新智元报道
编辑：桃子
【新智元导读】 你有没有想过，或许未来某天，AI大军完全能够承担公司重任，人类是否会沦为配角？
小扎坚信，「未来世界上AI智能体，将比人类还要多」。
那么，如果这些AI也有企业文化，会怎样？
它们是否也像人类一样，既有手握决策大权的AI，也有苦哈哈干活的AI。
几个月前，OpenAI曾被曝出，内部定义了五级AGI路线，L5——组织者：可以完成组织工作的AI。
这所说的，或许就是未来公司的组织架构图。
因为多个智能体的合作，正在崛起。
此前，一项研究表明，拥有30+AI智能体系统，在几乎任何任务中，都优于简单的LLM调用，同时还减少了幻觉，提高了准确性。
论文地址：https://arxiv.org/pdf/2402.05120
但是，多个智能体之间，应该如何进行实际协作呢？
在探索改善AI在软件工程任务中的表现的方法时，Alex Sima突然有了灵感：
接下来，Alex让AI接管了6大科技巨头——亚马逊、谷歌、微软、苹果、Meta、Oracle，看看它们如何协作。
先来一张图，感受下。
关键要点
以下是，Alex将AI智能体，组织成类似苹果、微软、谷歌等公司结构后，得到的一些关键要点：
- 有多个「竞争」团队（即竞争生产最佳最终产品）的公司，如微软、苹果，表现优于集中化的层级结构。
- 具有单点故障（比如一个领导者做出重要决策）的系统，如谷歌、亚马逊和Oracle，表现不佳。
- 大型科技公司的组织结构，对问题解决能力有适度但明显的影响。
AI智能体与科技巨头组织
之前通过简单增加AI智能体数量，来提升性能的方法，比如SWE-bench，并未取得显著的成效。
这表明，仅仅依赖数量的增加，并不能解决问题。
那么，有什么其他的方法可以让AI智能体在软件工程方面变得更好？
三周前，Alex偶然看到了James Huckle关于「康威定律」的一篇文章——软件和产品架构注定会反映创造它的组织结构。
James展示了一幅插图，揭示了亚马逊、谷歌、Facebook、微软、苹果和Oracle的戏剧化组织结构，并提出了一个想法：
Alex受到启发，决定在SWE-bench实例上测试James的假设。
实验设置
作者将AI智能体组织成不同的公司结构，在SWE-bench-lite的13个实例「mini」子集上，评估了六种不同的组织结构。
在构建这六种组织时，他基于一些核心观察设计了多智能体组织结构：
亚马逊
顶层有一个「管理者」的二叉树。
为了复制这一结构，Alex使用了大量执行代码库搜索的智能体，和一个最终执行代码库更新的单一智能体。
谷歌
类似亚马逊的树状结构，但中间层之间有更多连接。
Alex通过在单一层内聚合复制所有智能体结果，并将其传递给下一层的智能体。
Meta（Facebook）
缺乏层级结构，但仍是一个智能体之间有许多连接的网状组织。
Alex通过增加不同智能体之间的转换可能性，来修改原始的智能体设计。
微软
强调竞争团队，每个团队有自己的层级。
本质上，Alex重新调整了亚马逊的结构（减少智能体数量），并使用向量相似性投票方法，从三次单独运行中选择「最佳」解决方案（每次运行对层级结构略有调整）。
苹果
许多小型竞争团队，每个团队都有自己的最小结构。
Alex使用了与微软相同的「最佳解决方案」方法，但进行了更多没有智能体层级的运行（每次运行有不同的转换）。
有两个不同的团队，一个较大的「法律」二叉树和一个较小的工程树。
Alex将法律团队解释为，搜索代码库和检索关键上下文的智能体，而工程团队由实际编写代码的智能体组成。
两个团队的结构类似于亚马逊，顶层有一个单一智能体协调「法律」和「工程」之间的信息传递。
评估结果
为了评估SWE-bench上的每组patch，作者使用了SWE-bench evaluation。
