ligence）在各行各业展露头角，不但是下棋、也是物流业、网电业的发展趋势，与此同时也伸入到台湾的医疗业。
台湾的医疗人力时常被形容是严重不足，医疗院所也想方设法以不同的方式来节约人力，例如以自动付费机来取代柜台的收费人员、中央病床监控系统来减少所需的护理人员。
但是医疗院所最需要人力的却是在诊断和治疗上，微软、谷歌等国际科技巨头纷纷投入研究和开发人工智慧，似乎人工智慧未来在医疗行业上将会扮演一定的角色，人工智慧在攸关人命的医疗行业的前途如何？
投身研究发展AI十多年的工程师朱卡通对人工智慧或者是人工智能未来在医疗上扮演的角色，首先说明他将AI的定义范围先限定在未来5年之内“可实践的科技技术”，因为“5年之后的AI技术，也许许多问题的答案将会不一样”。
他说，有了AI可以让在医疗资源不足、偏僻乡村地区的医生拥有“更好的诊断决策能力”。针对摄影之类的医学影像，电脑能够迅速分类出容易诊断的影像或者是需要更具经验的医生来判读的影像，所以能省下大量的人力。
对于这一点，台北长庚医院产科主任萧胜文认为，例如超音波（B超）就可能可以由AI来取代，孕妇在看医生之前就能够实现超音波扫描，方便医生随后的问诊检查，就他的看法包括X光判读、电脑断层、磁共振都可以交由AI代劳，但是最后仍然需要医生的确认。
萧胜文表示，比较“制式”的工作被AI取代的可能性相当大，但是“子宫颈环颈手术之类需要缝合的工作，每个人不一样，AI就没办法作”、不过他介绍说现在已经有AI的仪器可以为病人进行静脉注射，精准度可能比经验少的医疗人员还要高。
而最近相当夯或是说热门的“达文西手臂”（达芬奇手臂）就萧胜文看来，最强的就是“准确”和“稳定”，这是“人没有很好的方法比拟的，但是这个系统的背后还是要有人操作”。
朱卡通则认为，AI能够最终靠云端收集全世界的资料和数据，所以“目前也许未必会比一个很有经验的医生厉害，但是这个系统会不断地慢慢成长，十几年后经过多年的学习可能比任何的医生还要更有经验。”
运算和分类能力能够说是AI的强项，但是朱卡通以自身的例子指出了AI和人为诊断的最大不同之处，他说AI“没有灵感”，而且患者有些时候不会透露自己所有的症状，他说病人在和医生的互动中，可能比较愿意将讯息提供给“对诊断相对有帮助的讯息给人类，而不会给一个电脑系统”。
朱卡通自身的例子来自于他的父亲，他的父亲曾经被查出大肠癌初期，他说“当初如果按照一般流程是不会去化验的”，照他的说法就是医生当时的“灵感”，才会查出问题，而AI是电脑系统，“机器是永远也不会有的”。
但是AI构建模组仰仗的是现有的资料，朱卡通表示“系统是要靠之前的诊断结果来训练，所以当SARS之类的新病状出现的时候，系统就很难辨认出来这是一个全新的病状”。
萧胜文认为“现在的医疗行为许多都是需要经过和患者的沟通、取得同意才能进行，这是AI没办法做到的”，而且“很多有关病症的讯息也都是要通过医生的询问和观察取得，不同的病人询问的问题就不见得会一样，AI在这方面也是没办法取代医生的人为诊断”。
现在的医生除了医疗检查仪器提供的资料之外，在做诊断的时候很大的部分是要靠自己的观察，随着时间而得到经验，萧胜文的看法是起码以目前而言，AI还是没有任何办法取代有经验的医生，不过他同意AI能帮助较为年轻的医生，尤其是在急诊的时候，能够及早处置，而不用等到经验比较老道的医生到常
不过在回答问题的时候，萧胜文一再强调的就是最后还是要“人为的确认”，而这一点也可以从之前研发的自动处方配药系统看出来，系统能按照医生开立的处方抓药，但是到最后还要药剂师的“确认”。
医生也需要时常做研究，以萧胜文为例，到目前还要藉由研究来发展新的技术，可是AI的强项是学习，是否有能力做研究？朱卡通说，“什么都是要学习”、“几百年前的治疗方案对同样的病现在可能会行不通”。
不过要培育一名医生，在台湾就是要7年的时间，毕业之后需要3到5年的时间才能独当一面，萧胜文和朱卡通也都认为未来随着AI技术的发展成熟，可以补足新进医生在经验和知识方面的不足。
AI医疗目前面对的一个很大的问题是价格不便宜，萧胜文说“随市场慢慢的变大，价格也应该会慢慢的便宜”，他以现在相当普及的电脑断层和磁共振为例，十几年前还是昂贵的仪器，但是现在几乎是所有教学医院或者医学中心的必备品。
朱卡通的看法是未来“AI医疗系统可提升偏僻地区医疗的资源，也就是改善资源分配不均”的问题，不过他们也不否认因为AI的价格起码目前来讲很昂贵，所以目前看来因为AI而受惠的是比较富裕的国家。
看来起码在未来几年当中AI大概还不会威胁到医疗人员的地位，但是就像20年前人们看网路一般，谁也不知道后来网路的兴起改变了人们的许多生活小习惯。随着AI的发展，大概也很难预料未来医疗行业的面貌会有咋样的变化？
仍然是大部分资深技术人才转岗的首选目标，在人才最紧缺的前十大职位中，时下最火的大数据、
组织应该将数据作为核心能力来提升业务流程和患者体验。随着计算分析能力的进一步提升，
的一个分支学科，很难将其和大语种英语联系到一起，但是格物斯坦要提醒下：要学好
的挑战和机遇 /
方面的应用一直饱受争议，但随着机器学习技术更加深入的发展，未来医生借助
如何使用Power Design Manager(PDM)进行功耗评估？
【让波形观察变得更简单】示波记录仪触发保存功能教学演示#电子工程师 #硬声新人计划 #我和我的作品
#硬声新人计划 （3）芯片制造 沙子变成芯片之前经历了什么？cr中远亚电子#芯片制造 #电子元器件