對話Peter Lee：大模型在醫(yī)療健康行業(yè)運用的機會與戰(zhàn)斗

編者按：今年3月，OpenAI 頒布了大話語人工自動模型 GPT-4，其在推斷、解決問題和話語等方面的本領(lǐng)都有了明顯提升，促使成長長達數(shù)十年的人工自動加入了1個新階段。微軟世界資深副總裁、微軟研發(fā)院負責人 Peter Lee 是微軟內(nèi)部最早應(yīng)用 GPT-4 進行評價和試驗的成員之一。短期在微軟研發(fā)院最新的 AI 前端系列播客欄目中，Peter Lee 與微軟研發(fā)院副總裁、微軟出色首席科學家 Ashley Llorens 進行了一次深度對話，表示了他針對大模型在醫(yī)療健康行業(yè)運用后勁和戰(zhàn)斗的見解，并且在大模型潮流的領(lǐng)導下，微軟研發(fā)院對將來計算的研發(fā)計劃。本文節(jié)選了對話中的部分內(nèi)容，完整版請點擊播客收聽。

視頻加載中...

??點擊收聽對話播客

Ashley Llorens：通過科學研發(fā)為社會締造更多機會和價值，帶給全部社會更有意義的影響是咱們一同的目的。你始終存眷情境研發(fā)（research in context），在 GPT-4 等大模型領(lǐng)導人工自動潮流的當前，你有何新的見解？

Peter Lee：情境研發(fā)是1個十分首要的課題。設(shè)想一下，你知曉將來某個時刻世界的模樣，接著再倒推回今日的工作會是如何的？舉個例子，科學家們相信10年以后咱們將在較大程度上解決癌癥問題，但跟著人口老齡化加重，將來與年紀有關(guān)的神經(jīng)體系疾病將大大加大。假設(shè)咱們?nèi)缃窬烷熞砸庾R到神經(jīng)體系疾病在將來的首要性，并加大投入，那么這將使將來的世界與咱們今日的處境截然不同。但是現(xiàn)在的醫(yī)學研發(fā)更聚焦于癌癥研發(fā)，而非神經(jīng)體系疾病。

這類改變象征著甚麼，能否在引導咱們的科研方向？固然科學研發(fā)仍是將來導向的，但它既要預測將來十年，也要著眼現(xiàn)實世界，也就是情境研發(fā)。如今看來，通用人工自動超過人類自動也許是不可以免的，乃至在將來5-10年就會爆發(fā)。那這對科研會有甚麼影響？它也許比癌癥和神經(jīng)體系疾病更具推翻性和戰(zhàn)斗性，影響也更長遠。

此前我已然歷經(jīng)過五次相似的技術(shù)變化。第一次是上時代80年代后續(xù)，我在卡內(nèi)基梅隆大學當擔助理老師，那時不少尖端大學計算機科學系都在 3D 計算機圖形學行業(yè)做出了優(yōu)質(zhì)的研發(fā)成果，像燈光跟蹤（ray tracing）、輻射度（radiosity）、硅構(gòu)造（silicon architectures）這類思想全是在當時提出的。還有 SIGGRAPH 大會，那時每年都會聚焦世界數(shù)百名科研職員展現(xiàn)各自的成果。到了90年代初，有類始創(chuàng)企業(yè)開始采取這類革新思想，企圖將 3D 計算機圖形變?yōu)楝F(xiàn)實，這此中的一家就是英偉達（NVIDIA）。終極， 3D 計算機圖形學變成了人們生活的根基設(shè)備，這是根基計算機科學研發(fā)獲得的一次較大順利，以致于今日你的口袋中假設(shè)沒帶“GPU”，沒帶手機，全部人都會感覺不舒服。這類變化，對研發(fā)形成踴躍影響的同時，也擁有推翻性。

當某類行業(yè)擴展為人類社會的根基設(shè)備時，就擺脫了根基研發(fā)的范圍，一樣的狀況還含蓋編譯器設(shè)計（這是我自己的研發(fā)行業(yè)）、無線網(wǎng)絡(luò)、超文本和超鏈接文檔、并且操控體系等研發(fā)。如今它們已然變成咱們生活中不可或缺的物品，都代表著計算機科學的偉大造詣。而今日，咱們正處于向大話語模型的過渡階段中。

Ashley Llorens：你認定此次技術(shù)過渡能否在實質(zhì)上與其余后臺（background）技術(shù)有所不同？你提到咱們每日外出時口袋里都裝著“GPU”，但我不是如此想的，也許我對我的手機有某種擬人化的思想。但闊以必定的是，話語模型是一類擁有前臺效應(yīng)（foreground effect）的技術(shù)，我想知曉，你在此中能否看見了不同之處？