结果如下：
组织结构图绩效分析
以下是作者对不同公司结构，如何影响性能的一些观察：
- 有竞争力的团队增加成功机会。
表现最佳的两个（微软和苹果）都有多个团队在竞争解决问题，而其他公司似乎只有一个巨大的团队生成单一patch。
多个团队允许增加问题解决方法的多样性，提高解决问题的概率。
- 有单点故障的结构表现不佳。
提到单点故障，是指是那些有高层管理者/智能体可以完全改变运行结果的公司（如谷歌、亚马逊和甲骨文）。
在协调多个智能体之间的互动时，一个常见问题是某个智能体失败——导致可能出现一个智能体改变团队问题解决策略方向的情况。
具有单点故障的公司容易受到这些问题的影响。
另外，表现最好的两家公司，微软和苹果，恰好是世界上市值最大的两家科技公司。
事实证明，在现实世界中似乎最有效的组织结构对AI智能体也同样有效。
截图来自CompaniesMarketCap，2024年07月25日
对SWE-bench进展的思考
看着不同公司结构的结果，在这个Mini基准上是可以预料到的。
总的来说，似乎在一个像软件工程这样复杂的任务中，增加更多的智能体，或改变这些智能体的组织方式，只会带来边际性能的提高。
虽然论文More Agents Is All You Need 发现，准确率有相当大的提高（约20%），但在GSM8K（小学数学）测试中，30个智能体后性能明显趋于平缓。
研究还发现，过于复杂的任务（如SWE-bench中的任务）可能超出模型的推理能力，导致性能增益递减。
坐着在SIMA中同样验证了这一发现，最多只比基础架构提高了2-3%（使用40多个智能体）。
他预计，这种小幅提升在其他非多智能体架构中也会一致。
作者认为，若想在基准测试上取得更大进步，需要改变智能体的实际逻辑推理能力，或者它们可以采用（或被给予）的解决软件问题的策略和方法。
这可以通过更强大的基础模型（GPT-5）或给予智能体更广泛的工具来实现。
这与公司运作是一样的。
归根结底，如果你不雇用更聪明的员工，或给他们更好的资源，无论你如何组织他们或有多少人，他们的产出都不会提高。
不得不承认，13个实例的性能可能与完整基准测试的实际性能相差甚远。
仅在这个mini子集中的差异就足够显著，值得关注（从谷歌到苹果提高了约50%）。
基础模型/工具可能是智能体软件工程的限制因素，但随着基础模型的改进，探索智能体通信结构（无论是否在公司组织中）绝对应该被测试。
正如James Huckle所说，这个概念可能成为AI智能体设计中的「关键超参数」，不同的组织结构可能更适合不同的任务。
参考资料：
https://alexsima.substack.com/p/ai-multi-agents-with-corporate-structures
在《一叶知命》中， AI是怎么取代人类工作的？
首先，可以明确的是，AI在处理海量数据方面具有惊人的优势。 以金融放贷为例：在放贷的审核环节，金融机构在收到贷款申请后，人类审核员一般会仔细核查申请人的各类信息，如净资产、工作收入、家庭状况等，然后再决定是否批准贷款申请。 这是一个繁复的过程。 但AI不用这样做，它可以直接根据贷款申请人的公开记录、面部信息、下载过的应用程序中的数据，以及在网上的各种浏览历史轨迹等，把成千上万个变量放入“风险控制模型”中，然后快速给出精细化的评估结果。 这个过程不仅高效，而且评估结果比富有经验的人类审核员还要准确。 如果人们不愿意提供这些隐私信息怎么办？那么，让我们来假设，金融机构为了鼓励贷款申请人允许AI审核员查看他的个人资料，承诺申请人可以因此享受到更优惠的贷款政策（更精确的放贷让AI审核有更大的利润空间来让利），结果会怎么样？