20121220 - 【评】_对于机器人写作，俺觉得本文的作者过于乐观了。_现在是信息爆炸时代， - GooglePlus

【评】

对于机器人写作，俺觉得本文的作者过于乐观了。

现在是信息爆炸时代，只有最优秀的文章才能获得成功，而电脑写出的三流作品只会让人厌倦。

但对于药剂师，俺觉得确实会受电脑冲击。职位需求将持续下降。

本帖是上一篇帖子的续作。 

https://plus.google.com/u/0/106355590086237816250/posts/ZooXvPQygQ5

【转】

机器人会偷走你的饭碗吗——医生篇

巴氏涂片（Pap smear，又称宫颈涂片）是迄今开发的最有效的癌症筛查测试。20世纪40年代这一技术引入之初，美国每年死于宫颈癌的女性可达2.6万人。因为现代制备方法不再需要进行涂片实验，该技术如今又被称为巴氏检查。这样的检查在美国每年约进行5500万次，全世界每年约1.2亿次。这项在全世界广为推行的常规性测试效果显著：现在美国每年死于宫颈癌的女性已减少到5000人以下。考虑到20世纪40年代以来的人口增长，巴氏检查使得宫颈癌死亡率降低了90%还多。

巴氏检查不仅使女性受益，对医生和诊断实验室来说也是一笔好买卖——在美国这个产业价值近5亿美元。那些检查巴氏载片的技术人员和医生就像是医学界的运输安全局（TSA）的特工：他们整日都在检查成沓的载片，搜索那些细微的、罕见的疾病视觉线索：医生首先从某个女子的子宫颈内采集到细胞样本；将细胞置于培养液中，加入实验室试剂，在离心作用下细胞与血液以及其他生物物质发生分离，然后沉淀在载片上。宫颈细胞先由细胞化验员进行检查——这些化验员是接受过特定类型的医学载片分析培训的专业人员。发现病变的载片随后交由负责诊断的病理学家进行筛查。由于绝大多数接受巴氏检查的女性是健康的，通常一个实验室中90%左右的载片是完全正常的。整个流程的成本约为25-100美元，具体取决于实验室的效率。

最近十年，已有机器人开始进行这项工作。20世纪90年代，北卡罗来纳州的TriPath Imaging公司着手开发巴氏载片自动筛查系统。这家公司后来被医疗技术公司BD收购。BD最新推出的巴氏筛查器——BD FocalPoint GS成像系统，可谓是医疗工程的一个奇迹。其影像搜索软件对载片进行快速扫描，可搜索的可见异常细胞种类超过100种。之后，系统将载片按患病可能性排序，并将每个载片界定为十个区域，以便专业人员仔细检查。临床上，研究人员发现使用BD FocalPoint的实验室能捕捉到更多的癌症及癌前病变。（有研究表明，不使用机器人的医生和技术人员可以检测出79.2%的异常载片；使用机器人后，这个数字将提高到85.8%。）同时，FocalPoint还能加快速度、提高效率。全人工作业下，每位细胞化验员每天能分析80到90个载片（有条例规定每天不得超过100个）。而使用FocalPoint后，每位检查人员每天可检查170个载片。

BD FocalPoint代表了医疗革命的先锋力量：计算机辅助疾病诊断。除巴氏检查外，如今计算机还常常被放射医师用来分析乳房X光片。而一系列类似的技术将颠覆病理学家及放射科医师对其他许多疾病的筛查方式。目前，此类设备已成功应用于检测结肠、胸部、冠状动脉影像的异常，用不了多久，它们还可能协助医生分析前列腺和乳腺活检结果。

医生是否也该像药剂师一样，担心计算机会和他们抢工作？我采访的放射科医师和病理学家指出，很多计算机辅助诊断技术仍处于概念阶段；要想进入实际应用还得再修炼几年。FocalPoint以及乳房X光片分析设备R2 ImageChecker CAD的制造者强调，这两项技术都还需要人来监控——事实上，作出最终诊断的总是人类，机器只是协助人类完成这一任务。

