人生AI，AI生人

想像一下，步入一家智慧型醫院，AI系統即刻通過您的可穿戴設備識別出您的身份。該系統將掃描並分析您的健康數據，對您的當前健康狀况進行評估。依據您的病史及實時監測數據，AI系統將提出最優的行動建議，例如安排後續檢查或推薦即時的診斷服務。

在候診區靜待時，AI系統將向您發送即將到來的預約提醒、健康小貼士，並確保爲您的醫生諮詢環節準備妥當所有必需的表格及文件。在諮詢過程中，AI與醫生的記錄系統無縫對接，提供實時的健康分析，以輔助診斷和制定個性化的治療方案。在您準備離開醫院之際，AI將自動處理保險理賠和支付事宜，使得整個就醫流程更加高效、便捷。此乃人智交互（Human-AI Interaction，簡稱HAII）在醫療領域應用的生動寫照。

‍

什麽是 HAII？

HAII致力于探究並設計人類與AI之間的交互模式及協作機制。AI系統具有自然語言處理、圖像識別、决策制定以及數據學習等能力。HAII旨在開發出既直觀易用、又可靠穩定，同時符合倫理標準並對人類有利的AI系統。該研究領域涵蓋了人工智能的多種形態，包括狹義AI、通用AI以及生成式AI等多種類別。

‍

HAII 的歷史

HAII 已經從基于規則的系統發展到深度學習技術，未來的目標是開發出更具協作性和以人爲本的 AI。HAII的歷史可以總結爲以下幾個階段：

一.  起源（1950 年代至 1960 年代）
HAII的發展歷程可追溯至AI之初始階段。艾倫·圖靈（Alan Turing）提出了圖靈測試（TuringTest），從而爲AI領域奠定了基石。早期的AI系統致力于執行特定任務，如國際象棋對弈與語言翻譯，然而，這些系統僅限于運用簡單的基于規則的邏輯，無法處理複雜或不確定性的情境。

二. 探索新方法（1970 年代至 1980 年代）
研究學者轉而投身于神經網絡、模糊邏輯以及專家系統的研究，以模擬人類的思維和學習過程，從而推動了語音識別、計算機視覺等技術的進步。儘管如此，這些系統仍舊面臨著可解釋性和可靠性方面的挑戰。

三. 深度學習的突破（1990 年代至 2000 年代）
深度學習使 AI 在圖像識別和自然語言生成等任務中超越了人類的能力，從而推動了對話代理和推薦系統等創新。

四. 未來方向（2010 年代至今）
當前的人工智能研究側重于提高系統的透明度、響應性、公平性和可解釋性，旨在構建能够適應用戶需求且同時解决倫理及社會問題的系統。這體現了人工智能從單純的技術工具向更具交互性、以人爲本的系統轉變，正如早期虛擬助手Siri的誕生所示。隨著人工智能日益融入日常生活，開發者們必須確保其决策過程透明、公平，並且能够適應多樣化的文化背景和個人環境。

‍

AI技術爲人類社會帶來了許多益處，但現階段，許多AI系統在開發過程中仍然采用的是“以技術爲中心”的思路。研究指出，不當的AI技術開發引發了許多對人類造成傷害的事件。人工智能事件數據庫（AIID）記錄了AI倫理濫用的案例，包括自動駕駛汽車引發的行人死亡事件和面部識別系統造成的錯誤逮捕案例。數據顯示，2023年共報告了123起與AI相關的事件，較2022年增長了32.3%。自2013年以來，AI相關事件的數量增長了超過20倍。鑒于這些事實，AI研究人員强調，未來AI的發展應當以人爲中心，而不應僅僅聚焦于算法和技術本身。

HAII專注于探索人類與人工智能系統互動的模式，而以人爲本的人工智能（HCAI）則確保這些互動的設計始終以人類的需求爲核心。因此，HCAI市場的增長和趨勢爲HAII實踐的發展提供了參考。近年來，HCAI的發展引起了極大的關注，尤其是隨著AI技術不斷發展並融入日常生活。預計到2033年，全球HCAI市場的規模將達到約688億美元，較2023年的95億美元有顯著增長，從2024年至2033年的複合年增長率（CAGR）爲21.9%。在2023年，虛擬助手和聊天機器人在 HCAI 市場的按應用細分市場中處于領先地位，占據了超過 31.5% 的市場份額。這些技術在提升客戶參與度以及自動化各個行業的通信流程方面發揮了至關重要的作用。

