KCLin0423 wrote:
生產工具廉價絕對有用
是你不會用
以前一台示波器要多少錢? 現在一台示波器只要 2xxx (必須配合電腦使用)
以前一台APPLE II 要數萬，現在一台樹梅派只要 1xxx，而且你可以用免費軟體寫程式
你可以用他來控制電子設備，例如馬達
用這些工具，你可以發展出一台 簡單的 CNC，3D 列印(你可以去淘寶看看這些產品，是甚麼巨大的資本家做的嗎?)
你會說。。。那車床師傅要被取代
是的，車床師傅會被取代
但是，會使用這些工具的人，很快就可以成為新的資方，發展出新的工具，而且這些工具會更便宜
那車床師傅怎辦?
他可以去學習這些新工具，更有效率生產他們的產品
所以，以前做一整天的工作做100件，現在只要做一次，然後讓電腦重複 99 次
車床師傅更閒了
怎會被取代?!
那你會說，那有更多的車床師傅失業了
是得沒錯
所以，資本主義必伴隨社會主義來關懷這些在競爭上比較弱勢的人
而且，隨著文明的發展，資本的集中，社會主義會有更大的比重
你要重新思考現代的失業持續時間更長 ，後果更為嚴重
在資本主義體系分工深化的情況下，科技進步造成的結構性失業不是短期失業
馬克思那個年代19世紀中葉，簡單機械的操作工人如果失業，在經濟週期恢復時可以找到另外一種工作
有一種失業是結構性失業，某些行業正擴張，另一些則衰退，造成部分工人失業。結構性失業通常較摩擦性失業持久，因為失業人員需要再訓練或是遷移才能找到工作。
而「現代資本主義市場分工和細化程度很深」的時候結構性失業就會很持久，
甚至長達「一個人一輩子可工作時間大半段」的生命週期
舉個例子
你想想看一個放射科醫學專家、乳癌科診端專家等等，這些都是需要在醫學系讀8年 寫論文 做研究
在累積大量工作經驗培養，長期的培養成本非常高的
要培養這種複雜勞動力，需要上百萬的時間機會成本和經濟成本，他的再生產週期非常長
現在出現了一種深度學習演算法，再給病人看診時用深度學習演算法相關軟體診斷
這樣以前醫生要花幾小時一天處理很多病人，而電腦效率很高能讓同一位醫生能在同一時間看診更多病人
假設說提高了30倍，那麼市場需求病人數量不變，整個市場需求的病人數量就這麼多
所以用深度學習軟體+人類醫生合作，以從前1/30的醫生數量就能夠看診和原來數量一樣多的病人
那麼另外30分之29的醫生被排除再了勞動市場之外，然後他們剛好是30~40歲這個年紀
你叫他們改行當AI工程師，好吧就算他們有能力學習，但是相關工作經驗是積累的
當你去面試一個工作的時候能否被率取是看「在該領域有沒有相關工作經驗」，否則就不可能被錄用，
這種失業，除了去掃廁所當保全還能幹嘛? 台灣讀生物科技系、太陽能光電、核工系、航太系很慘的例子就是如此
這時候失業時間會很長很持久，就算他們花大量時間把之前的專業廢棄不用，重新學習完成 已經是50歲左右，
然後如果他們沒有資本就是在等著被餓死
另外的例子，飛行員、某些金融專業人員高薪白領一樣可以被機器取代
不是只有藍領可以被取代而以
看到一篇AI+大數據醫療的新聞蠻有趣的給各位分享看看
AI 衝擊醫療業 9 大領域，連心理諮商都可能會被機器取代
AI 衝擊醫療業 9 大領域，連心理諮商都可能會被機器取代
作者 數位時代 | 發佈日期 2018 年 09 月 21 日 8:00 | 分類 AI 人工智慧 , 醫療科技 follow us in feedly
說人工智慧正對「白色巨塔」帶來重大改變，但這波 AI 熱潮到底走了多遠，對醫療行業內生態、投資的影響，又是什麼？美國網站 CB insights 日前發表報告，整理出 9 大重點，描繪出目前發展。
