k谷歌健康「分拆」内幕：憋屈的CEO、傲慢的Jeff Dean、狂热的AI信徒( 三 ) ai|karen

文章插图

Jeff Dean
第二，有一家美国医院和谷歌谈过医疗方面的合作，当时是和谷歌的另外一个团队。但是谷歌健康知道后，派了两个人过来插手。谈合作的过程自然不愉快，Google基本关心的是医院可以有多少数据可以提供给他们，而不是和医生合作解决诉求。临走时这位Jeff Dean的手下语气也颇为傲慢：你们要不要吃一点谷歌的零食再走？
“他们有一种天生的优越感，一众人听到这语气后，觉得好像我们很穷，零食都吃不起。对我们尚且这样，更何况是他们的内部医学同事。”
在顾言看来，Greg Corrado和Jeff Dean等人对医生的态度，传染给了谷歌健康里的不少技术人员，形成了一种共有的傲慢工程师文化。
同样，他们也受到了自己的AI信仰——Hinton的影响。

文章插图

Goeffery Hinton
2012年，“神经网络之父”Hinton和他的团队，参加了那一年的ImageNet ILSVRC 挑战赛，以惊人的优势获胜（错误率比第二名低了足足 10%），从而引发了一轮AI产业大爆炸。
2013年3月，公司被收购后， Hinton随即加入谷歌。
在他的带领下，谷歌的图像识别和安卓系统音频识别的性能得到大幅度提升。Hinton将神经网络带入到研究与应用的热潮，把“深度学习”从一个边缘课题变成了谷歌等互联网巨头仰赖的核心技术。
在谷歌内部，工程师们将Hinton奉若神明。有人向雷锋网坦言，“他们对Hinton极度信任，Hinton说的话就像圣旨一样。”
所以，当Hinton说出那句著名的“5年内深度学习就能超过放射科医生，从现在起就停止培训放射科医生”时，就彻底让Google的IT人站在了医生的对立面。
在很多圈内人看来，Hinton没什么坏心思，只不过他身上有种特有的偏激与固执，外加其他因素让他说出了这句话。
“Hinton有家人曾被误诊去世后，这对于当时春风得意、要什么有什么的他来说，不理解为什么会有误诊这件事。想到用AI来看病，也是一件很自然的事情。Hinton在各种AI竞赛上的成功，也正是他们‘只可以’在竞赛上成功。这些人做不好医疗的原因，在于他们不见得是一个复杂领域的problem solver（解决问题的人）——他们可以有很好的理论方法，但是却难以应用在复杂多变的工程环境中。”
“深度学习三驾马车”的Yann LeCun也是如此。
“当年，Yann LeCun解决了ATM支票识别的问题，但是后面再也没有非常震撼的工程成果。这也是他的论文被CVPR这些以解决问题为核心的顶会拒绝的原因。”
在谷歌这样的氛围下，愿意合作的医生，也不会是最顶尖的医生。而“工程师文化”驱动下的谷歌健康团队，因为缺乏和医生平等对话的心态，难以拿出亮眼的成果。
相反，谷歌的另一只团队——DeepMind与生物、医学专家合作很多，姿态谦逊，技术水平一直“在线”。因此，去年做出来的蛋白质结构预测成果，也是震惊世人。
实际上，在美国的培养体制下，医生绝对是最优秀的那一批人：一个医学博士毕业后，需要有医院接收做实习医生，否则就没有出路。在此之后，还有一系列严苛的考验。
所以，美国的医生基本上要到35-40岁才能有行医执照。
而且，比起AI人，医生更是“通才”。在正式学医之前，他们需要学习物理、天文、计算机等一系列的业外课程。因此，很多医生甚至可以独立写一些程序，进行简单的数据分析。
例如谷歌健康团队里著名的Lily Peng，这位产品经理参与了多个谷歌的医疗AI项目（糖网、皮肤病、前列腺癌），拥有斯坦福大学化学工程学士学位和加州大学旧金山分校生物工程MD、PhD学位。