Peter Lee：我認定，對研發(fā)機構(gòu)、學術(shù)界、行業(yè)內(nèi)的研發(fā)職員來說沒有甚麼不同，但針對技術(shù)的消費者和應(yīng)用者，感觸卻有較大不同。相比一樣從學術(shù)研發(fā)走入現(xiàn)實的觸控可擴縮放的客戶體會，大話語模型的影響也許會更長遠。

這又帶來1個大問題，當咱們與大話語模型交互時，縱然知曉它不是有情感、有情感、有知覺的生物，但又不由自主地如此想，這是進化中的固有想法。就像咱們形成視覺幻像時，明智上深知這是幻覺，但大腦卻不能戰(zhàn)勝，這類硬性連通疏導咱們將體系擬人化，也因而讓它們走到了前臺。

Ashley Llorens：接下來咱們把話題轉(zhuǎn)向現(xiàn)在你正在盡力的醫(yī)療健康行業(yè)并且在微軟的歷史。你曾說過把前端的人工自動技術(shù)引入醫(yī)療健康體系面對諸多戰(zhàn)斗，在 GPT-4 和大范圍人工自動模型成長的背景下，人工自動與醫(yī)療健康結(jié)合時能否會有不同？

Peter Lee：GPT-4 能否真的會給醫(yī)療健康行業(yè)帶來新的不同還須要檢查。由于咱們已經(jīng)也對計算機技術(shù)輔助醫(yī)療健康行業(yè)或促成醫(yī)學進步持樂觀立場，但卻一次次絕望。這類戰(zhàn)斗也許源自過量樂觀。

作為計算機科研職員，咱們看見了醫(yī)療行業(yè)的許多問題，比如對讀取放射圖片和丈量腫瘤生長的研發(fā)，或?qū)Ρ鎰e診療選項或醫(yī)治選項排序問題的研發(fā)，咱們認定自己知曉怎樣用計算機科學解決這類問題。而醫(yī)學界也在存眷著計算機科學研發(fā)和技術(shù)的成長，他們對人工自動、機械學習和云計算印象深刻。因而，來自2個行業(yè)的這類難以置信的樂觀情感，終極成為了過量樂觀。由于將計算機技術(shù)整合到醫(yī)療健康和醫(yī)學工作過程中的實際戰(zhàn)斗，是要保證它的安全性，以及真實施展計算機技術(shù)的最大本領(lǐng)，但這是十分艱難的。

此外，在醫(yī)學實際運用中，診療和醫(yī)治流程都爆發(fā)在不安穩(wěn)的環(huán)境中，這就造成在機械學習的環(huán)境中牽扯許多混同原因。因為醫(yī)學是創(chuàng)建在對因果關(guān)系的準確解讀和推斷之上的，因此這類混同原因至關(guān)首要，但如今機械學習里最佳的工具實質(zhì)上是有關(guān)性的機械（correlation machines）。有關(guān)性和因果關(guān)系是不同的，比如，抽煙能否會致癌，參考到混同原因的影響并了解此中存在的因果關(guān)系是十分首要的。

談到 GPT-4 ，我第一次見到它時，是 OpenAI 的職員演示代號為 Davinci 3 的 GPT-4 初期版本，并讓它答復 AP Biology（大學進階生物學）的問題。在此次測驗中，我認定它得了最高分5分。AP Biology 的試題往往是選取題，但該體系卻可以應(yīng)用自然話語對其選取的謎底做出闡明，讓我吃驚的是，它在闡明中應(yīng)用了“由于”這個詞。

比如，它會說“我認定謎底是 C。由于當你從這個角度看問題時，會激發(fā)其余生物學問題，因而咱們闊以消除謎底 A、B 和 E，接著又由于其余原因，消除謎底 D，一切的原因和結(jié)果全是一致的?！痹蹅兌疾磺逦鸀樯觞N1個大話語模型會擁有因果解析本領(lǐng)。

這不過 GPT-4 百分之一的本領(lǐng)，它仿佛戰(zhàn)勝了許多妨礙機械自動步入醫(yī)療健康和醫(yī)學中的原因，比如推斷、闡明本領(lǐng)。再加上 GPT-4 的泛化本領(lǐng)，這仿佛讓咱們對其在醫(yī)學行業(yè)的功效更樂觀，認定它有也許帶來不同的將來。

