失忆（第2页）

保险公司要是知道，为自己双手买下天价保险的钢琴师背地里竟然在玩菜刀，怕不是要当场吐血。

最后叶眠还是放弃了使用刀具，在小步的指导下，成功烤出了一堆黑漆麻乌的曲奇。

叶眠：“怎么样？”

小步违心道：“很好。”

说完，家居机器人开始收拾桌子、清理烤箱以及拖地，鞠躬尽瘁的同时也为自己掬了一把辛酸泪。

叶眠把曲奇装进罐子里，信心满满地前往她给老婆买的那套小别墅。

*

程数将定位发给白彤之后，就发现两个娃看她的眼神很微妙。

“妈妈是不是电视剧看多了。”年年担忧道。

程数不知道怎么跟孩子们解释，她也不清楚现在小孩的接受能力大概是多少，所以只好转移话题：“年年，你手腕上这个手环是类似于电话手表的东西吗？”

这么长的一段话，年年理解起来还有点困难，她疑惑地望向姐姐。

叶橙安——也就是年年的姐姐，接过话头：“妈妈，你今天真的很奇怪。”

程数暗道不好，多说多错，早知道她就一直装死好了。

叶橙安继续说：“手环是姑姑送给我们的，姑姑还说妈妈你是研发这款手环的负责人之一。”

程数讪讪道：“我单纯想考考你们。”

这句话说完，程数就琢磨出了点不对劲，不是“带球跑”的情节吗？怎么现在还会跟“姑姑”扯上关系？

小朋友心思没有弯弯绕，叶橙安思考了一会，把手环摘下来递给了程数，并介绍道：“可以打电话，但是还有很多其他功能。”

程数接过手环，开机后，狭小的屏幕上自动浮现鹏跃的logo。

至于用途，比起电话手表，这更像是十年前的运动手环。有测心率、血压、睡眠质量各种生理指标的功能，也有定位、紧急通话这种针对儿童的功能。

简单看了两眼，程数就了解了个大概，这款手环和十年前最大的不同就是——集成了AI辅助诊断系统，收集的所有生理信号都作为输入，通过多模态算法得出人体的健康检测报告。

AIforScience，多学科交叉在十年前就已经是大趋势，现在融合紧密也是意料之中。

虽然程数并不了解如今科技的发展水平，但是她知道过去AI+医疗的最大阻碍在于深度学习作为黑盒系统并不具有很好的可解释性。包括极大似然估计这种由果推因的参数估计法，本身就和医学上“由因及果”先找到病因再对症下药的治疗方式相悖。

而且AI依靠数据驱动，医学数据则采集不易且成本高昂，数据集小的情况下AI模型很容易产生带有“偏见”的判断。

举个例子，比如某图像生成器。用户输入文字描述后，AI就可以自动生成动漫人物的画像。如果输入“二次元女同”这样的描述，最后输出的大概率是“黑发紫瞳”的形象。

这当然不是因为所有的“二次元女同”都是“黑发紫瞳”。而是因为用来训练这款图像生成器的数据集太小，仅仅来源于《魔法少女小圆》的晓美焰和《Citrus》的芽衣。

这款图像生成器的“偏见”可以很容易分辨出来，是训练集在“性向”上的样本差异。而医学图像处理的“偏见”可没有这么好分辨，一张复杂的CT或者MRI影像，谁也不知道AI算法处理完之后会携带什么样的“偏见”。

所以AI并不“可信”。

怎么让医生和病人信任人工智能做出的决策，无论何时都是问题的关键。毕竟医疗AI不是AlphaGo，后者下棋输了就输了，前者诊断失误那将面临极大的道德谴责和法律风险。

医疗AI现如今是可以独立诊断还是仍

处于“助手”地位，程数并不清楚。

“妈妈，我能问你一个问题吗？”

程数的思路被小女孩的声音打断了。

“可以的。”程数应声，顺势把手环重新戴到叶橙安的手腕上。