現在，是時候真正了解 AI 未來。關于人工智能引起的焦慮 - 就業問題是其主要來源 - 現實是，沒有人知道未來會如何。原因是，我們永遠無法預見人類的聰明才智，以及全世界數百萬企業家和管理者采用技術的方式。

郵政局長亞瑟·薩默菲爾德(Arthur Summerfield)曾在 1959 年自信地預測，經濟增長意味著更多的信件，郵政工人的未來似乎很光明，盡管電子郵件，短信和蜂窩網絡技術的初級形式當時已經存在，但人類不會再在紙上寫信的可能性，Summerfield 從未想到過。

要記住的第二個現實是，AI 的最終用途將主要由市場力量決定。

人工智能將被公司和消費者用于無數的實際目的，其中大多數是適度的，并且無法預見累積效應。當我們試圖猜測人工智能的未來時，關鍵在于要像真實生活中自利的人(包括好人和壞人)那樣思考。

以下，人工智能正在發揮作用的這 25 個例子是有益的，甚至鼓舞人心 - 而且，它們是真實的。

讓我們都說同一種語言

自《神秘博士》和《星際迷航》的黃金時代以來，科幻小說一直重視能夠自動翻譯語言的設備，這樣人類就可以與外星人交談而無需學習遙遠的方言了。

事實證明，地球上的公司，比如谷歌，正在使用人工智能技術創造一種可以將對話從一種語言翻譯成另一種語言的設備。盡管谷歌最近發布的 Pixel Buds 是一個很有前途的開始，它也可以運作的很好，但也得考慮企業使用這項技術的方式。

美國高管可以打電話給他們講葡萄牙語的同行，實時與全球的合作伙伴進行頭腦風暴。擁有國際辦事處的企業可以更有效地與員工溝通，員工可以同其他國家說不同語言的同事協同工作。銷售人員可以在新區域尋找潛在客戶，并進行「冷呼叫」(為了推銷給陌生人撥打電話)，從而促成下一筆改變游戲規則的交易。

盡管許多公司為了讓員工講同一種語言，制定了只講英語的政策，但是實時翻譯技術可以讓非美國員工說他們的母語、保留他們的文化，這是全球化時代的一個好處。——Jonathan Vanian

讀心術

語音控制很酷，但是在公共場合咨詢 Alexa、Siri 或者 Cortana，可能會很尷尬，也會給他人造成干擾。

麻省理工學院 (MIT) 研究人員發明的一種非侵入式可穿戴設備 AlterEgo(耳機)，可以在你開口之前就知道你要說什么。它可以在幾秒鐘內回答許多查詢，發送私人消息，并在內部記錄信息流以便日后訪問——所有這些都無需任何可見的外部操作。

盡管聽起來 AlterEgo 可能讀懂了你的思想，但實際上它并沒有。相反，它可以毫不費力地促進秘密的人機交流——當單詞或短語在內部發聲時，它會觸發下顎中的電脈沖。

雖然大學的研究人員仍在收集數據和培訓系統，但 AlterEgo 最終可能成為用戶在高噪音環境下(比如飛機駕駛艙或工廠車間)進行溝通的平臺，也可能會成為有語言障礙的人的一種交流方式。

雖然 AlterEgo 能從根本上加快寫作、計劃和溝通的進程，但就目前而言，人類仍會被困在閱讀所有電子郵件的過程中。——Carson Kessler

34%

Pegasystems 的一份研究報告表明，34%的人與 AI 進行過互動。(實際上與 AI 有過互動的人的百分比為 84%。)

招聘更聰明的人

招聘過程充滿了挑戰。人們可能會在不知不覺的情況下被姓氏、大學甚至是簡歷上的字體大小所影響。一些公司正在觀察人工智能是否能提供幫助。

例如，沃達豐、尼爾森和聯合利華的求職者都在玩一款由 AI 初創企業 Pymetrics 設計的智能手機游戲，這款游戲通過一種避免種族、性別或其他偏見的算法來衡量認知和情感特征。然后，聯合利華會要求由軟件挑選出來的最佳求職者在 HireVue 上錄制視頻，回答他們如何處理工作中遇到的各種各樣的問題。

