AI赋能法律行业：iCourt“先锋计划”提升律所竞争力
本文介绍了iCourt“AI先锋计划”，旨在通过引入AI技术，提升律所和法律行业的效率。iCourt推出了AlphaGPT法律AI工具，并计划开展免费的AI培训课程。通过这些措施，希望能帮助律师团队更好地利用AI工具，提升服务质量，应对法律环境的复杂性。
鲶鱼效应：AI产业中的技术驱动与市场竞争
文章介绍了鲶鱼效应对商业领域的应用，以AI产业的ChatGPT为例，说明其在市场中激发企业竞争，推动技术发展。但需注意，鲶鱼效应并非万能，企业还需自身核心技术和人才优势。同时，为了提高ChatGPT等人工智能技术的应用效果，依赖高质量网络环境十分重要。
AI医疗赋能未来医疗诊断：深度解析联影智能在医学影像领域的应用
这篇文章主要讲述了人工智能在医疗领域，特别是在医学影像领域的应用和发展前景。人工智能技术正在推动医疗设备的智能化，辅助医生进行疾病诊断，创新诊疗模式，提高医疗服务效率。根据灼识报告，我国人工智能医学影像市场规模有望在2025年达到442亿元，年复合增长率高达135%。然而，尽管人工智能在医疗领域的应用有着广阔的前景，但真正能够融入临床实践的产品却仍然少数。文章中提到，上海科技大学生物医学工程学院创始院长、联影智能联席CEO沈定刚表示，AI需要与临床有非常紧密的结合，了解临床的真切诉求，而目前，AI正在临床诊治过程中发挥着重要的作用。
AI“复活”产业链崛起：律师提醒避免侵权
AI技术正在逐渐形成产业链，包括收徒、收代理、卖教程等等。虽然AI“复活”业务引起了不少关注，但如果未经授权使用他人的形象、声音和动作，即使不以营利为目的，也涉嫌侵权。制作者为了追求还原度，会先了解逝者的家乡、方言、个性和口才等特点，然后通过AI技术进行复活。不过，根据我国相关规定，使用AI复活公众人物、逝去明星等人，未经同意或近亲属同意，均构成肖像侵权。
为何AI无法完全理解人类情感？GPT-4能否理解人类的情绪？
在科幻小说和电影里，我们经常看到超级AI人工智能机器人可以理解、感知甚至模拟人类的情感，但在现实世界中，我们距离这个目标还有一段相当长的距离，即使是强大的GPT-4甚至未来的GPT-5。过高夸大AI的体验和性能，往往并不利于科技的发展，元宇宙的教训近在眼前。文章参考：元宇宙败局启示录，数字化要避的坑…. 虽然LLM大语言模型（如GPT系列）在许多任务上都展示了令人印象深刻的体验，但在理解人类情感方面仍然差距很大。GPT-4模型并不是真正“理解”情绪，它是通过分析大量的文本数据，学习到了某种模式，可以预测出在某些上下文中可能出现的情绪词汇。它们的行为更像是一种统计模式匹配，而非真正的理解或体验情绪。我并不是说这些模型在处理情绪相关任务上没有价值，而是说我们需要清醒地认识到这些模型的能力和局限，合理地使用它们。 为什么GPT等LLM大语言模型无法完全理解人类的情感？ 1. 情绪的复杂性和动态性：人类情绪是非常复杂和动态的，常常混杂并存，互相影响。我们的情绪反应也会因为个人经历、性格、文化背景等因素的不同而有所差异。这种情绪的复杂性和动态性是大型语言模型很难捕捉到的。 2. 语言的歧义性：语言本身存在大量的歧义性和模糊性。同一句话在不同的语境、语气、表情下可能表达出完全不同的情绪。虽然大型语言模型有能力理解一些语境，但它们无法获取到语气和表情等非语言信息，这就增加了理解情绪的难度。 3. 缺乏个体化个性化理解：大型语言模型通常基于大量的公开文本进行训练，这些文本大多是公共的、普遍的，而不是特定于个人的。因此，这些模型可能无法理解和处理个人特定的情绪表达和情绪模式。 4. 缺乏情绪体验：大型语言模型是机器，它们并没有情绪体验，也没有自我意识。因此，无法真正理解人类的情绪体验。尽管它们可能能预测出在某些上下文中可能出现的情绪词汇，但这并不等于真正的情绪理解。 5.