R2 ImageChecker CAD对乳房X光片可疑部位进行精确定位
然而，医生的生计的确将会受到这些新设备的影响。随着计算机的日趋完善，众多专业领域中，对人力的需求越来越少。拿乳房X光片来说：放射科医师用来提高乳腺癌诊断效率的主要途径之一就是“双人判读”，即两个放射科医师独立检查同一组乳房X光片，这样癌症的检出数目会大大增加。然而2008年公布的一项研究表明，使用ImageChecker的医师可以省去第二名医师判读：计算机与人的协作完全不亚于两个人之间的配合。

倍感压力的不只医学诊断这一个领域。机器人手术也正悄然兴起；大多数大医院，以及一些小医院，都已配备大型多臂设备，帮助医生实施更精确的微创手术。此外，外科医生在机器人的帮助下不仅提高了效率，还能进行远程作业——大城市里一家医院的外科医生可对整个地区各卫星医院的患者实施手术。这样一来，外科医生将面临和药剂师一样的命运——药剂师可以借助电子药剂学系统工作，而外科医生也能一个顶仨。

医疗机器人的兴起使我个人也陷入了危机：我的妻子是位药理学家。她经过多年的辛苦培训，层层过关，令我们一家过上了幸福的生活。如我讲过的药剂师行业，我的妻子和她的同事们认识到计算机已经侵入他们的行业，但他们仍表示工作中很多方面无法自动化。从某种意义上说，他们是对的；一些医疗技术专家对我说，短期之内不会出现完全自动化的医疗设备。BD FocalPoint和R2 ImageChecker等系统一直都将需要人类医生的监控。

但这并不能保证医生就可以高枕无忧了。其背后的经济学意义是显而易见的。在机器人的帮助下，医生的效率更高，每个人的工作量会减少，工资也会降低。你可能不会猜到谁会是自动化的首选目标：答案是我妻子这样的专业人员——医学界中训练有素的高收入人群，而恰恰因此，使他们的处境岌岌可危。
一般来说，专业人员只专注于医学上某个很窄的领域。他们每天都在研究同一个身体部位，越是专业的医生越集中于那么一两种操作流程。而机器人就是绝佳的专业工作者。它们擅长重复做一件事情，而且一旦专注于一点，便可达到几乎完美的地步。有朝一日，它们将不再需要人们的监督，这一天可能比我们想象的来得更快。

这给人们——不只是医学界——传达了一个讯息：如果你现在单攻一点——尤其是这方面还挺能赚钱，那你可要在办公室门口放上个“欢迎机器人！”的垫子了。它们正向你逼近。

*

如果医学领域最岌岌可危的是那些职能最专门化的工作，那么最安如磐石的自然要数那些职能多元化的工作。那么，哪些医生是“万金油”呢？西雅图郊区的家庭医生莎拉·克莱默（Sarah Kramer）说：“我们总喜欢说我们能照顾到80%患者的80%的问题。”

我就机器人将如何接管高技术工作的问题调查了一些家庭医生，就反馈结果而言，大家同克莱默的情况大致相同。克莱默行医20多年，每天接待患者数量20多人。每天病人预约的时间有长有短——最短的时候只要10分钟，不过偶尔需要动个小手术，就得用上一个来小时了。患者的病情也是各种各样。“不管你得了鼻窦炎，扭伤了脚，或者一点毛病没有只是做个工作体检，又或者要出国旅行需要注射疫苗，这些我都会。”克莱默说。

然而科技改变了她的行医方式。现在克莱默大部分的患者在来看病之前都会先在网上咨询，他们通常会对困扰他们的病情有所了解。但网络并没有取代克莱默的位置，而是加深了她与患者间的交流。当她去为高胆固醇患者看病时，患者往往已经知道自己应该改变饮食习惯，并且加强锻炼。“但是我经常得帮助他们树立一个康复目标，”克莱默说。“我会说，‘我得告诉你这的确是一个好主意，但据我们所知，有数据显示，如果你再吃些药效果会更好。’”

