如果醫(yī)療診斷可以通過機器學習和人工智能實現(xiàn)自動化，那不是很好嗎？跳過幾天或幾周的預(yù)約等待，然后被人問問題。只要上網(wǎng)，從人工智能那里得到問題，然后在有必要的情況下進行物理預(yù)約。

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

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

因此，研究人員正在考慮開發(fā)一個病人模擬器來訓(xùn)練ML模型，使用真實的醫(yī)患對話記錄。但由于對話是面對面進行的，醫(yī)生在觀察病人的同時，也在做一些沒有說出口的觀察，而對話并沒有捕捉到這些觀察。這些記錄沒有捕捉到人工智能需要訓(xùn)練的未被詢問和未回答的問題。

過去30年里，人們在網(wǎng)上上傳了數(shù)十億張照片，推動了計算機視覺的巨大進步。教機器區(qū)分貓和狗是有幫助的，所有的貓和狗的圖片都有“我的狗”這樣的說明。

但是當語料庫不能代表人類的多樣性時，我們已經(jīng)遇到了人類訓(xùn)練的問題。結(jié)果只能和人工智能訓(xùn)練的主體一樣好。