可能有些人会拒绝，但应该有很多人选择同意（就像我们在《一叶知命》部分看到的那样）。 从上述例子可以看出，在日常工作中，AI取代部分白领可能不是一件太难的事情，而且类似的事情也确实发生过，比如过去从事记账和数据录入等专门事务性工作的人类员工，现在都被电脑软件取代了。 在《职业救星》部分，我们也能看到那些受AI冲击的白领，从会计师到放射科医生，无一幸免。 接下来，如果AI与机器人、自动化等技术进一步结合，一些从事相对复杂工作的蓝领工人也将被取代，比如故事里提到的仓库拣货工、建筑工人、管道工人等，这几类员工被取代的难度逐步递增。 到2042年，执行常规任务的仓库拣货工将彻底被仓储机器人取代；在未来的建筑业，由机器人制造的、易于大规模组装的部件将成为主流，因此，一部分建筑工人将被建筑机器人取代；管道工人的数量甚至也会慢慢减少，因为大规模组装建筑物的标准管道，可以使用机器人进行维修。 不过，因为还有很多老式建筑的管道系统比较复杂，管道工这个工种不会那么快消失。 那么，在未来的AI时代，人类员工被AI取代的情况，究竟会发展到什么程度？最容易受到AI冲击的行业有哪些？在《AI·未来》一书中我预测过，截至2033年，有40%工作岗位上的人类员工将被AI和自动化技术所取代。 当然，这种取代的进程并不是一朝一夕就能完成的，AI取代人类员工的方式是渐进的，就像《职业救星》中珍妮弗从事会计工作的父亲那样，他是逐渐被机器人流程自动化（Robotic Process Automation，RPA）技术取代的。 简单来说，RPA可以看作一种安装在电脑上的“软件机器人”，能够通过软件来观察人类员工所做的一切工作。 随着时间的推移，这种“软件机器人”会基于它们所观察到的数百万人类员工的工作流程，掌握人类员工执行重复性日常工作的完整过程。 在某些时候，企业会选择让机器人完全接手人类员工的工作，这是一种“划算”之举， 随着总体工作负担的减轻，企业工资单上的雇员人数将减少。 想象一下，在一个有100名员工的人力资源部门，20名员工的主要工作是筛选简历——将求职者的信息与岗位说明中的任职标准进行比较。 如果上马RPA后，筛选效率提升一倍，就会导致其中10名员工失业，而在RPA根据更多数据和经验完成了进一步的学习后，可能会在某个时间点取代剩下的10名员工。 与此同时，在与求职者进行电子邮件沟通、安排面试、反馈协调、招聘决策，甚至有关入职的基本谈判方面，RPA也都具备非常大的潜力。 如果把这些任务也委托给RPA，就会有更多的人类员工被取代。 另外，AI还可以参与对求职者的第一轮面试，进行面试筛选。 这个环节类似于《职业救星》中数字人露西对珍妮弗做评估的过程，这种做法将为人力资源部门和招聘经理节省大量的时间成本。 由于AI可以参与上面提到的这些工作环节，人力资源部门的员工总数有可能从100人减少到10人左右。 当AI完成对招聘阶段的赋能后，接下来，它就可以接手人力资源培训、帮助新员工制定职业发展目标以及绩效评估等任务了。 人力资源部只是每家企业的职能部门之一，除此之外，AI还可以在财务、法务、销售、市场、客服等部门发挥作用，再加上新型冠状病毒的暴发推动了企业工作流程的数字化，导致RPA和类似技术的应用需求量变大，进一步加快了AI取代人类员工的进程。 不难想象，AI对人类工作的介入虽然是循序渐进的，但最终的结果非常明确—— AI将全面取代人类员工。 有乐观主义者认为，新兴技术导致的生产力提升，总能带来相应的经济效益，而经济的增长和繁荣，则意味着能够带来更多的就业机会。 但是，与其他新兴技术不同，AI是一种“无所不能”的技术，它将直接对数百个行业以及数以百万计的工作岗位带来冲击。 这种冲击不仅包括对体力劳动的替代，还包括在认知上带来的挑战。 