现在有许多辅助诊断的软件包，像克莱默这样的医生可以利用这些软件找出患者病因，未来这些系统会在社区医疗中扮演更加重要的角色。IBM计划把其在美国老牌智力问答节目《危险边缘》（Jeopardy）中获胜的沃森（Watson）计算机上的技术，应用于搜索全世界的医学教科书和参考指南，以找到症状间的联系。医生只要在沃森计算机中输入症状便可得到一份可能疾病的排行清单。
但机器人无法替代克莱默最重要的技能——通过交谈便可得知患者病情。这些个人谈话很难被计算机模拟。而且不像病人向药剂师咨询那样，如果远程进行很可能就没有效果。这是因为它们需要依靠克莱默的能力去解读患者的肢体语言，了解他的情感状态，确定如何解释能使患者明白他的病情，并找出他生活中影响其治疗的其他因素。“人是复杂的，”克莱默说。“你的一个病人也许不仅得了糖尿病——他有糖尿病，而且还刚刚离了婚，想要重新开始一段恋情，可又担心性传播疾病。”世上没有一个机器人知道如何治疗这种病人——尤其是考虑到病人经常撒谎，误导你，漏掉一些事情，还顽固得令人抓狂。

现在，连社区保健医生都已经掌握了许多类似技能。在那些和病人交谈，而不是简单地执行某些医疗程序的医生身上，你会发现医学界有那么一个领域对机器人来袭还是比较有免疫力的。然而讽刺的是，那些按流程办事的医生往往薪水最高，比如特专业的外科医生。使克莱默成为优秀社区保健医生的技能，尽管机器人无法比拟，却不能使克莱默得到很好的报酬。（社区保健医生一般平均收入$163,000左右，而一些外科医生收入是其四、五倍。）

这个收入差距导致了全国范围内的社区保健医生的短缺，因为许多学生都选择了薪酬高的专业。机器人技术很可能会改变这一现象；如果机器开始降低对专科医生的需求，从而导致其薪水的减少，也许社区保健会看起来更吸引人。有证据显示这会对患者和医疗系统的完善有好处。2008年一项由美国医师协会（American College of Physicians）发起的研究表明经常看社区医生的患者能得到更好的预防性治疗，从而减少了跑急诊室的机会，大大降低了死亡率。换句话说，借助机器人，我们能挽救更多的生命。

当然，这种趋势对于像我妻子这种专科医生来说很糟糕。但下篇文章中我还会提到令人担心的另一个问题：机器人也跑来抢我的“饭碗”了。

http://select.yeeyan.org/view/231604/337388

机器人会偷走你的饭碗吗——写作篇

我叫同事克里斯·威尔森（Chris Wilson）造一个机器人版的詹森·科特克（Jason Kottke）出来，因为真人版看起来时不时需要休息一下。科特克在1998年开通了他的同名博客，当时博客才刚刚兴起。网络世界从那以来发生了巨大的变化，不过Kottke.org网站一直保持着活力。我喜欢这个网站的一个原因是我和科特克有许多共同爱好：科学、技术、迈克尔·路易斯（Michael Lewis）、字体设计、《纽约客》、大卫·福斯特·华莱士（David Foster Wallace）、《监听风云》（The Wire），还有朝鲜。然而很多博客上都有这些东西。科特克的天才之处在于他能发现其他人没发现的链接。每天我都会在Twitter、Facebook、邮件以及成打成打的博客中看到成百上千的链接。但科特克每天上传的五六个链接里，总有那么两三个是我根本没见过的，而几乎每个链接都会把我带到网络中某个令人惊叹的角落。

网络上曾经有许多像科特克一样博主。在博客盛行时，20世纪90年代后期至2006年前后，像科特克这种“链接博客”的形式是主流。诸如约翰·巴格的“机器人智慧”（John Barger's Robot Wisdom）之类的博客对读者来说很有用——网络上每天都有新东西，而你进入一个链接博客就能找到最好的，那就让博主好好展现他们对于网络娴熟的挖掘能力吧。

