欢欣鼓舞

家长们不担心吗以往大学的热门专业如法律，医科，毕业之后的律师和医生将不得不面对AI的激烈竞争。想象一下AI在法庭上慷慨陈词，轻松打赢人类律师的场景，那并不遥远。 家长们需要仔细考虑了，让孩子们读什么专业才可以在AI时代有一技之长

要是真的这么看好，重仓google，nvidia吧。另外我个人认为律师，医生的工作是艺术，机器AI是模仿不来的。

要是真的这么看好，重仓google，nvidia吧。另外我个人认为律师，医生的工作是艺术，机器AI是模仿不来的。

要是真的这么看好，重仓google，nvidia吧。另外我个人认为律师，医生的工作是艺术，机器AI是模仿不来的。

no no现在已经在进行了，AI已经可以对病人进行基本的筛查，初步出检验结果，医生只是做最后的决定。不能说完全取代医生，但是医生数量会减少。不过未来老龄化趋势医生数量本来就会减少，AI暂时只是来适应这个趋势

要是真的这么看好，重仓google，nvidia吧。另外我个人认为律师，医生的工作是艺术，机器AI是模仿不来的。

AI的第一步，却也是最难的一步，是认知。一个常见的AI应用，需要建立一个模型把以往的数据转化为knowledge作为training，然后用另一段数据套用模型作为verification，然后用同一个模型对新的case进行所谓的筛选，预判。这些所有步骤的前提，是认知。 之前很火的alphago，是围棋，让AI认识围棋很简单，模型无非就是一个可能数值为0，1，2的大型矩阵。alphago的突破是在有一个简单的模型下，在有很多possibility的下一步的情况下，如何筛选预判。 作为医疗可不同，这是一个无数因素互相影响的混沌系统。就已简单的感冒的诊断来说。是否发烧，发烧多少度和室内温度，吃过饭没，去诊所的交通方式都有关。是否咳嗽，咳嗽频率，咳嗽力度等级，和病人的年纪性格都有关。是否胸痛，胸疼痛等级，是否头痛，疼痛等级，是否呕吐，频率，固液比例。等等等等。而这些认知都很难量化。简单来说，一个人的症状很难建立一个模型来准确描述。这也是阻止AI在医疗行业发展的最大阻力。我并没有说这不可能，但是这必定需要时间，并且我并没有在任何最新的报道里看到有关混沌系统认知的break through。 就算是那些自称很厉害的自动驾驶系统，8个摄像头组成的认知系统，8张图片够你认知车旁边所有的情况吗。问号。

层主业内人士？

AI的第一步，却也是最难的一步，是认知。一个常见的AI应用，需要建立一个模型把以往的数据转化为knowledge作为training，然后用另一段数据套用模型作为verification，然后用同一个模型对新的case进行所谓的筛选，预判。这些所有步骤的前提，是认知。 之前很火的alphago，是围棋，让AI认识围棋很简单，模型无非就是一个可能数值为0，1，2的大型矩阵。alphago的突破是在有一个简单的模型下，在有很多possibility的下一步的情况下，如何筛选预判。 作为医疗可不同，这是一个无数因素互相影响的混沌系统。就已简单的感冒的诊断来说。是否发烧，发烧多少度和室内温度，吃过饭没，去诊所的交通方式都有关。是否咳嗽，咳嗽频率，咳嗽力度等级，和病人的年纪性格都有关。是否胸痛，胸疼痛等级，是否头痛，疼痛等级，是否呕吐，频率，固液比例。等等等等。而这些认知都很难量化。简单来说，一个人的症状很难建立一个模型来准确描述。这也是阻止AI在医疗行业发展的最大阻力。我并没有说这不可能，但是这必定需要时间，并且我并没有在任何最新的报道里看到有关混沌系统认知的break through。 就算是那些自称很厉害的自动驾驶系统，8个摄像头组成的认知系统，8张图片够你认知车旁边所有的情况吗。问号。

AI的第一步，却也是最难的一步，是认知。一个常见的AI应用，需要建立一个模型把以往的数据转化为knowledge作为training，然后用另一段数据套用模型作为verification，然后用同一个模型对新的case进行所谓的筛选，预判。这些所有步骤的前提，是认知。 之前很火的alphago，是围棋，让AI认识围棋很简单，模型无非就是一个可能数值为0，1，2的大型矩阵。alphago的突破是在有一个简单的模型下，在有很多possibility的下一步的情况下，如何筛选预判。 作为医疗可不同，这是一个无数因素互相影响的混沌系统。就已简单的感冒的诊断来说。是否发烧，发烧多少度和室内温度，吃过饭没，去诊所的交通方式都有关。是否咳嗽，咳嗽频率，咳嗽力度等级，和病人的年纪性格都有关。是否胸痛，胸疼痛等级，是否头痛，疼痛等级，是否呕吐，频率，固液比例。等等等等。而这些认知都很难量化。简单来说，一个人的症状很难建立一个模型来准确描述。这也是阻止AI在医疗行业发展的最大阻力。我并没有说这不可能，但是这必定需要时间，并且我并没有在任何最新的报道里看到有关混沌系统认知的break through。 就算是那些自称很厉害的自动驾驶系统，8个摄像头组成的认知系统，8张图片够你认知车旁边所有的情况吗。问号。

AI的第一步，却也是最难的一步，是认知。一个常见的AI应用，需要建立一个模型把以往的数据转化为knowledge作为training，然后用另一段数据套用模型作为verification，然后用同一个模型对新的case进行所谓的筛选，预判。这些所有步骤的前提，是认知。 之前很火的alphago，是围棋，让AI认识围棋很简单，模型无非就是一个可能数值为0，1，2的大型矩阵。alphago的突破是在有一个简单的模型下，在有很多possibility的下一步的情况下，如何筛选预判。 作为医疗可不同，这是一个无数因素互相影响的混沌系统。就已简单的感冒的诊断来说。是否发烧，发烧多少度和室内温度，吃过饭没，去诊所的交通方式都有关。是否咳嗽，咳嗽频率，咳嗽力度等级，和病人的年纪性格都有关。是否胸痛，胸疼痛等级，是否头痛，疼痛等级，是否呕吐，频率，固液比例。等等等等。而这些认知都很难量化。简单来说，一个人的症状很难建立一个模型来准确描述。这也是阻止AI在医疗行业发展的最大阻力。我并没有说这不可能，但是这必定需要时间，并且我并没有在任何最新的报道里看到有关混沌系统认知的break through。 就算是那些自称很厉害的自动驾驶系统，8个摄像头组成的认知系统，8张图片够你认知车旁边所有的情况吗。问号。