這份《Top Healthcare AI Trends To Watch》報告指出，「圖像辨識」是 AI 醫療的最好例子之一。例如日前 Google DeepMind 宣佈，其研發的神經網路已經能辨識出 50 種眼部疾病，準確度媲美醫生。另外，製藥公司開始試著透過深度學習開發新藥，例如默克（Merck）集團和新創公司 Atomwise 合作，已來台設點的英科智能（Insilico Medicine）則和 GlaxoSmithKline 攜手。
從投資趨勢來看，AI 醫療新創也越來越受到矚目。2013 年起，美國 AI 醫療新創募資超過 43 億美元，投資件數 576 件，在所有跟 AI 相關的募資領域裡，數量居冠。
▲ 美國 AI 醫療新創團隊募資案件數，在今年第二季達到高峰。（Source：CB Insights）
但發展醫療AI的最大障礙之一，就是需要讓現行「不存在」的流程趕上既有發展，以及嘗試這些發展中的新科技。「像是在美國，並沒有統一規格、存放的病患檔案和數據，當病人傳真或用Email寄送檔案時，這些手寫資訊、PDF檔該如何擷取出資訊，會相當具有挑戰性。」但蘋果已經注意到這個現象，找上許多合作夥伴，要解決電子病歷問題，並把電子病歷掌控權放在病人手中。
1. AI 成為一種「醫療設備」
美國 FDA 開始陸續通過 AI 軟體的影像診斷許可。今年 4 月，FDA 認證 AI 軟體可以在沒有專家協助提供意見的情況下，單獨判斷病患是否罹患糖尿病導致的視網膜病變問題。這套 IDX-DR 軟體能辨識出 87.4% 的嚴重糖尿病視網膜病變。
新創公司 Viz.ai 也被許可分析和辨識潛在中風機率。通過 FDA 審核後，這間新創募資了 2,100 萬美元 A 輪資金，投資人包含了 Google Ventures；GE 奇異支持的新創 Arterys 在去年通過 FDA 審核，能用雲端 AI 平台分析心臟影像。今年則通過用 AI 判斷肝臟和肺部損害分佈狀況來診斷癌症。
AI 診斷快速通過官方許可，帶來不少商機。2013 年起，有高達 70 間 AI 醫療影像和診斷公司成功募資，件數超過 119 件。
2. 挖掘非典型的風險因素
用神經網路來分析視網膜影像和聲音波紋，有可能有潛力能幫助判斷心臟病的風險。
Google 去年在 Nature 期刊發表論文，能透過神經網路學習辨識視網膜影響，用以找出心血管的潛在風險。這篇研究指出，透過視網膜影響，不光是能看出年齡、性別、吸菸等風險因素，甚至還能量化出一些未曾發表過的因素。
另一方面，Mayo Clinic 和一間以色列新創公司 Beyond Verbal 合作，從罹患冠狀動脈疾病的病患身上，找出獨特聲音特徵，發現其中兩項特徵和罹患疾病高度相關。一間新創公司 Cardiogram 甚至表示，他們可以從心跳變化的速度來判斷是否罹患糖尿病，準確率高達 85%。
3. 蘋果公司衝擊臨床實驗
蘋果正在用 iPhone 和 Apple Watch 打造治療研究生態系，而數據將會是 AI 應用的核心。
2015 年起，蘋果發表了兩項開源架構：ResearchKit 和 CareKit，用來幫助臨床試驗招募病患和遠端監控健康變化。這項架構允許研究者和開發者打造醫療 App 觀察這些受試者的每日變化。
像是杜克大學開發了一款結合臉部辨識演算法和 iPhone 前鏡頭的 App，能記錄自閉症孩童的行為。還有一款有上萬人使用的 mPower App。利用手指運動和腳步分析來研究帕金森式症病人，並讓這些檔案能更廣泛地的被研究社群使用。
今年 1 月，蘋果宣佈 iPhone 使用者接下來都可以透過旗下的「健康」App，從他們的合作機構中取得自己的電子病歷，包含過敏等資訊。6 月份，蘋果再發表健康紀錄 API 給開發者，由使用者自主選擇，是否提供個資給第三方應用和醫療單位。
4. 大藥局的 AI 轉型記
傳統大藥商正積極和 AI 新創尋找可能性。
今年 5 月，知名藥廠輝瑞（Pfizer）宣佈和新創公司 XtalPi 合作，後者是一間由騰訊和 Google 支援的 AI 公司，希望能改善小分子藥物的製程，以及開發基於運算而設計出的新藥。
