从实验室思维到现实世界，人工智能走向未来

凯捷发明公司已在法国开展了两年的创伤矩阵(TrauMatrix)项目，旨在为医生在最初24小时内治疗创伤患者提供决策支持。利用道路事故受伤者数据库，该解决方案旨在对超出通常收集量的更多数据进行解析，为急救手术做出超级具体的情境决策。

该公司开发的另一款工具旨在预测新冠肺炎疫情期间的医院容量短缺，并利用机器学习预测即将出现的床位、设备和人员需求。该团队发现，有可能利用传统和现代混合技术创建决策工具，以应对季节性压力等对未来医疗保健资源或疫苗分发造成的影响。

Draief说，我们始终面临的挑战是寻找可靠的数据源，了解具有访问权的用户，并找到综合和筛选大量数据的方法。

他还表示，数据共享的重点是从卫生创新中的“实验室思维”转向“现实世界”。Draief强调了道德共享和确保尊重及隐私的重要性，并指出人工智能解决方案必须面向所有人群，而不是某个细分群体。

“高技术”不是永恒的需求

博特纳基金会的政策负责人Ulla Jasper认为，数字卫生技术具有带来新风险和新回报的“两面性”。然而，Jasper希望看到人工智能改善低收入和发展中国家年轻人的福祉。

Jasper指出，低收入和发展中国家应当利用新冠肺炎疫情对数字转型起到的加速作用。

博特纳基金会的坦桑尼亚AfyaTek项目，寻求借助数字卫生技术改善社区一级的卫生保健服务。通过将信息流数字化和使用生物识别数据，该项目旨在使五岁以下儿童不再出现可预防的死亡。

博特纳基金会的另一项目“DYNAMIC”(动态)，向坦桑尼亚的社区卫生工作者配发设备，利用其中基于临床算法的软件为其决策提供支持。正是基于决策分析数据，该项目作出了有必要减少过量抗生素处方的建议。

沃森能够处理、储存大量信息，并且能够在需要相关信息时快速检索。它还能够从博客、报纸、报告等各种出版物中获取大量信息。沃森所采用的人工智能系统能够通过自然语言处理来对上述文本信息进行语法、关系和结构分析，从而提取文本意义。对于任何特定的领域，例如医学或金融，沃森的人工智能系统都能使用这种处理方式来学习该领域的语言、建立该领域的知识库，然后编出该知识库的索引并对其进行归纳和组织。然后，相关领域的专家会对沃森进行培训，通过将需要解决的问题和沃森所处理过的信息相联系，来让它解决问题和回答问题。例如，我们可以向沃森询问简单的事实类信息，如：“1066年在黑斯廷斯战役(Battle of Hastings)中被杀的是哪位国王?”我们也可以提更复杂的问题，如：“治疗焦虑的最佳方案是什么?”在这种情况下，沃森将在其知识库中搜索，找出焦虑的个体的详细信息，并在其知识库中匹配出各种可行的治疗方案。

同时，它还会在这个知识库中搜索相关的证据，给出不同治疗方案的有效性。对于在中小学和大学存在的教学问题，这种人工智能所具有的能力可能是一把双刃剑，既可能引起一种严重的困扰，也可能给出一个解决方案。正是由于人工智能系统拥有这种快速学习和获取知识的能力，所以我们可以利用它们来帮助人类发展此类知识，学习此类事实。对于教授学科界限非常明确的科目，例如那些通常属于科学、技术、工程和数学(以下简称STEM)教育类课程的学科，开发出教授此类科目的人工智能系统相对而言比较简单。理解事实仍是这类学科课程的一个重要环节，而此类人工智能系统能帮助学生建立相关的认知。

中国社会科学院哲学所科技哲学研究员、中国社会科学院科学技术和社会研究中心主任段伟文探讨了人工智能伦理治理的主体问题。他指出，当前实践人工智能领域的伦理规范主要是以科技公司为主体，政府也应积极的参与到该领域的伦理治理中，扮演积极的角色，更加灵活地进行适应性治理。

暨南大学教授、海国图智研究院院长陈定定认为当前社会的主要问题是伦理规范泛滥和冲突，应该建立一个通用的、全面的人工智能伦理规范。

武汉大学计算机学院教授、卓尔智联研究院执行院长蔡恒进指出，未来三五年内人工智能会有重大突破，元宇宙和Web3.0可以看作是人工智能的重要进展。在Web3.0时代，个体、企业、国家将会成为机器节点并融合为超级智能，这有可能会对社会伦理关系产生影响。