在2023年，醫療保健行業在HCAI市場的行業垂直細分領域中占據了領先地位，市場份額超過了24.1%。這一主導地位顯著體現了人工智能在轉變患者護理方式、優化醫療診斷流程以及提升行業運營效率方面的深遠影響。

生成式 AI

生成式 AI （GenAI） 是HAII 的一種。它通過根據用戶輸入生成文本、圖像和音樂等內容來實現交互式體驗。利用自然語言處理和機器學習技術，GenAI能够提供個性化的交互，例如能够響應查詢的聊天機器人，或是用于創作文章、藝術品等內容的工具。通過提供量身定制、具有創造力和適應性的內容與交互，GenAI 增强了 HAII 的效能，進而有可能促進業務效率的提升和盈利能力的增長。麥肯錫調查顯示，許多行業越來越多地將其數字預算的很大一部分分配給GenAI，並且預計這一趨勢將持續下去，67% 的受訪者預計他們的組織將在未來三年內增加 AI 投資。得益于這些投資，許多公司已經成功借助GenAI 實現了成本降低和收入增長。

醫療

正如我們之前提到的，醫療保健行業在全球 HCAI 市場中占有最大的份額。根據麥肯錫2024年第一季度的調研，超過70%的醫療保健組織表明，他們正在積極探索或已經部署了GenAI技術。不斷上升的采納率凸顯了GenAI在提升患者體驗和優化醫療保健運營中的巨大潜力。臨床醫生的工作效率被認爲是Gen AI 可以産生重大影響的關鍵領域，60% 的用戶已經看到或預期積極的投資回報 （ROI）。此外，人們越來越關注人類與 AI 協作如何提高患者參與度、管理效率和整體護理服務，進一步凸顯了 Gen AI 在提高臨床效率和整個醫療保健行業方面的潜在價值。

此外，一份科學報告探討了人類與AI在醫療决策中的合作。AI可以提供强大的數據處理能力，並直觀可靠的决策支持提示。這使醫生能够有效地結合自己的判斷與 AI 建議，從而做出更準確的診斷。這種人智協作模式利用了雙方的優勢，展示了這種夥伴關係爲醫療决策帶來的互補優勢，最終提高診斷結果的質量。

‍

當前挑戰：

雖然 HAII 提供了許多優勢並取得了重大進展，但它目前也面臨一些挑戰。

一.  大規模預訓練模型

·     挑戰：當前的大模型需要大量的計算資源和存儲，速度仍然是一個重大問題，尤其是在訓練和推理期間。在資源受限的設備（如智能手機或可穿戴設備）上運行這些模型可能會導致延遲和效率低下。此外，將這些大型模型應用于特定領域（例如醫療保健、金融或法律）並提供個性化和準確的服務是另一個挑戰。

·     發展方向：HAII 的未來發展將側重于通過研究先進技術來解决這些問題，以優化 AI 系統的效率和可擴展性，尤其是在資源受限的環境中，同時確保AI 能够提供準確的、特定領域的解决方案。

二.  可解釋的 AI （XAI） 和可解釋性

·      挑戰： 儘管深度神經網絡等大型模型在各種任務中都很强大，但它們的“黑盒”性質使人類難以理解和信任它們的决策過程。在關鍵决策場景中，尤其是在醫療保健和法律等領域，瞭解AI 如何得出結論至關重要。

·      發展方向： 未來的 HAII 系統將更加强調可解釋性和透明度。AI 需要闡明其决策過程，以幫助用戶瞭解其建議背後的基本原理。例如，在醫療保健領域，當AI 提供診斷建議時，能够解釋這些建議背後的原因將有助于醫生更有效地評估其適當性。

‍

結論

HAII 在提高效率和個性化方面取得了重大進展。然而，諸如需要大量計算資源和 AI 模型的“黑盒”性質等挑戰仍然存在。HAII 的未來發展將旨在解决這些問題，重點是針對資源有限的環境優化 AI 系統，並通過可解釋的 AI 確保透明度和信任。

‍