现在也还有几个人气很旺的链接博客：Boing Boing（主要跟踪互联网的各类网页，并在网页上贴出有趣的网站链接，供读者点击接入），Daring Fire （知名博客）和The Drudge Report（一家新闻集合网站）是公认的典范。但这种网站形式正在走下坡路。比如，巴格现在就不写博客了，他转去写微博，并且利用他的RSS阅读器分享链接。诸如Reddit、Digg、Hacker News等网站都允许读者上传链接，并且通过投票来进行排行。如需其它服务，就像是查找博客、Twitter和Facebook上发布的最流行的东西，加比·里维拉（Gabe Riveraa）的 Techmeme、Memeorandum和Mediagazer等网站都能提供。一天好几次我都收到Summify发来的邮件，这是一项很棒的服务，它会将Twitter上我关注的人分享最多的链接发给我。科特克现在博文更新得少了，他把更多的时间花在建立名为“Stellar”的链接收集服务器上，这将带给你Twitter、Flickr、You Tube和Vimeo上人们最喜欢的东西。

为什么这些新的运作系统取代了科特克一类的博客？原因很明显。手工版链接博客取决于一个，或者几个人给无穷无尽的新信息分类的能力。“总有那么些天，你真的不想干了，”科特克说。“每天都要看那么多东西，基本上都差不多——要不都一样有趣，要不都一样无聊。很难保持那种发掘的劲头，几乎找不到你从没见过的东西。从开始算起，我已经上传了1.5万，可能2万条链接。我一直在不断缩小那些新鲜而有趣的内容的范围。”

用计算机技术术语来说，科特克的博客不可扩展，没有上规模。这有点惭愧。收集网络热文的服务系统很是有用，但它们缺乏编辑性。Techmeme和Summify所罗列的链接仅代表网络中一大群人的信息偏好。而科特克的博客内容却是一个人不可不看的。网络上应兼具这两种类型的链接整合，但我还是希望看到更多人开通精心编辑的、条理清晰的链接博客。问题在于，这么难做的一件事情，怎么才能做大呢？

机器特克（Robbotke）应运而生。最近几周，克里斯·威尔逊（Chris Wilson）一直在构造一个用于自动发布链接的机器，这些链接很可能会出现在Kottke.org上。机器特克并不是来取代真科特克的；我们只是想得到詹森·科特克每天可能会上传的链接。

你可以点这儿体验下机器特克。它是怎么工作的呢？我们先是一点点地扒詹森·科特克每天可能看的资源——所有他发布过的链接的来源网站，以及他在Twitter上关注的每一个人的分享。难度最大的是从机器特克所收集的内容中选出最好的、最符合科特克风格的链接。好在真人科特克对其发布的内容做了精心分类，标注了关键词，这对我们很有帮助。每当机器特克找到一个链接，它会根据它所知道的科特克喜欢的话题进行搜索——找到的越多，文章的排名就越靠前。

搜索结果喜人：就在我写这些内容的这会儿，机器特克上排在首位的是一段科学探秘的视频，讲的是自行车如何在行进过程中，即使无人驾驶也可以保持平衡。机器特克有时也会严重跑题：今天机器特克推荐的链接还包括2010年的《华盛顿邮报》有关伊拉克战争花销的专栏（对于科特克来说太陈旧、太过于政治化），迈克尔·摩尔（Michael Moore）的访谈（也过于政治化），以及犬儒-C（Cynical-C）博客的流量（噢，这完全违背了我的初衷）。

我的结论是：机器特克远非完美，但也可圈可点。再努把力，多来点人工智能的专业知识，我相信机器特克胜出的机会还是挺多的。

当问及詹森·科特克的看法时，他回答地很巧妙。“嗯，”他停顿了几秒钟，说，“我觉得有些还不错，有些就差了点。最大的问题在于链接并不是最最必要的因素。人们跟我说，他们喜欢我的网站是冲着我对于这些链接的评论——怎样呈现这些链接，用什么方式打动人心。机器特克在这点上差很多。”
科特克说得很对。机器特克不会写评论，不会加标题，不会剪辑文中精华。应该说，它“目前“还不会做这些。我们需要大家的帮助来完善机器特克。如果你精通编码并对人工智能和媒体感兴趣，请联系*克里斯·威尔森（Chris Wilson），帮我们看看机器特克的源程序吧。（注：源代码用的是Python）（*原文有链接）