另一種算法不僅審查他們所說的內容，還審查他們的反應速度，以及從他們面部表情中表現出的情緒線索來篩選最佳候選人。那些通過早期測試的求職者會得到一個合格的、現場面試的機會。

聯合利華表示，自建立這個系統以來，它在提供工作時獲得了更高的接受率，并且通過多種措施招攬了更多的求職者(包括種族，民族和社會經濟地位)——它從一個更多樣化的「游泳池」中去招募人才，獲得的求職者數量是學院和大學的 3 倍。——Aaron Pressman

20%

英國 Computerlove 公司的一項研究表明，20%的人希望語音助手能幫他們變得「更有趣或更具吸引力」。

打造終極經理人

對人類行為做出判斷的機會曾經是留給人類的。但是，算法越來越多地評估我們的行為甚至是意圖，并從中得出結論。

在工作場所尤其如此，為了對可能的人員流失的風險、高績效員工的特質、以及團隊運作的動力有可擴展性的見解(希望是可靠的)，人力資源部門正向 AI 尋求幫助。

總部位于波士頓的 Humanyze 公司正在嘗試使用一種智能身份證，用于跟蹤員工們一天中的互動情況，以使雇主能夠找到模式來確定工作實際上是如何完成的。西雅圖的一家初創公司 Textio 利用人工智能幫公司制作合適的招聘廣告。

大公司也加入了 H-less HR 的隊列： 英特爾正在考慮利用人工智能來推動一種新的內部工具，將員工與公司內部的其他機會相匹配，而這一切都是以留住人才的名義進行的。

這些新功能可以幫助公司吸引和留住他們所需的人才(并通過自動化這些流程來減少員工入職和招聘成本)。一個可能的缺點是?他們還冒著疏遠他們稱為服務對象的風險——員工可能不喜歡這個侵入性越來越高的工作場所。——Michal Lev-Ram

人工智能正如何對銀行業和華爾街造成沖擊

次貸危機爆發以來，近十年間有一種理論甚囂塵上：機器可能可以比人更加明智地發放住房貸款。——Fannie Mae

發布的一項對抵押貸款機構的最新調查發現：40% 的抵押貸款銀行已經部署了人工智能系統，使用該系統自動處理涉及到繁重的文檔處理的申請流程、欺詐檢測、并預測借款人違約的可能性。

例如，總部位于舊金山的「Blend」公司為包括貸款巨頭 Wells Fargo 在內的 114 家貸款銀行提供在線抵押貸款申請的軟件，這使審批流程至少縮短了一周。那么問題來了，這樣的人工智能系統能夠阻擋抵押貸款行業的崩潰嗎?

也許它并不能完全起到這樣的作用，但是由于機器能夠更快地發出警告的信號，它已經可以降低一部分嚴重程度。「Blend」的聯合創始人兼首席執行官 Nima Ghamsari 說：「與數據相關的錯誤決策可以立刻被發現并且得以改正」。盡管銀行還沒有依靠人工智能來做出審批決策，但是貸款的主管們已經察覺到了這樣的人工智能化的處理流程的另一個好處：讓更多的美國人能夠獲得住房貸款。「Blend」所定義的收入最低的消費人群(歷史上一直不愿申請個人用戶的群體)填寫該公司移動應用程序的可能性是其他群體的三倍。

Wells Fargo 的消費者銀行主管 Mary Mack 表示：「這消除了人們的恐懼心理」。——Jen Wieczner

專業投資人的新挑戰

在金融領域，過去 10 年收集的數據數量激增，以至于那些 20 多歲、日以繼夜工作的分析師都沒無力處理所有數據。但機器可以做到。彭博社、FactSet 研究系統和 Thomson Reuters 都開發了一系列數據科學工具和技術——包括機器學習、深度學習和自然語言處理(NLP)——迅速為數以千計的金融專業人士挖掘出有價值的知識。

彭博社是情感分析領域的先驅，該公司該公司大約 10 年前就開始開發該項技術。在情感分析技術中，機器學習技術被用來標注與股票相關新聞故事或推特，并給出一個情感分數。人工智能也在向財富管理領域擴展。在過去 5 年里，投資集團的后備數據分析師的數量增加了逾 3 倍。