情感在不同的文化中也有不同的表达方式和理解方式。这种文化差异使得AI需要在全球范围内处理和理解各种各样的情感表达，这无疑增加了它的难度。 另一个重要的问题是，情感本身就是一种主观的、内在的体验，是人类个体独特的心理状态。这种状态很难被量化，也很难被外在的观察者完全理解。即使是人与人之间，我们也常常会发现自己无法完全理解他人的情感。对于AI来说，这个问题就更加突出。 尽管AI在理解人类情绪的道路上还存在许多挑战，但我们应该期待科技的未来，期待这些问题得到解决的那一天。但在那一天来临之前，我们也许应该更加珍视我们的情感，珍视那些只有人类才能理解和体验的东西。
AI助力医疗，精准诊断，智能医疗无限可能
这篇文章主要探讨了人工智能在医疗领域的广泛应用和巨大潜力，尤其是在加速疾病诊断和提升治疗精确度方面。通过实际案例，如谷歌的DeepMind公司和IBM的Watson Health团队，说明了AI技术在医疗领域的具体作用，以及它如何提高诊疗效率和治愈成功机会。文章强调，尽管AI技术的发展可能会引发关于医生就业问题的讨论，但AI并不会取代医生，而是成为医生的好帮手，帮助医生更好地专注于照顾病人。
AI与文字：从古至今的演变
GPT4发布，AI技术对NLP领域产生重大影响。人类知识与情感的表达主要依赖于文字，而AI对文字的理解能力的提高，使得大型语言模型能够更好地模拟人类的思考逻辑，进一步推动各行业的技术发展。
AMIE:人工智能助手在医疗领域取得重要突破，但仍需谨慎看待
诊断对话式人工智能AMIE进入临床诊治疾病还有很长的路要走，而且进入临床也只能是真人医生的助手。 谷歌深度思考（DeepMind）发表论文称，AMIE在模拟诊断对话中的表现，至少与初级保健医生不相上下。 AMIE进入临床诊治疾病还有很长的路要走，而且进入临床也只能是真人医生的助手，并不能单独诊治疾病。一个最根本的问题是，即便它在某些方面比真人医生更强大，但它和其他AI软件的出错率也比较高。 近日，谷歌深度思考（DeepMind）发表论文称，他们研发的全新诊断对话式人工智能（AI）——AMIE在测试中击败医生，通过了图灵测试。 《自然》杂志前不久发布的2024年可能发生的10大科学进展中，人工智能占据榜首。 话音未落，就传来了AI在医疗领域的重大突破。AMIE在测试中击败医生并通过了图灵测试，是否意味着AI已经能进入临床并替代真人医生呢？ 当然不可能，因为，AI医生迄今并没有处方权，人们还不会轻易地将诊疗权交给AI。 要了解情况，还要从此次AI的突破来看。 研究人员基于临床会诊和沟通技巧，构建了一个试验性评估临床诊断的标准，其中涉及病史采集、诊断准确性、临床管理、临床沟通技巧、关系培养和移情等标准。之后，研究人员创建了基于大语言模型（LLM）的对话式诊断研究AI系统，即AMIE，并以真实世界的大数据训练AMIE。这些数据包括医学推理、医学总结和真实世界的临床对话。 最后，研究人员设计了一项随机、双盲交叉研究，让经过验证的患者与经过认证的初级保健医生（PCP），和AMIE通过文字聊天的方式进行互动，也即以客观结构化临床考试（OSCE）的形式，设置咨询（诊断）场景。OSCE是真实世界中常用的实用评估方法，以标准化和客观的方式考察临床医生的技能和能力。 在一项随机、双盲交叉的研究中，研究人员采用OSCE来评估20名初级保健医生、专科主治医生与AMIE的诊断，病人由专业演员模拟真实的患者。研究包括来自加拿大、英国和印度OSCE提供者的149个病例场景，涉及各种专科和疾病。 结果显示，AMIE在模拟诊断对话中的表现，至少与初级保健医生不相上下。而且，从专科医生的角度来看，AMIE的诊断准确性更高，在32个指标中的28个指标上表现更优；从患者的角度来看，在26个指标中的24个指标上表现更优。此外，AMIE在研究人员设定的评估中，在各个指标上都超越了初级保健医生。