另一方面，咱們不用完全專注于臨床運用。GPT-4 很善于填寫表格，減少文本工作的包袱，它知曉怎樣申報醫(yī)保報銷的事先受權(quán)，這是醫(yī)師現(xiàn)在首要的行政和文本包袱。有關(guān)工作并沒有真實影響到攸關(guān)生死的診療或醫(yī)治的決議，但這類后臺性能一樣也是微軟的首要營業(yè)。有許多原因闊以讓咱們相信，與 OpenAI 的協(xié)作可以帶來推翻性的變化。

Ashley Llorens：每一項新技術(shù)的顯現(xiàn)都會隨同著有關(guān)的機會微風險。這類新式的人工自動模型和體系具有基本的不同，由于它們不是學習特定性能的映照。而在各類各樣的運用中，縱然是如此的機械學習也有許多懸而未決的問題。你怎樣對待這類通用技術(shù)在醫(yī)療健康等行業(yè)所帶來的機會微風險？

Peter Lee：我認定有一件事引發(fā)了批量交際媒體和公共媒體不用要的存眷，那就是體系顯現(xiàn)幻覺（hallucination）或者脫軌的時候。這是 GPT-4 和其余相似體系偶爾會碰到的問題，例如它們會編造許多數(shù)據(jù)。過去幾個月，跟著 GPT-4 的穩(wěn)步成長，它形成的幻覺越來越少。咱們也了解到，這類偏向仿佛與 GPT-4 的締造力相關(guān)，它能做出理智的、有依據(jù)的猜想，能進行自動的揣測。

這是第1個你闊以問它沒有所有已知謎底的問題的人工自動體系。而問題是，咱們能完全相信它所給出的謎底嗎？GPT-4 擁有限于性，特別在數(shù)學問題中。它很善于解根本的微分方程和微積分，而在統(tǒng)計中卻會犯根基性錯誤。我在哈佛醫(yī)學院的同事就碰到過1個問題，在1個規(guī)范皮爾遜有關(guān)的數(shù)學問題上，它仿佛總忘掉對1個信息項進行平方。有趣的是，當你向 GPT-4 指出錯誤時，它的第一答復是，“不，我沒犯錯，是你錯了?！备w系的改善，如今這類責怪客戶犯錯誤的言行不會再爆發(fā)了。

此外1個更大的問題與“負責任的人工自動”相關(guān)，這始終是全部計算機科學行業(yè)的首要研發(fā)課題，但我想這個詞如今有也許不再適合了，咱們闊以稱之為“社會性的人工自動（societal AI）”或其余的術(shù)語。它不是準確與錯誤的問題，也不單僅是它會被誤用而形成有害的數(shù)據(jù)，而是在監(jiān)管層面的更大的問題，還有在社會層面的工作流逝，新的數(shù)字鴻溝，并且富人和貧民獲取這類工具的權(quán)利。這類亟待解決的問題也會直接影響著它在醫(yī)療健康行業(yè)的運用。

Ashley Llorens：信賴問題是多方面的，既含蓋在機構(gòu)層面，也含蓋做出抉擇的個體。他們須要作出艱巨的決策，例如，在工作過程中，何時何地并且能否應(yīng)用人工自動技術(shù)。你怎樣對待醫(yī)療健康專業(yè)職員做出此類決議？在將這類抉擇付諸運用時，存在哪類障礙？盡力的方向又是甚麼？

Peter Lee：對于 GPT-4 及同類技術(shù)理應(yīng)在多大程度上運用，并且怎樣監(jiān)管，具有許多研討。美國有1個監(jiān)管機構(gòu)是食品和醫(yī)藥治理局（FDA），他們有權(quán)監(jiān)管醫(yī)療設(shè)施。有一種醫(yī)療設(shè)施叫做軟件即醫(yī)療設(shè)施（software as a medical device，SaMD），在過去四五年中大家研討最多的是怎樣監(jiān)管基于機械學習或人工自動的 SaMD。逐漸地，F(xiàn)DA 越來越多地核準應(yīng)用機械學習的醫(yī)療設(shè)施。在我看來，F(xiàn)DA 和美國已然趨近于具有真實公道的根基框架，來驗證基于機械學習的醫(yī)療設(shè)施在臨床的用處。但這類新興框架不應(yīng)用于 GPT-4，也就象征著用這類方式對 GPT-4 進行臨床驗證沒有意義。