大多数技术都会在取代一部分人类员工的同时，创造一部分新的就业机会，例如，流水装配线彻底改变了汽车工业—— 从工匠手工组装昂贵的汽车，到普通工人制造更多的平价汽车。 可是，AI却与此不同，它的目标非常明确，就是接管人类的工作任务，这会直接导致人类就业机会的减少。 而且，AI并不会仅仅局限于单一领域的技术，它会“入侵”各行各业。 另外，AI应用、泛化和迁移的速度也是惊人的。 人们总是将其与AI新技术革命相提并论的工业革命，在其发轫100多年后，才扩展到西欧和美国以外的国家和地区，而AI却一呼百应遍地开花，几乎在全世界范围内都是同时开始落地应用。 ▌取代背后的潜在危机实际上，AI取代人类员工所带来的失业人数飙升只是危机的冰山一角，而且是浮于水面上的那一角，而潜伏在水下的危机，可能会给人类带来难以承受的后果。 首先，失业人数上升会导致岗位竞争加剧，蓝领和白领的薪资可能因此被压缩。 然而，与此同时，AI算法却有可能帮助科技巨头在更短的时间内获得更多的收益，造就更多的亿万富翁，于是收入和财富不平等的问题会愈演愈烈。 英国经济学巨擘亚当·斯密提出的自由市场的自我调节机制（例如，高失业率会压低工资，受其影响，物价降低，进而反向刺激消费，最终会使经济重回正轨），在AI时代将不再有效，甚至会彻底崩溃。 如果不未雨绸缪对此加以控制，而是任其自然发展下去，可能就会出现新的社会阶层划分：上层是极其富有的AI精英；中层是数量相对较少的一部分从事复杂工作的雇员，这些雇员的工作涉及广泛的技能、大量的战略性规划以及创意，这些雇员中的一大部分人收入较低；下层则是最庞大的社会群体—— 无力挣扎的普通民众。 其次，比起失去工作，对于人类来说更为不幸的是失去人生的意义，所以人类在精神层面遭遇的挑战同样值得关注。 未来人们将看到，在其毕生扎根、钻研的工作中，自己会被AI算法和机器人轻而易举地超越。 那些从小就梦想进入某些行业的年轻人，他们的希望可能会就此幻灭。 自从工业革命以来，无形中，人们被灌输了一种观念——工作是我们实现自我价值的主要途径。 这种根深蒂固的传统观念一旦被颠覆，人们将很难获得自我认同感，反而会产生挫败感。 此时，有的人可能会选择滥用药物来逃避现实，有的人可能患上抑郁症甚至选择自杀（据美国报道，在某些遭受现代科技强烈影响的行业如出租车司机，从业者自杀的人数激增）。 更糟糕的是，AI的广泛冲击会使人们开始质疑自己存在的价值，以及生而为人的意义。 回顾并不久远的历史，我们会发现，在面对大规模流行病等非常具有破坏力的动荡性事件时，人类的政治制度和社会结构是多么地脆弱。 新冠肺炎疫情，就是最近发生的活生生的例子。 而如今的AI经济，也是这样的一个颇具“杀伤力”的颠覆者，倘若不加以干预、调控，放任它自由发展，后果将不堪设想。 与之相比，由于社会政治博弈所引发的动荡，简直是小巫见大巫。
AI是如何颠覆白领工作的？
首先，可以明确的是，AI在处理海量数据方面具有惊人的优势。 以金融放贷为例：在放贷的审核环节，金融机构在收到贷款申请后，人类审核员一般会仔细核查申请人的各类信息，如净资产、工作收入、家庭状况等，然后再决定是否批准贷款申请。 这是一个繁复的过程。 但AI不用这样做，它可以直接根据贷款申请人的公开记录、面部信息、下载过的应用程序中的数据，以及在网上的各种浏览历史轨迹等，把成千上万个变量放入“风险控制模型”中，然后快速给出精细化的评估结果。 这个过程不仅高效，而且评估结果比富有经验的人类审核员还要准确。 如果人们不愿意提供这些隐私信息怎么办？那么，让我们来假设，金融机构为了鼓励贷款申请人允许AI审核员查看他的个人资料，承诺申请人可以因此享受到更优惠的贷款政策（更精确的放贷让AI审核有更大的利润空间来让利），结果会怎么样？