然而，这个AI医生只是在诊断呼吸系统和心血管疾病两类疾病中战胜医生，并没有在所有疾病的诊断中比初级保健医生更准确，因此不能推论到所有疾病防治领域。 另一方面，在试验中，AMIE通过了图灵试验，并表现出某种同理心，但这也并不意味着AI医生已经会思考，甚至具有了与人相似的意识。问题在于，图灵试验的标准已经太古老。在这个测试下，测试者向被测试者随意提问，进行多次测试后，如果有超过30%的测试者不能确定被测试者是人还是机器，这台机器就通过了测试。30%的比例太少。再说，图灵试验混淆了“骗人”和“像人一样思考”的结果，因此，通过了图灵测试并不意味着AMIE就能像真人医生一样思考、分析和判断，并进行正确的诊断。 应当承认的是，AMIE的确强大，比2011年国际商业机器公司（IBM）创造的沃森医生更胜一筹。 沃森医生算是最初的AI医生，诊断疾病的准确率达到73%，而且是对各类疾病的诊断。沃森医生贮存了数百万文档资料，包括字典、百科全书、医疗档案、新闻、文学以及其他可以建立知识库的参考材料，1秒可阅读100万本书，在获得一个寻问后，会进行一系列的计算，包括语法语义分析、对各个知识库进行搜索、提取备选答案、对备选答案证据的搜寻、对证据强度的计算和综合，最后给出答案。 AMIE则有很大的改进，它除了接受大数据训练外，还能从真实的医疗条件和场景中，获取信息并学习改进。研究人员设计了一个基于自演的模拟学习环境，环境具有自动反馈机制，用于虚拟医疗环境中的诊断性医疗对话，因而让AMIE能扩展在多种医疗条件和环境中学习知识的能力。 同时，研究人员还利用医院真实诊治疾病环境不断变化的模拟对话集，对AMIE进行反复微调，让AMIE进行两种自演循环。一是内部自演循环，利用上下文中对话者的反馈来完善学习；二是外部自演循环，即完善的模拟对话集被纳入后续的微调迭代中。 由此产生的新版AMIE可以再次参与内循环，形成良性的持续学习循环。 AMIE还被设计了推理时间链策略，使AMIE能够根据当前对话的情况，逐步完善自己的回答，从而得出最能体现当下具体情况的诊断。因此，在诊断呼吸系统和心血管疾病方面的准确性更高。 即便如此，AMIE进入临床诊治疾病还有很长的路要走，而且进入临床也只能是真人医生的助手，并不能单独诊治疾病。一个最根本的问题是，即便它在某些方面比真人医生更强大，但它和其他AI软件的出错率也比较高。 同样是刚刚发表在《科学》杂志上的一项关于AI帮助医生诊治精神分裂症的结果显示，人工智能模型可以高精度地预测接受训练的样本中的病人的治疗结果，但当应用于初始样本的子集或不同的数据集时，它们的性能下降到略好于偶然性。 也就是说，使用不同的AI医生，具有很大的局限性。因此，它们只能作为真人医生的助手介入医疗，而不能单独诊治疾病。 来源 // 联合早报 2024-01-22 #记录我的生活##江海e家#
大模型商业化：GPT-4时代的挑战与机遇
本文介绍了2022年下半年以来生成式AI技术的发展及其在商业领域的潜力，主要体现在C端用户服务和企业软件应用方面。同时，用户对AI的态度从尝鲜尝试转变为频繁使用，企业也在积极探索大模型商业化的可能性。此外，GPT-4的发布引发了业界对大模型性能的关注，Office 365则展示了大模型在软件应用中的创新潜力。然而，AI仍面临跨领域能力和职业改造等问题，未来两三年内，预计整个世界的服务体系都将因新型服务形态的重塑而重塑。
AI医疗：大模型竞赛中的新贵
该篇文章介绍了我国医疗AI领域的发展动态。叮当健康早盘强劲拉升超过21%，缘于其发布了叮当HealthGPT以及型医药AI产品——叮当药师、营养师AI助手，这些产品都采用了最新的AI技术。随着AI在医疗领域的广泛应用，尤其是大型AI模型的推出，医疗AI市场展现出巨大的潜力和广阔的前景。然而，当前AI在医疗领域的应用仍处于探索阶段，面临着技术和数据等方面的挑战。