我们需要大家的帮助。因为真人科特克发文越来越慢了。“我之所以开始建立Stellar，是因为上传博文基本上透支了我所有精力，”他说。2006和2007年间，几乎所有醒着的时候，他都在上网搜链接，常常弄得灰心丧气。“后来，大概六到八个月的样子，我的工作效率突然提高了，”科特克说。他把这归因于经验——“我累计搜索时间大概有1万小时”，以及新型工具——比如Twitter。“我发现可以用更少的时间更新网页——现在每天我只花几个小时在Kottke.org网站上，”他说。“现在内容少了，每个链接下我所写的东西也少了，而且我也不再像以前那样对一些有趣的内容进行深度研究了。”

当我问他是否计划关闭Kottke.org网站时，他含糊其词。“我可能不会再把网站当做全职工作来做，但我不会停止发博文，”他说。“我要对网站读者负责，而且写博客也是我喜欢做的事，只是不再喜欢整天泡在博客上。”
那么，机器特克的优点恰恰在于：它不知疲倦。

*

在本系列中，我一直都在关注能够代替人类进行高技能作业的机器。我谈到了我父亲的职业——药剂师，还有我妻子的医学专业——病理学。现在是时候好好照照镜子面对现实了。作为一个作家，我喜欢把自己的这种写作能力看作人类的独门绝技。我有自己的专栏，写些读者关心的事，我试图用文字激发人们的情感，或高兴，或惊讶，或愤怒。机器现在还不能完成这么有创造性的工作。但随着我对自动化新闻报道的深入探索，以及我们在机器特克上的收获，我发现我的工作对机器人来说好像也不是不可能完成的任务。

每个工作日的上午我都在重复同样的事情。首先，登录六七个科技新闻网站，打开几十篇文章。我会迅速地浏览每篇文章的标题，看一看内容，然后脑子里开始想：“它够不够有趣？如果不够，跳过”。遇到吸引我的内容时，又在头脑中进行另一番斗争：“我能够找到个独特的视角么？会有读者关心这个问题么？”这些程序是无意识的，有时也未必是按部就班的。我常常会被邮件或者电话打断。如果头一天整晚都在照顾小宝宝，我可能也就在Facebook上打发打发时间，而不是专心找可以写的题材。看吧，这就是人的弱点。假如我是个机器人，我将一丝不苟地遵循指令，说不定还能写出更好的文章来。

这也是如今自动化新闻报道的理论依据：不管我们承认与否，很多撰稿人在工作时，或多或少的都循着同样的步子。我们是怎样写出一篇通讯社新闻的？最重要的信息打头阵——陪审团发现什么证据啦，谁被杀啦，哪个队赢啦；接下来谈谈细节。甚至连品味较高的文章也有自己的结构框架。前《纽约客》撰稿人丹·鲍姆（Dan Baum）曾透露这本知名杂志的编辑给他的一点建议："你想用什么叙述方式都可以，但是你要知道，当我拿到你的稿子，还是会把它们打乱然后重新按时间顺序排列。"所以，《纽约客》文章的模板是：1）描述先发生了什么事；2）描述接下来发生了什么事；3）如果还没讲完，重复步骤2）；如果讲完了，文章到此结束。

目前而言，没有哪台计算机能写出符合《纽约客》水平的文章。但机器能为人们做很多生搬硬套的琐事。来看看网站FriscoFan.com上的一则简报吧，每次旧金山巨人队（San Francisco Giants）有比赛，这个网站都会报道。

巨人队3-1横扫洛基队

瑞恩·沃格松（Ryan Vogelsong）七局里面表现完美，第三局迈克·方特诺特（Mike Fontenot）全取三分，确定了巨人队的领先地位，旧金山3-1轻取科罗拉多。

第三局接近尾声时双方还是没有任何得分，之后方特诺特接到对方先发投手朱莱斯·夏辛（Jhoulys Chacin）来球，打出一记全垒打，使得安德斯·托瑞斯（Andres Torres）和沃格松（Vogelsong）跑垒得分，巨人队抓住机会掌握了比赛局势。

一次高水平比赛后，本年度沃格松投球成功率提高到13-7。比赛中他四次安打均未失分，四次三振，无保送上垒。剩下2/3的比赛圣地亚哥·卡西拉（Santiago Casilla）都在尝试补救，那是他那次赛季第六次这么做了，最后巨人队无安打无上垒，一人出局，无人保送。夏辛落后（11-14），八次击打中丢失了两次得分机会，三次三振，七局内无人上垒。