而理財公司正競相發掘包含在網站剪貼、語言分析、信用卡購買和衛星數據中的交易信號的潛力。據報道，將人工智能用于投資研究的公司包括 BlackRock、Fidelity、nvesco、Schroders 和 T. Rowe Price。全球最大的理財公司 BlackRock 是采用人工智能技術的先行者，它正在建立一個 BlackRock 人工智能實驗室。——Scott DeCarlo

72%

根據 Pew 研究院的研究結果，72% 的人害怕機器人會接替他們的工作。

對于業余人士也是如此

像 Betterment 和 Chaeles Schwab 這樣的傳統折扣經紀公司提供的「機器人顧問」服務，已經開始利用人工智能技術服務于廣大的投資群體。他們的低收費投資工具依賴于人工智能算發，根據你的需求和對風險的承受能力來決定你的資產應該如何在股票、債券和其他資產形式之間進行分配。他們的人工智能技術可以自動調整你的投資組合，當算法預測出你需要尋求一些避稅策略或財產規劃的幫助時，他還能向你推送非機器人的顧問與你電話聯系。

下一個技術前沿是：當人工智能足夠智能化時，它可以幫助儲戶在長期的「買入——持有」的投資過程中做出正確的決定。美銀美林和摩根史丹利是量化投資分析這一次新興領域已知的(別扭的)頭號玩家之一。

他們的目標是把人工智能技術最適用的定量處理任務(最基本的是在海量數據中挖掘出有用的模式的能力)與其它在極其聰明的人才能夠完成的復雜分析任務中訓練出來的算法相結合。這樣的任務就好比評估一個行業的成長潛力或對一個公司管理者的戰略規劃。

機器學習最終能適應一個量化分析系統從它的錯誤中學習。它的終極目標是：創造一個人造具有低價選股的智慧的「沃倫巴菲特!」這個響亮的名字可能比「量化投資分析」更吸引人!——Matt Heimer

人工智能正如何改變制造方式

更加高效地設計

當然，計算機算法正在顛覆技術，科學和醫學...... 但創意設計仍然是安全的，對嗎?不完全是。軟件開發商 Autodesk 開發的一個新程序使用 AI 技術，幫助人類設計師完成他們的創造性任務，且已經被空中客車，安德瑪公司和斯坦利·布萊克等公司使用。

設計師可以將自己的要求、限制和其他需求(甚至包括材料成本)輸入到軟件，程序隨后可生成數百甚至數千個選項。當人類設計師選擇時，軟件會發現設計師的偏好并不斷迭代，以幫助其做出更好的選擇。空中客車公司使用該軟件重新設計了 A320 的內部隔斷，并找到比之前輕 66 磅(輕了 45%)的設計。——Aaron Pressman

人類和機器人協作

幾十年來，機器人一直在制造業的裝配線上做著各種活兒。最近，一項新功能被添加進來：與人類協作。協作機器人范圍廣泛，從可以將正確部件交給人類同事的機器人助手，到增強人類力量的機器人外骨骼，以及 AI 指導。

在寶馬位于南卡羅來納州斯巴達堡的工廠，綽號為夏洛特小姐的協作機器人正在負責安裝車門。梅賽德斯 - 奔馳正轉向協作機器人，幫助實現某些豪華汽車生產線的個性化生產。比如，在更加靈活協作機器人的幫助下，工人可以更快地在定制化 S-Class 轎車所需的各種零件中進行揀選。

麻省理工學院教授 Julie Shaw 正在研究利用機器學習開發軟件算法，通過讀取周圍人類的信號，算法可以教授協作機器人如何以及何時進行溝通。一些研究人員甚至研究過將協作機器人連接到讀取腦電波上。可以讀心的機器人助手?現在叫協作(機器人)。——Aaron Pressman

48%

據 Mindshare，發現聊天機器人假裝人類后，48% 的人會感覺「毛骨悚然」。

為清潔能源提供動力

如果風能比化石燃料還便宜，并且便宜到一定程度，那么，將風能轉化為電能的過程會更加高效。西門子開發的機器學習技術正在發揮這方面的作用。

研究人員意識到，通過使用天氣和組件震動的數據，巨大的風力渦輪機可以不斷微調自身，比如，調整轉子葉片的角度。但是，「你無法分析計算出這一點，」研究員 Volkmar Sterzing 說。這正是 AI 和機器學習的用武之地。傳感器生成的所需參數，在「以前，僅被用于遠程維護和服務診斷，」Sterzing 說。「現在，他們也在幫助風力渦輪機產生更多的電力。」該技術甚至可以調整渦輪機，以適應那些從其前面通過的氣流，而這些氣流是無法預測的。