可能有些人会拒绝，但应该有很多人选择同意（就像我们在《一叶知命》部分看到的那样）。 从上述例子可以看出，在日常工作中，AI取代部分白领可能不是一件太难的事情，而且类似的事情也确实发生过，比如过去从事记账和数据录入等专门事务性工作的人类员工，现在都被电脑软件取代了。 在《职业救星》部分，我们也能看到那些受AI冲击的白领，从会计师到放射科医生，无一幸免。 接下来，如果AI与机器人、自动化等技术进一步结合，一些从事相对复杂工作的蓝领工人也将被取代，比如故事里提到的仓库拣货工、建筑工人、管道工人等，这几类员工被取代的难度逐步递增。 到2042年，执行常规任务的仓库拣货工将彻底被仓储机器人取代；在未来的建筑业，由机器人制造的、易于大规模组装的部件将成为主流，因此，一部分建筑工人将被建筑机器人取代；管道工人的数量甚至也会慢慢减少，因为大规模组装建筑物的标准管道，可以使用机器人进行维修。 不过，因为还有很多老式建筑的管道系统比较复杂，管道工这个工种不会那么快消失。 那么，在未来的AI时代，人类员工被AI取代的情况，究竟会发展到什么程度？最容易受到AI冲击的行业有哪些？在《AI·未来》一书中我预测过，截至2033年，有40%工作岗位上的人类员工将被AI和自动化技术所取代。 当然，这种取代的进程并不是一朝一夕就能完成的，AI取代人类员工的方式是渐进的，就像《职业救星》中珍妮弗从事会计工作的父亲那样，他是逐渐被机器人流程自动化（Robotic Process Automation，RPA）技术取代的。 简单来说，RPA可以看作一种安装在电脑上的“软件机器人”，能够通过软件来观察人类员工所做的一切工作。 随着时间的推移，这种“软件机器人”会基于它们所观察到的数百万人类员工的工作流程，掌握人类员工执行重复性日常工作的完整过程。 在某些时候，企业会选择让机器人完全接手人类员工的工作，这是一种“划算”之举， 随着总体工作负担的减轻，企业工资单上的雇员人数将减少。 想象一下，在一个有100名员工的人力资源部门，20名员工的主要工作是筛选简历——将求职者的信息与岗位说明中的任职标准进行比较。 如果上马RPA后，筛选效率提升一倍，就会导致其中10名员工失业，而在RPA根据更多数据和经验完成了进一步的学习后，可能会在某个时间点取代剩下的10名员工。 与此同时，在与求职者进行电子邮件沟通、安排面试、反馈协调、招聘决策，甚至有关入职的基本谈判方面，RPA也都具备非常大的潜力。 如果把这些任务也委托给RPA，就会有更多的人类员工被取代。 另外，AI还可以参与对求职者的第一轮面试，进行面试筛选。 这个环节类似于《职业救星》中数字人露西对珍妮弗做评估的过程，这种做法将为人力资源部门和招聘经理节省大量的时间成本。 由于AI可以参与上面提到的这些工作环节，人力资源部门的员工总数有可能从100人减少到10人左右。 当AI完成对招聘阶段的赋能后，接下来，它就可以接手人力资源培训、帮助新员工制定职业发展目标以及绩效评估等任务了。 人力资源部只是每家企业的职能部门之一，除此之外，AI还可以在财务、法务、销售、市场、客服等部门发挥作用，再加上新型冠状病毒的暴发推动了企业工作流程的数字化，导致RPA和类似技术的应用需求量变大，进一步加快了AI取代人类员工的进程。 不难想象，AI对人类工作的介入虽然是循序渐进的，但最终的结果非常明确—— AI将全面取代人类员工。 有乐观主义者认为，新兴技术导致的生产力提升，总能带来相应的经济效益，而经济的增长和繁荣，则意味着能够带来更多的就业机会。 但是，与其他新兴技术不同，AI是一种“无所不能”的技术，它将直接对数百个行业以及数以百万计的工作岗位带来冲击。 这种冲击不仅包括对体力劳动的替代，还包括在认知上带来的挑战。 