的机会，可能法国还有点希望，德国不行，其他欧洲国家就更不用提了，印度是美国盟友里最重要的摇摆州，以及美国已经失去了中国。

– 开源很好，谷歌历史上的大部分基础设施也都受益于开源，但是说实话，AI 行业的成本太高了，开源负担不起，自己投资的法国大模型 Mistral 将会转为闭源路线了，不是所有公司都愿意且有能力像 Meta 一样当冤大头。

– AI 会让富者愈富、穷人恒穷，国家也是，这是一场强国之间的游戏，没有技术资源的国家需要拿到加入强国供应链的门票，否则也将错过盛宴。

– AI 芯片属于高端制造业，产值很高，但不太可能拉动就业，你们可能没几个人去过芯片制造厂，里面全是机械化生产，不需要人，人又笨又脏，所以不要指望制造业复兴，苹果把 MacBook 的产线迁回德州不是因为德州工资低，因为根本不用再大规模雇人了。

– 历史上，电力在引入工厂之后并不比蒸汽机创造了更多的生产力，是过了大概 30 年左右，分布式电源改造了车间布局，推动组装系统的出现，再才开始了生产力的飞跃。现在的 AI 和当初的电力一样，有价值，但还需要组织创新，才能真正拿到巨大的回报，目前大家都还只是在摘取「低垂的果实」。

Midjourney 在旅途中你看到了什么风景

为什么一个只有11人的公司，融资是0，却拥有1000万人的社区和一亿美金的营收？

为什么大厂纷纷追赶了一年，Midjourney 却还能一路领先？

看了去年Midjourney 创始人David 的访谈，大受启发，摘要如下。

也许能从中收获一些答案。

人类的基础设施，想象力

• Midjourney 的目标之一是建造新的人类基础设施

• /imagine‌‌“创造一个更有想象力的世界‌‌”，世界上最大的风险之一是信仰的崩溃，对我们自己的信仰，对未来的信仰。部分原因是缺乏想象力，对我们能成为什么缺乏想象力，对未来能成为什么缺乏想象力。想象力是我们这个世界所需要的重要支柱。

生成速度

• 为什么是60秒，实际用两个版本测试，60秒比10秒的版本效果好很多，人们不需要盯着屏幕，可以做点什么事情再回来并收获几张效果不错的图片。

机器人和帆船

• 聊天机器人不应该试图成为一个人，机器人不是在和人类一起工作，而是一种人类的交通工具。所以我们的logo是一艘小帆船。在旅途中你看到了什么风景？这就是Midjourney。

Midjourney和Discord

• 使用Discord 是因为远程团队需要用它办公。大家在调试过程中看到这些AI图片会觉得很有趣，为什么不让用户也来看看呢。然后就开放给用户，看到人们实时交流想法，创造了富有想象力的环境，分享了知识。这看起来太好了。于是坚定地要做一个Discord 服务。

群体观察学习

• 普通人如何更好地理解产品？你不需要问别人，这样会觉得自己很蠢。你只需要坐着观察，这就是人类学习的方式。
• 一个人的时候，最后会变得无趣

‌‌“这是一台机器，可以为你画出任何你想象出来的东西‌‌”用户‌‌“狗‌‌”你还想要什么？用户‌‌“大狗‌‌”还有呢？用户‌‌“大毛毛狗‌‌”

• 一群人的时候，最后会得很有趣

用户A‌‌“狗‌‌”用户B‌‌“太空狗‌‌”用户C‌‌“带激光的太空狗‌‌”用户D‌‌“带激光和天使翅膀的太空狗‌‌”

用户群体Midjourney 是Discord 上面最大的群组，超过1000万人，Discord 并不是为了这么大的群组而设计的，甚至Midjourney的用户群体范围也已经超出了Discord 的用户定位。45岁以上和18岁以下的人一样多。

产品体验，情感共鸣根据以前的经验，从第一天开始，你必须了解你的市场，你必须知道产品的六个用户步骤是什么。他们试图创造所有这些复杂性但这并不重要，重要的是人们有一种情感共鸣的体验，让他们产生情感反应。在某种程度上，我认为如果人们对你的产品有情感反应，你就已经成功了80%。

没有VC但不代表没有资源

• 在leap motion 的创业经历了创伤。所以目标是设计一个不需要投资就可以运作的实验室。
• 我不需要去找任何人，向他们解释我的业务是什么
• 有了Leap motion 的经历，就有了信誉。当我需要找一个云供应商给我10,000个gpu时，我可以给云供应商的负责人发电子邮件说，‌‌“嘿，这是大卫在做一件事。‌‌”，这是一个巨大的优势。

定价

• 第一个月是赔钱的，因为高级用户的用量太多，
• 于是增加了措施来避免滥用
• 之后开始赚钱，却开始降低利润率，因为不需要这么高的利润
• 只是努力为所有用户提供更好的服务

负载平衡

• 如果你制作一张图像，世界上有八个不同的地区可以制作这张图像，而你完全不知道。它可能会在韩国、日本、荷兰或其他地方制造。它会到八个不同的区域，gpu在这八个区域之间进行平衡。
• 这感觉有点像苹果公司在生产iPhone时所做的物流工作，并确保供应链良好。我们几乎有了一个计算供应链，这是一个非常有趣的概念，我认为在大型模型之前基本上不存在。