如今，廣泛部署這樣的人工智能技術，正成為西門子可再生能源公司(去年，西門子風能業務與西班牙 Gamesa 風電業務合并成立的一家獨立公司)的發展機遇。——Geoff Colvin

密切關懷凡人

人類似乎并不太了解自己的極限在哪里。他們往往吃得太多，睡得太少，并高估了一段時間內可以取得的成就。在有些場合下，比如感恩節晚餐，這些行為可能看起來不那么重要，但在某些行業，比如長途貨運和重型設備操作，這些行為不僅危險，甚至是災難性的。這就是為什么越來越多地的公司使用人工智能(類似守護天使)來保護高風險行業的員工。

經過數百小時數據訓練的系統能夠實時監控操作員的心率，體溫，疲勞程度或緊張情緒指標，并在個人需要休息或休息時發出信號，商業軟件公司 SAP 的高級副總裁 Mike Flannagan 說。(SAP 一款叫做 Connected Worker Safety 的產品可以做到這一點。)

至于我們其他人，可以期待在未來的車庫中看到這類技術，汽車制造商們正在構想讓汽車監督人類的辦法。雖然該技術目前僅限于在幾個車型的儀表板上閃爍的咖啡杯圖標，但是，與大多數主要汽車制造商合作的人工智能公司 Nuance Communications 的汽車創新管理負責人 Nils Lenke 表示，使用語音和面部識別技術來檢測疲勞程度，將很快成為新車的標準配置。——Erika Fry

AI 正從三個方面讓你更安全

武器自動鎖定的目標

如果企業和五角大樓愿意的話，能夠自動鎖定目標的殺手機器人距離我們不會太遠。不過，到目前為止，國防部還沒有制造出自主性致命武器(無需人類即可自主實現攻擊，就像 Facebook 在你照片上標記朋友一樣容易)。

但是，可能構成這類武器系統基礎的人工智能技術正在順利研發過程中。比如，五角大樓最引人注目的人工智能計劃 Maven，旨在研發借助機器學習算法即可識別恐怖分子的無人機，協助軍隊打擊 ISIS。對于國防工業來說，這并不算什么新鮮事，但是，五角大樓開始越來越多地向硅谷尋求人工智能和面部識別方面的專業技術，最近還引發了爭議，谷歌宣布將退出 Project Maven。未來，公司贏得利潤豐厚的新人工智能合約的唯一障礙，可能就是他們自己不情愿。——Jen Wieczner

2022

據牛津大學和耶魯大學的研究人員稱，2022n 年，在折疊衣物方面，AI 會比人類做的更好。

避免威脅

未能有效防止網絡和真實生活遭受攻擊，讓人們代價慘痛。2017 年，個人數據泄露造成的平均損失近 400 萬美元。但是，最近攻擊激增有一個好處：這意味著，還有更多的數據有待深入挖掘。

幾十年來，機器學習技術已被用于識別模式和過濾電子郵件，但是 Barracuda Networks 等供應商的新系統借助 AI，可以學習特定公司及其高管的獨特通信模式，以查明潛在的網絡釣魚詐騙及其他黑客企圖。在物理安全領域，人工智能甚至被用于安全攝像頭，「識別」并試圖阻止威脅。啟動 Athena Security 的新攝像頭即可識別對方什么時候會拔槍，甚至會自動報警。簡而言之：我們擁有的數據越多，就越能使用 AI 抗擊犯罪。——Michal Lev-Ram

貪污者要小心!