大多数技术都会在取代一部分人类员工的同时，创造一部分新的就业机会，例如，流水装配线彻底改变了汽车工业—— 从工匠手工组装昂贵的汽车，到普通工人制造更多的平价汽车。 可是，AI却与此不同，它的目标非常明确，就是接管人类的工作任务，这会直接导致人类就业机会的减少。 而且，AI并不会仅仅局限于单一领域的技术，它会“入侵”各行各业。 另外，AI应用、泛化和迁移的速度也是惊人的。 人们总是将其与AI新技术革命相提并论的工业革命，在其发轫100多年后，才扩展到西欧和美国以外的国家和地区，而AI却一呼百应遍地开花，几乎在全世界范围内都是同时开始落地应用。 ▌取代背后的潜在危机实际上，AI取代人类员工所带来的失业人数飙升只是危机的冰山一角，而且是浮于水面上的那一角，而潜伏在水下的危机，可能会给人类带来难以承受的后果。 首先，失业人数上升会导致岗位竞争加剧，蓝领和白领的薪资可能因此被压缩。 然而，与此同时，AI算法却有可能帮助科技巨头在更短的时间内获得更多的收益，造就更多的亿万富翁，于是收入和财富不平等的问题会愈演愈烈。 英国经济学巨擘亚当·斯密提出的自由市场的自我调节机制（例如，高失业率会压低工资，受其影响，物价降低，进而反向刺激消费，最终会使经济重回正轨），在AI时代将不再有效，甚至会彻底崩溃。 如果不未雨绸缪对此加以控制，而是任其自然发展下去，可能就会出现新的社会阶层划分：上层是极其富有的AI精英；中层是数量相对较少的一部分从事复杂工作的雇员，这些雇员的工作涉及广泛的技能、大量的战略性规划以及创意，这些雇员中的一大部分人收入较低；下层则是最庞大的社会群体—— 无力挣扎的普通民众。 其次，比起失去工作，对于人类来说更为不幸的是失去人生的意义，所以人类在精神层面遭遇的挑战同样值得关注。 未来人们将看到，在其毕生扎根、钻研的工作中，自己会被AI算法和机器人轻而易举地超越。 那些从小就梦想进入某些行业的年轻人，他们的希望可能会就此幻灭。 自从工业革命以来，无形中，人们被灌输了一种观念——工作是我们实现自我价值的主要途径。 这种根深蒂固的传统观念一旦被颠覆，人们将很难获得自我认同感，反而会产生挫败感。 此时，有的人可能会选择滥用药物来逃避现实，有的人可能患上抑郁症甚至选择自杀（据美国报道，在某些遭受现代科技强烈影响的行业如出租车司机，从业者自杀的人数激增）。 更糟糕的是，AI的广泛冲击会使人们开始质疑自己存在的价值，以及生而为人的意义。 回顾并不久远的历史，我们会发现，在面对大规模流行病等非常具有破坏力的动荡性事件时，人类的政治制度和社会结构是多么地脆弱。 新冠肺炎疫情，就是最近发生的活生生的例子。 而如今的AI经济，也是这样的一个颇具“杀伤力”的颠覆者，倘若不加以干预、调控，放任它自由发展，后果将不堪设想。 与之相比，由于社会政治博弈所引发的动荡，简直是小巫见大巫。
科技巨头 FAAMG 智慧医疗产业梦：数位赋能正式进入 AI 时代！
资讯科技正在快速席卷各业界，医疗产业当然也不例外，世界五大科技公司「FAAMG」竞相投入智慧医疗产业，加入未来将会产生巨大经济效益的健康照护与医疗竞赛。
医疗产业「数位化」与「AI 化」
医疗产业过去一直是一个专业度很足，且垂直技术很深的产业，一般传统产业几乎无从切入。 然而全球科技大厂早已察觉，人工智慧应用在医疗产业的时机已来临了；2019 年底哈佛商业评论（HBR）预估 未来十年，人工智慧将为全球经济增加十兆美元以上的价值，其中最重要的产业别就是「健康照护与医疗」，相当于 2019 年全球市值百大企业排名第一的美国微软公司的十倍以上。
过去全球前十大市值企业，一直由科技业主导，其中人称「科技五巨头 FAAMG」的脸书（Facebook)、苹果（Apple）、亚马逊（Amazon）、 微软（Microsoft）、谷歌（Google 母公司 Alphabet）早已悄悄启动 AI 医疗科技计划；这五大科技公司不仅竞相投入智慧医疗产业，驱动全新的智慧医疗，引导之产业链顺势而生，加入全球健康照护与医疗竞赛。