另外，諾華（Novartis）、賽諾菲（Sanofi）和默克等大藥廠也紛紛和 AI 新創公司合作，希望能開發出治療腫瘤和心臟病的新藥。雖然很多 AI 新創公司都還在早期階段，但這些大藥商還是希望能賭一把，透過演算法來開發新的製程和藥物。
5. AI 需要醫生
AI 公司需要醫療專家「詮釋」影像，教會演算法如何判斷異常。
Google 旗下 Deepmind 公司在兩年前開始和眼科醫院合作，有高達 94% 準確率，能判斷近 50 種眼部疾病。而這還只是第一階段的成果。Deepmind 投入大量時間標籤化和整理視網膜光學斷層掃瞄（OCT）檔案，他們將約 14,884 張斷層提供給眼科醫師和驗光師，進行初步判斷。
對美國來說，讓高薪醫師只做這些事，顯然不划算，但美國國家衛生研究院（NIH）正在幫忙做這件事。今年 7 月，他們釋出來自超過 4,400 名病患的 3 萬 2 千張斷層掃瞄，而這些病患的損傷部位，都已經由放射師判斷過。NIH 表示，這是目前最大量的檔案釋出。
另外，奇異公司和西門子也正在進行大規模的醫療檔案計畫。奇異在今年 5 月拿到一項專利，能運用機器學習分析顯微鏡下的細胞種類。
6. 中國 AI 醫療發展越來越好
今年 1 月，中國在 AI 醫療新創募資案的數量正式超越英國，成為全球第二高的國家。加上中國政府去年喊出，要在 2030 年成為 AI 研究領域的領導者，讓被列出計畫的「醫療」發展前途看好。
像是科技巨頭阿里巴巴、騰訊都對健康領域伸出橄欖枝，尤其是中國近 3.8 萬間醫療機構都有微信帳號，其中六成讓使用者可以直接掛號、兩千家接受微信支付，被外界看好能打入醫療市場。
不過，中國和美國都有「醫療建檔」的問題，為瞭解決這個現象，中國政府已經著手建立好幾個區域醫學中心，統一病患數據。
「台灣醫院的資訊整合能力，還是比較領先，」大仁集團總經理張文信認為，雖然在資本支出和市場商機不如對岸，但健保資料庫的數據、醫師素質和資訊整合能力，都會是台灣醫療機構能夠輸出、領先的關鍵優勢。
7. DIY 在家診斷興起
AI 讓智慧型手機和穿戴式裝置變成強大的在家診斷工具。
新創公司 Healthy.io 宣稱，他們讓尿液分析跟自拍一樣簡單。他們的第一項產品：Dip.io，可用傳統的驗尿試紙來判斷是否有尿液感染。藉由智慧型手機的鏡頭，演算法會以不同光線的情況來解讀試紙，目前已經在歐洲和以色列販售，最近也被 FDA 核可。
另外，SkinVision 則強調，他們可讓智慧型手機觀測皮膚狀況，判斷是否罹患皮膚癌。
8. AI 幫忙省成本、增加醫療機構品質
醫療機構最重要的價值，應該是以「病人」為核心，不過這些經營者的想法，往往是希望能用「最低成本提供最好服務」。AI 新創 Qventus 宣稱，他們的演算法會比對醫師面對相同疾病時的處方和處置，透過和醫院合作，成功降低了 40% 的不必要花費。
▲ 透過 Facebook Messnger 開啟對話，這類型的心理諮商聊天機器人會先說明「隱私權」，並強調若有強烈負面情緒和緊急情況，一定要聯絡相關單位。（Source：CB Insights）
9. AI 聊天機器人能代替心理諮商嗎？
心理諮商的費用相當高，因此有新創團隊思考用 AI 聊天機器人，改變民眾的負面想法和行為，包含情緒追蹤和數位健康日誌等，專注在認知行為療法領域。
例如這間 Woebot 新創，已募資 800 萬美元。表示並非要取代傳統療法或人際互動；Wyse 募資 170 萬美元，已經在 iTunes 上推出能舒緩焦慮和沮喪的聊天機器人；X2AI 則表示，目前有高達 400 萬付費用戶和他們的聊天機器人對話。
不過也有專家批評，「AI 對於心理學一無所知，就像笨學者一樣。」儘管 AI 在製藥、診斷、研發等領域都有所進展，但想「瞭解人心」，對於目前的人工智慧進展來說，或許還有一段長路得走。