如何捕獲金融犯罪?全球各地的銀行，如匯豐銀行和丹麥銀行，越來越多地借助人工智能打擊金融詐騙，洗錢和欺詐行為，而不是讓合規人員篩查數千筆交易，尋找可疑線索。(幾家銀行因未能發現非法資金流入他們的帳戶而遭受巨額罰款，這也成為銀行采用新技術的重要推動力。)匯豐銀行與人工智能創業公司 Ayasdi 合作，實現了部分合規自動化。在與匯豐銀行合作的為期 12 周的試點項目中，Ayasdi 的人工智能技術使假陽性減少了 20%(交易看起來很可疑，但事實上合法)，同時保留下的可疑活動報告數量，與人類審查結果相同。——Carson Kessler

AI 正從 7 個方面改變人類的吃穿住行

不必開車

在理想道路條件下實現安全自動駕駛的技術的出現，已經有一段時間了。不過對于現實世界來說，汽車的駕駛行為還必須更像人類一點。這也是著名 iPhone 黑客喬治·霍茲創建的創業公司 Comma.ai 所要做的事情。

公司的 Openpilot 技術不是用來教會汽車識別樹或者停車標志，而是分析駕駛員的駕駛習慣來訓練自己。該公司將從一個名為 Chffr 的行車記錄儀應用程序和一個名為 Panda 的插件模塊中提取的數百萬英里駕駛數據，匯總成一個模仿人類駕駛員的自主系統。該公司將其技術定位為自動駕駛的 Android，與特斯拉的 Autopilot 這個封閉系統(類似蘋果系統)形成對比。

這是一個開源系統，將自身的成功與用戶的后續改善行為掛鉤。——Daniel Bentley

16%

路透社/ IPSOS 民意調查顯示，駕駛無人駕駛汽車會感到舒服的女性比例為 38%。

新的旅行伴侶

2010 年爆發的冰島火山影響了數百萬航班，也正因如此，開創了旅游通訊的新紀元。由于航空信息流能力有限，航空公司發現，社交媒體能更加實時有效地觸及顧客。「一旦開啟閘門，」埃森哲互動的社交媒體和新興渠道負責人 Rob Harles 表示，這種溝通方式「便勢不可擋。」而且，從那時起，旅客人數也在激增，2016 年入境人數達到 12.5 億，增加了 30%。哈萊斯說，這種規模導致人工處理基于社交媒體的信息溝通變得「不可能」。

聊天機器人能夠回答的基本問題是，比如：我的航班是否延誤了?我的酒店結賬時間是什么時候?例如，Booking.com 的聊天機器人，據稱可以自動解決 60%的客戶查詢。

這項技術的下一階段是讓機器人了解客戶的旅行目的，比如商務或玩樂?并根據客戶喜好在整個旅程中提出建議，從航班升級到最佳素食餐廳、咖啡館預訂。因此，目前的聊天機器人可能很快就會成為一個全面的自動化禮賓服務員。——Claire Zillman

升級客服中心

「有什么可以幫你的?」IBM 估計，到 2020 年，85%的客服工作將不再交由人工處理。機器學習和 NLP 技術讓聊天機器人成為可能，自助服務界面就能幫助完成絕大多數人類客戶代表的工作。

那么，美國 270 萬客戶服務代表該怎么辦?有些可能會從事機器人無法完成的任務(比如與真正憤怒的客戶打交道)。依賴這項技術的公司表示，這些技術可以幫助消除人為錯誤，大幅提高數據檢索的速度，并消除客戶工作中的偏見。

但不要認為這樣的聊天機器人就是最終狀態。瑞士投資銀行瑞銀(UBS)最近與新西蘭人工智能專家 FaceMe 合作，數字化地克隆了首席經濟學家丹尼爾·卡爾特(Daniel Kalt)，讓「他」與客戶互動。該銀行表示，這個虛擬人物使用了 IBM Watson AI 技術，并由 Kalt 本人訓練過，這也是「人與數字混合」探索項目的一部分。- McKenna Moore

點石成金 2.0

人工智能證明，它能夠發掘可能會被人們忽視的人才。安大略冰球聯盟 19 歲的防守隊員肖恩-杜爾茲(Sean Durzi，下圖)就是一個例子。杜爾茲是今年國家冰球聯盟(NHL)選拔賽的熱門選手。但是在去年的選拔賽上，頂級球隊并沒有錄用他，但人工智能支持的分析系統將他排在前 40 強。

「如果這些球隊去年查看了我們的系統分析的結果，那么它們可能早就會錄用他了。」人工智能系統開發公司 Sportlogiq 的曲棍球分析經理克里斯托弗-鮑徹(Christopher Boucher)說。該公司的人工智能系統已有 24 個 NHL 球隊使用。Sportlogiq 只是使用 AI 幫助團隊發現下一個明星的幾家公司之一。