全球五大科技公司将带领消费者进入未来智慧医疗服务
苹果公司 Apple
苹果公司是以软体加硬体最早进入医疗领域插旗的科技公司，从收购最大的医疗个资平台 Gliimpse 开始，结合智慧手表以及自家设计的 App 软体 CareKit 与 ResearchKit，目的就包括了医疗、照护、与个人医疗资讯。 早期成功专案包括研究帕金森氏症、自闭症，后来加入分析睡眠习惯与糖尿病、心脏病、肥胖症、慢性阻塞性肺病、忧郁症等病症之间的关联性。 稍后也宣布与 Health Gorilla 公司合作取得临床级的健康医疗和诊断数据，以及联手血糖监测厂商 Dex，借此扩大已有广大群众使用的 iPhone 智慧型手机服务范围，当然是剑指智慧医疗了。
医疗界长久以来认为电子病历资料缺乏彼此资料之共通性以及资料本身之结构性，在实用性上为人诟病；例如所有的人都知道，当你旅行世界各国时，甚至在东南亚或是其他开发中国家，掏出随身的信用卡，就可以当下立刻消费，然而你过去的电子病历，却仍然没有办法在像美国这样的先进国家，当紧急就医看诊时立即直接阅读。 但 Apple 公司两年前主动加入电子病历交换标准开放推广计划（Argonaut Project），支持由医疗界依 HL7 健康资讯交换标准协定所发起的开放式标准；此举确实让业者体认到智慧医疗的成败，是取决于如何串联起不同结构格式之医疗资料，最后一哩路在此。 该公司甚至宣称在 2017 年就已经取得了数项关键性的美国专利，以智慧型手机、手表整合 App 软体，进军医疗产业之野心显而易见。
脸书 Facebook
年轻的脸书创办人祖克柏早在 2015 年就以他们夫妇的姓氏设立基金会，计划未来十年将投资三十亿美元，资助全球的科学家研究疾病治疗。 第一个专案投入六亿美元建立 Biohub 研究中心，将加州大学柏克莱和旧金山分校、史丹佛大学的菁英科学家和工程师聚合在一起，共同研发预防、治疗及管理疾病的工具，并大力赞助「人类细胞图谱」计划；让科学家与人们可以更快了解自己身体上的细胞，达到进一步防治疾病的效果，显然他们相当看好基因治疗与自家医疗媒体服务未来的市场需求。
虽然在脸书上早已有数以百万计的脸友们，每天活跃地在社群媒体群组分享或讨论特定病患症状，但有鉴于几年前个资被不当使用之后，该公司保守地宣称尚未规划将这些讨论内容加值成为市场上的商品。 不过和脸书相似性质的社群媒体 Instagram 也被哈佛大学研究团队拿来和脸书比较，证明可以用 AI 演算法，透过社群分享的照片与留言来预测患有忧郁症倾向的使用者，脸书稍后也表达有意将类似的技术应用于早期筛检与侦测精神类疾病。
亚马逊 Amazon
亚马逊切入医疗照护产业的角度，与其他科技公司截然不同，该公司过往拥有二十五年来消费者完整网购纪录，当然包括个人在改善健康或是临床上需求之商品；加上个人化之使用者体验设计，以及透明化之价格选择，提供以针对会员所需要之健康照护产品销售为其目标。 此外，自家提供云端服务的 AWS 更不遑多让，已经在跟 Microsoft 和 Google 抢夺医疗产业和医药公司亟需的云端计算服务的订单了。 两年前亚马逊成立了一个专注于网路医疗技术的实验室，并将其命名为 「1492」，取自哥伦布发现新大陆那一年；团队目前正在寻找从现有已去识别化的电子病历系统中，获取结构化资讯并进一步加值在其他资料库的方法;如果能成功，亚马逊就可以将这些医疗知识更方便地提供给消费者及专科医师了。