这篇新闻是由计算机编写的。其实在FriscoFan网站上的所有文章都是机器完成的。网站的创建公司是Automated Insights（前身为StatSheet，一家专门从事运动比赛数据统计服务的厂商，成立于2007年11月），公司旗下有将近400个FriscoFan这样的网站，每一个都专门报道美国职业棒球联盟（MLB）的比赛和美国大学体育总会（NCAA）篮球队的新闻。Automated Inshights生成文章的过程和人写稿子是一样的。先浏览所有数据。然后选择一个比较合适的口吻来描述——譬如，一个家乡球迷寄予厚望的球员或球队输了比赛，“作者”的文字读起来也会垂头丧气。接下来，计算机会根据比分查阅一个巨大的词组数据库，寻找合适的语言来编写这篇文章。如果某个球队轻松击败了对手，你就会看到类似“巨人队横扫洛基队”这样的标题。

Automated Insights的文章虽然几乎没有独创性可言，但也并没有很明显的机器痕迹。（我曾看过很多人写的文章，还没这机器写的连贯呢。）而机器作文的廉价和省时也弥补了它在独创性上的缺陷。公司的创建者兼执行总裁罗宾·艾伦（Robbie Allen）雇了几个写作好手，他们的工作就是每天绞尽脑汁想那些诸如“top-notch outing（高水平比赛）”的词，然后把它们放进数据库里。通过自动化，艾伦可以把这些人的努力转化成数目可观的文章。“去年大学篮球季期间，我们推出了64,000篇文章，”艾伦说：“我算过，这相当于一百个作者每天写四篇。”

Automated Insights想做的不只是用机器取代人类写作，而是超越人类。因为体育新闻撰稿人的要价都很高，你永远不可能雇一个人跟踪报道某个没多少人关注的小队。然而Automated Insights可以做到跟进每一个球队。下半年它还会扩展其他业务——公司刚刚得到一大笔专用资金——到时，它还能报道每家公司的股市波动，或报道美国每个小镇的所有天气变化。公司的主要竞争对手Narrative Science也有同样的远大抱负。

然而现在艾伦的策略还欠缺一点：创造性。尽管我承认我的工作有程序可循，不过我的专栏也有很多计算机无法掌握的元素——比如令人眼前一亮的文字游戏，难以抗拒的论据，还有针锋相对的措辞。今年我在《Slate》上的两篇最受欢迎的文章灵感都并非来自枯燥的网络搜索，它们是在无意之间闪现在我的脑海里的——其中一篇是抱怨人们总是错误地在句号后面用了两个空格，另外一篇痛斥势利小人把信息泄露给国家公共电台。（这种灵感每星期在我洗澡的时候至少有那么一次。）

计算机能想出这样的话题么？目前还不行。如果我们要把人类的创造力定义为某种娱乐别人的能力，机器似乎还不适合完成这项任务——因为计算机最擅长的就是复制，而不是创造全新的东西。软件可以把“top-notch outing”这样的词用到文章中，但是它不可能因为觉得“top-notch outing”这种说法很无趣而用另外的词代替它。

在我咨询过的计算机和语言专家中，没人能告诉我如何让计算机发展实现从模仿到创新的飞跃。但是他们都指出最近计算机发展在这方面有所进步。谷歌的一个团队正在尝试教计算机翻译诗歌——即便对人类来说也是个难题，目前实验已取得了一些进展。同时，华盛顿大学的研究员克洛伊·基顿（Chloe Kiddon）和尤里·布朗（Yuriy Brun）成功教会机器在恰当的时机说出——“她就这么说的！”

看看计算机如今的成果及其发展之迅速，Automated Insights的艾伦如今非常确信，机器发展是不可能停下脚步的。他说：“因为这是算法问题，它只会随着时间的迁移不断进步。未来五年，我们的机器写出的文章会和外面最棒的体育报道一样好。到时候，人类可就没多少优势了。”艾伦的话到底会不会成真，我很难想象。不过话说回来，五年对于计算机来说真的是很长，要跟他打赌可不太明智。

http://select.yeeyan.org/view/231604/337390