你的第1個問題是，這件事理應(yīng)被監(jiān)管嗎？假設(shè)要監(jiān)管，理應(yīng)如何做？這相當于把醫(yī)師的大腦放在1個盒子里。如果，有一位偉大的脊柱外科醫(yī)師，假設(shè)把他的大腦放在1個盒子里，請你驗證這個物品，你會如何想？甚麼樣的框架應(yīng)用于它？監(jiān)管機構(gòu)也許會做出反應(yīng)并施行許多規(guī)則，但我認定這將是錯誤的，起碼在現(xiàn)在，施行的規(guī)則理應(yīng)是對于人的，而不是機械。

如今的問題是醫(yī)師和護士、招待員和保險理賠員，并且一切有關(guān)職員，他們的引導方針是甚麼。這類決議不是監(jiān)管機構(gòu)的事件，而是醫(yī)學界自身理應(yīng)對這類引導方針和規(guī)則的制訂負責，乃至通過醫(yī)療許可和其余認證來強制施行。這就是咱們今日所處的位子，人類要自我負責，自我監(jiān)管和標準自己的言行。

Ashley Llorens：圍繞測驗和評價，并且有關(guān)的許可問題進行研發(fā)，也和創(chuàng)立模型自身同樣有意思。

Peter Lee：在這里，我想借機歌頌一下 OpenAI 隊伍的成員。咱們在微軟研發(fā)院的同事十分幸運，闊以提早了解新技術(shù)對人類成長主要行業(yè)的影響，如健康和醫(yī)學、教育等。OpenAI 隊伍看見了如此做的必須性，他們與微軟研發(fā)院進行了深入地討論，給了咱們較大的自由度，讓咱們盡也許誠懇且不加潤飾地深入開拓 GPT-4。這很首要，當咱們與世界分享這類開拓時，就能對它愈加了解，能辯證地研討。咱們須要研發(fā)、參考，以辯證的想法去對待它，而不是過量反應(yīng)。

Ashley Llorens：就你的觀念而言，一切圍繞各類社會首要性框架的思索都在企圖追逐上一代技術(shù)，還沒有完全對準這類新技術(shù)。在這類狀況下，你認定計算機研發(fā)的下一步是甚麼？

Peter Lee：咱們是讓技術(shù)從研發(fā)到變成生活中真實的根基設(shè)備這之間的紐帶。微軟研發(fā)院處于1個十分有趣的位子，既是研發(fā)的奉獻者，讓 OpenAI 正在做的事件變成也許，也是微軟企業(yè)的一部分，期望與 OpenAI 一塊讓技術(shù)變成每1個人生活中的根基設(shè)備。作為變化的一部分，微軟研發(fā)院已然確認了5個人工自動方向。

第1個是咱們研討的人工自動在社會中的功效和影響，含蓋負責任的人工自動等。其次，微軟研發(fā)院的同事始終在推進 AGI（通用人工自動）運行的理論根基。計算機科學理論始終是機械學習中首要的主線。這類研發(fā)樣式越來越應(yīng)用于解讀大話語模型的根本性能、邊緣和形勢。即使你不再須要獲取那些解讀艱難的數(shù)學定論，但它仍舊是數(shù)學導向的，就像宇宙和大炸裂的物理學原理同樣，AGI 的原理也是這樣。

第三方面是運用層面的。在微軟研發(fā)院內(nèi)部，咱們稱它為副駕駛（copilot）。咱們希望讓它變成你的同伴，輔助你高效、高質(zhì)地完結(jié)任務(wù)。

再有就是 AI4Science，咱們在這方面做了許多工作，同時越來越多的證據(jù)標明，大型人工自動體系闊以供應(yīng)刷新的方式，促成物理學、天文學、化學、生物學等方面的科學發(fā)掘。

最終是中心的根基，咱們稱之為模型革新。不久此前咱們公布了新的模型架構(gòu) KOSMOS，用來進行多模態(tài)機械學習并且分類和辨認交互。咱們還革新提出了 VALL-E，基于三秒鐘的語音樣件就可以確認你的語音模型并復刻語音。將來，這類模型革新還將持續(xù)爆發(fā)。

從深遠來看，假設(shè)微軟、OpenAI 等企業(yè)獲取順利，那么大模型將會真實變成生活根基設(shè)備產(chǎn)業(yè)化的一部分。我估計，大話語模型的研發(fā)將在將來十年開始衰退，可是，嶄新的視線將會啟動，這是在咱們在網(wǎng)絡(luò)安全、隱私和安全、物理科學等方面所做的一切其余事件之上的。闊以必定的是，如今人工自動正處于1個特殊期間，特別是在以上這5個維度上。