同时亚马逊与摩根大通集团（J.P. Man）以及波克夏．海瑟威公司（Berkshire Hathaway）在 2019 年第一季终于共同合资成立了一家以专注于健康照护商品的非营利新公司「Haven」，新公司宣称将拥有如亚马逊提供给消费者的美好购物经验，以提供透明价格及高品质之健康照护商品为目标，并包含了各式处方医药商品及合理价格之治疗。
微软 Microsoft
微软早期在智慧医疗的规划上，以位于英国的剑桥研究实验室整合生物学家、电脑科学家和工程师，致力于用电脑计算解决癌症问题来试 水温；后来在 Hanover 计划中，利用人工智慧软体读懂每年发表的医学专业论文，帮助医生预测哪些药物对治疗癌症患者最有效，期望达到帮助治疗癌症的目的，均略有成果。 目前该研究室也仍致力于医疗资讯系 统、免疫系统、医疗影像、与精神疾病照护之相关研究。
后来微软研究院（MSR）主打利用人工智慧提升医疗照护品质，并发起了 Healthcare NExT 计划，希望能找出治疗致命疾病例如癌症的新方法。 其中 Microsoft Genomics 服务，透过基因资料处理，帮助医学研究者发明精准治疗癌症等疾病的药物。 例如经过分析患者的健康和肿瘤细胞组织，并参考其他患者的医疗资料，医师从中能选择最有效的治疗方案。 2018 年微软和印度一家医院合作，联手设计新的机器学习演 算法，用于预测心脏疾病的风险，并协助当地医生迅速找到相关治疗方法，相当有成效。 此外瑞士大药厂 Novartis 在 2019 年 10 月也宣称将与微软公司在人工智慧及医药上有更具体的合作，双方目前的共识是在 个人化用药的议题上，设计聚焦于眼部退化病变之创新基因疗法。
谷歌 Google
早期被 Google 支持的新创 Flatiron 公司，多年来从电子病历当中，肿瘤科医师有相当大的帮助。 后来很快的就被 Roche 大药厂并购，当然看上的就是该公司能够以全资讯化的方式自动分析 FDA 所畅议的真实世界资料（RWD），再加上已整理好的临床级药物测试结果。 另一家 Verily 公司是从 Google 当年执行最特别任务的实验室（X Lab）分出去的新创公司，致力于开发特殊之工具软体，收集汇整各式各样的健康资料，且宣称能做到疾病的预防及管理，过去曾经与国际级药厂例如娇生、葛兰素史克、赛诺菲合作，成立疾病疗法之研发公司，开发糖尿病诊疗软硬体设备，可惜此设备在美国 FDA 规范之临床测试中并不顺利。 最近该公司将心电图相关技术应用在实际临床上，记录心脏活动资讯于智慧手表装置中，让更多疾病研究数据可以透过手表随时随地完成记录。 不过在 2019 年的一项专利中，Verily 公司证明用机器学习演算法帮助病理学家成功地识别医学影像中的癌细胞，算是替该公司在数位病理发展的关键场域上扳回了一城。
同时 Google 旗下的实验室推出了一个雄才大略的新计划，成立新公司 Cityblock Health，并将重点放在纽约市布鲁克林区低收入人群身上，协助治疗有资格获得医疗补助计划的低收入患者，预计为低收入市民提供廉价且更好的个人化医疗。 当然 Google 公司这几年也在电脑辅助医疗影像领域进行不少先导型研究，例如用 CT 影像来预测肺癌、用视网膜影像当作训练资料、自动评估心脑血管疾病风险，皆令医疗产业界大感振奋。 同时在 2019 年 9 月，Google 与全美著名医疗机构 Mayo Clinic 间的异业新合作案，双方签署了为期十年的合约，这当然也宣示了 Google 致力于成为健康医疗产业资讯网路服务提供商的决心 。
这些世界级的科技公司，似乎早早就已经跃跃欲试地在医疗场域上布局了，其目的就在挟其拥有大量客户资料为基础，延伸至最贴近个人健康与医疗的需求，并以实际的产品或服务切入。
※ 内容授权自《从AI到智慧医疗》，作者为蒋荣先，商周出版。