澳大利亞數據分析公司布魯克林動力公司(Brooklyn Dynamics)聯合創始人卡姆·波特(Cam Potter)表示：「這一切都是為了識別隱藏在口袋中的人才，發現金子。」該公司曾與多家美國職業棒球大聯盟球隊合作，甚至為 2017 年環法自行車賽開發了一套機器學習 AI 系統，收集實時數據點，預測比賽結果。

布魯克林動力公司 (Brooklyn Dynamics) 正在開發一款應用程序，球探、教練可以對潛力和現有球員進行機器學習分析，j 借此打造一個全球大學和職業球隊都可以查閱到的中心數據庫。「可以將這個獨特的工具添加到人才儲備工作中，」波特說。「其他人也可以查看 [統計數據] 并加入討論，最終決定誰將為俱樂部帶來價值。」——Carson Kessler

改變你的購物方式

實體店面現在有了一個新的使命：完美的 AI 數據收集實驗室。Home Depot 正使用來自數百萬筆交易的數據，弄清楚你還有什么其他需求，比如廚房翻新。絲芙蘭使用 ModiFace(最近被 L'Oréal 收購)的技術進行面部識別，幫助購物者選擇合適的高光化妝品：該軟件分析了數百萬用戶數據，k 可以更好地預測適合用戶的產品。

MIT 剝離出去的創業公司 Celect 正使用機器學習來預測購物者的行為方式，以確定在商店的哪個部分進行什么樣的促銷，效果更好，哪些產品放在哪里，會獲得最佳效果。

例如，沃爾瑪已經在 50 家商店使用機器人，負責掃描貨架上的缺貨商品，被客戶放錯位置的商品，以及價格被標記錯誤的商品。對于人類來說，這些都是耗時且繁瑣的工作。雖然零售商對店內技術守口如瓶，但據 CB Insights 數據，像 Navii 和 Simbe 這樣的人工智能機器人的公司正受到投資者關注。——Phil Wahba

這個廣告會讓你微笑嗎?

廣告商并不能總是命中目標。現在，越來越多地公司依靠人工智能來降低錯失目標的可能性。

情感識別的人工智能創業公司 Affectiva 表示，財富 500 強企業中的四分之一正在使用他們的技術，比如在調研中利用人工智能來了解觀眾對廣告的反應。Affectiva 的系統已經接受了來自 87 個國家的 700 萬張面孔(以及 38 億個面部框架)的圖像訓練，可以解碼個人的面部表情。比如，在觀眾看到廣告的那一刻起，識別出八種面部情緒，包括「厭惡」。

媒體研究巨頭 Kantar Millward Brown 也部署了 Affectiva 的產品。他們發現，Colin Kaepernick(美式橄欖球明星)代言的廣告引發微笑的程度值得注意，「我們確實能夠確定，Kaepernick 傳遞的那種犧牲和夢想的信息引發了觀眾積極的反應，」該公司董事總經理格雷厄姆佩奇說。他們還發現，觀眾對世界杯廣告中的女性代言人做出了積極回應，這個發現有些出乎意料。

除了幫助客戶提升廣告效果，Kantar 還從中獲得了能讓所有客戶受益的一些洞見。比如，主角是現代人物(而不是傳統角色)的廣告，其推廣效果會提高 25%。——Erika Fry

種植食物

表面上看，農業似乎就是簡單苦力活兒的不斷重復：播種、灌溉、收獲。其實，如何種植作物非常復雜。「農業中要處理的大量數據，非常復雜，」室內農業垂直領域的創業公司 Plenty 聯合創始人兼首席科學官 Nate Storey 說，比如環境因素中的氣流，二氧化碳，光照和濕度等因素、植物遺傳以及施肥澆水等因素，都屬于會相互作用的變量。現在，Plenty 和許多其他創業公司正在使用人工智能來協助做出復雜決策。

例如，Plenty 及其對手 Bowery 和 Gotham Greens 都在打造用于收集和分析圖像數據集的系統，幫助確定某株作物是否存在諸如氮或鐵缺乏或蟲害問題，提前進行治療。「軟件了解問題所在，還可以進行大規模自動化處理，僅靠我們，無法單獨完成，」Storey 說。——Beth Kowitt

AI 正從三個方面變革醫療

醫療保健制度再度人性化

當前的美國醫療保健行業情況非常糟糕：

每年，嚴重誤診次數超過 1200 萬次，3.6 萬億美元醫療花費中的三分之一都歸于浪費，預期壽命連續三年下降(史無前例)，醫生的職業倦怠、抑郁和自殺達到歷史最高水平。

但也因為有了可穿戴傳感器生理學，掃描解剖學，DNA 測序，腸道微生物組生物學等，如今每個人的醫療數據比以往任何時候都多。

有了深度學習，借助神經網絡，人工智能將影響所有臨床醫生：從協助準確讀取掃描，幻燈片，皮膚病變等，到保健系統、促進遠程監控的使用，最終我們不再需要正規病房。而且借助虛擬醫學指導，消費者就能更好地管理甚至預防疾病。

雖然人工智能融入醫療實踐，還處于早期階段，當前是炒作勝過有效驗證。但是，這是我們應對所有嚴峻挑戰的最好機會：利用豐富的數據來減少誤診和浪費，并節省時間，顯著改善醫生與患者之間的關系。——Eric Topol，MD(即將出版的「深度醫學」一書的作者)

比醫生更聰明

僅在過去幾年，就出現了一些比較靠譜的 AI 應用。

比如讀取放射掃描(如 Imagen)，識別腫瘤并跟蹤癌癥擴散(Arterys)，根據視網膜成像檢測眼部狀況(谷歌的 DeepMind)，通過「不流血的血液測試」標記危險的異常鉀水平(Mayo Clinic Ventures 和 AliveCor)，以及其他幫助解決診斷棘手之處的應用，甚至包括預測疾病。

歷史數據表明，醫生的誤診率在 5%到 20%，在某些情況下，這個數字更高，主要原因還是在于醫生短缺和過度勞累，醫療保健系統資源緊張，因此，AI 或許可以幫助治療一些疾病。——Erika Fry

7%。

根據 Ideall 的一項研究，認為「機器人可以完成工作」的人力資源員工百分比。

重塑藥物研發

醫藥業充滿變數。早期小規模病人測試中，如果藥物是安全的，接下來還要進入燒錢的大規模臨床測試階段。事實上，德勤數據顯示，2017 年美國最大的生物制藥公司的投資回報率下降至令人沮喪的 3.2%。這就是為什么像 BERG 和 Roivant Sciences 以及 Exscientia 這樣的公司希望利用 AI 更好地部署資源。

BERG 已經與阿斯利康(AstraZeneca)和賽諾菲巴斯德(Sanofi Pasteur)等主要制藥公司合作，使用臨床數據和算法來識別潛在可能的生物靶點，研發有效藥物以治療帕金森等疾病。賽諾菲還在分析大量數據，以深入了解為什么某些流感疫苗對某些人有效，而對其他人無效。

人工智能作為一種重要的藥物研發工具，仍處于早期階段。但前景光明：通過將制藥研發工作轉移到最有希望的靶點上，可避免大量浪費，如果藥物研發能夠更加精簡，公司和患者都將受益。- Sy Mukherjee

逆轉疾病

美國的醫療保健系統并未將更經濟、更強調主動預防的路子放在優先考慮的地位，也因此遭受到大眾的批評，企業也為失去勞動力和高昂的醫療成本付出代價。

Virta Health 首席執行官 Sami Inkinen 采取了不同的路子，該公司利用人工智能，預防患糖尿病風險的患者進一步惡化疾病，在早期試驗中，他們甚至嘗試通過純粹的數字平臺，逆轉 2 型糖尿病。通過將用戶與提供個性化飲食建議的虛擬指導聯系起來，這家創業公司希望可以改變患者的生活方式。

另外，公司還提供數字連接工具，幫助用戶測量血糖、酮、血壓和體重。Virta 并不孤單，IBM Watson 的醫療保健團隊與巨頭 Medtronic 正在合作開發一款叫做 Sugar.IQ 的應用程序，其功能與 Virta 的產品類似。——Sy Mukherjee