谷歌最新开发的AI算法，已经可以预测人的死亡时间。据研究人员表示，预测准确率可高达95%。
一名身患乳腺癌晚期的女士来到一家城市医院，她的肺里已经充满液体。她看了两位医生，还做了一次放射扫描。医院的电脑读取了她的生命体征，估计她在住院期间去世的概率为9.3%。
之后轮到谷歌出场。该公司开发的一种新型算法读取了这位女士的175,639个数据点，然后测算其死亡风险为19.9%。她几天之后便去世了。
今年5月，这位女士的故事被匿名发表在谷歌的一篇研究报告中，希望借此凸显神经网络在医疗行业的潜力——这种技术很擅长使用数据自动学习和提升。谷歌开发了一种工具，可以预测很多病人的结果，包括他们可能的住院时间、再次住院的概率以及短期内死亡的概率。
这就是谷歌人工智能团队正在研发的用于预测病人死亡时间的技术。根据目前的数据结果显示，人工智能预测的时间比医生还要准确。这项技术可以利用之前无法使用的医疗信息，将数据录入系统，人工智能即可对死亡时间，出院时间等做出预测。
谷歌方面表示，“这些模型所有情况下都要比传统的临床预测模型更有效。我们相信这种方法可以为各种临床场景创建提供准确的预测范围。”为了达到目的，人工智能团队记录了近20万份的病例，分析了20多万名患者。
该项研究，着眼于住院患者的一系列临床问题，最近发表在Nature合作期刊（npj） Digital Medicine 上。谷歌将AI技术应用到大量数据上，这些数据来自两个医学中心共216000名患者，他们每人都在医院停留了至少24小时。
研究者在文章中这样解释：”我们想知道在面对范围宽广的临床问题时，深度学习能否提供有效预测。所以，我们在差距很大的临床领域挑选出预测项目，包括一项最重要的临床结果——死亡，一项标准的医疗质量指标——是否再次入院，一项资源利用率指标——住院时长，以及对于患者病情掌握情况的指标——诊断结果。”
这项概念验证研究的结果显示，该算法能准确预测患者的死亡风险、是否会再度入院、是否会延长住院时间,以及患者的出院诊断。
根据该研究，使用加利福尼亚大学旧金山医疗系统的数据所作出的患者死亡预测准确率为95％，使用芝加哥大学医学系统的数据所作出的死亡预测准确率为93％。
此准确率比传统”强化早期预警评分（augmented Early WarningScore）”预测模型的准确率更高。这种传统预测模型，使用了多种因素来帮助医生确定患者病情。根据研究报告，传统方法在加利福尼亚大学旧金山分校的准确率为85％，在芝加哥大学医学系统的准确率为83％。
最令医疗专家印象深刻的在于，谷歌可以筛选之前无法获得的数据：埋藏在PDF文件中的注释或旧资料中的潦草笔记。这个神经网络会获取所有非常规信息，经过分析之后进行预测。不仅如此，它的速度也比目前的技术大幅加快，准确率同样大幅提高。谷歌的系统甚至可以显示具体哪项记录导致其得出现有的结论。
医院、医生和其他医疗服务提供商多年以来都希望更好地利用海量电子病历和其他病人数据。如果能在合适的时间分享和突出更多信息，就有可能拯救更多生命——至少也可以帮助医护人员减少写论文的时间，多投入一些精力来治病救人。但目前用来挖掘医疗数据的方法成本太高，而且非常繁琐耗时。
斯坦福大学副教授、谷歌论文的联合作者尼加姆·沙阿（Nigam Shah）表示，当今的预测模型所花费的时间有多达80%用在了“枯燥的粗活”上。谷歌的方法则避免了这种模式。“完全不必担心这个问题。”沙阿说。
谷歌人工智能主管杰夫·迪恩（Jeff Dean）今年5月表示，谷歌的下一步计划就是将这套预测系统应用到诊所。迪恩负责的医疗研究部门Medical Brain正在开发多款能够预测疾病的人工智能工具。
谷歌内部对该项目也非常振奋。“他们终于发现一种具有商业前景的新型人工智能应用。”一位谷歌员工说。自从谷歌在2016年自称是一家“人工智能优先”的公司之后，他们在这一领域的多数工作都用于改进现有的互联网服务。而Medical Brian团队的成果给谷歌提供了进入全新市场的机会——这也是该公司联合创始人拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）反复尝试的。
Alphabet医疗部门前高管、投资公司Foresite Capital董事总经理维克·巴佳吉（Vik Bajaj）表示，如今的医疗软件大都是程序员手工编写的。与之相对，谷歌的方法则会让及其自主理解数据。“他们明白哪些问题值得解决。”他说，“他们现在已经做了很多小型实验来了解究竟哪些方向富有成果。”
迪恩认为，人工智能系统可以引导医生采用某些特定的医疗和诊断方式。还有谷歌研究人员表示，现有的模型忽略了一些明显的医疗事件，包括病人之前是否接受过手术。他表示，目前这些手动编写的模型是医疗领域“明显而巨大的障碍”。但此人拒绝透露身份。
尽管谷歌认为潜力很大，但想要利用人工智能来改进医疗结果仍然要面临很大挑战。其他公司也在尝试把人工智能应用到医疗领域，IBM旗下的沃森部门就是典型例子，但也只能帮助企业节约资金，并把技术融合到报销系统中。
谷歌一直以来都希望获取数字病例，但结果喜忧参半。为了开展最近的研究，谷歌与加州大学旧金山分校和芝加哥大学达成协议，得以匿名获取460亿份病例数据。谷歌的人工智能系统为每家医院分别开发预测模型。如果要为所有医院开发统一模型，就会遭遇更大的挑战。谷歌正在寻找新的合作伙伴，以便获取更多数据。
更加深入地挖掘医疗数据只会进一步增加谷歌已经掌握的海量信息。“谷歌这样的科技巨头将会具备独一无二、近乎垄断的能力来挖掘我们生成的所有数据。”数据公司Immuta首席隐私管安德鲁·波特（Andrew Burt）说。他和儿科肿瘤专家萨缪尔·沃尔琴伯姆（Samuel Volchenboum）在最近的一篇专栏文章中表示，政府应该阻止这些数据成为少数几家公司的特权地带。
谷歌对待病例数据非常小心，尤其是在外界对数据问题日益敏感的当下。英国监管者去年批评Alphabet旗下的DeepMind人工智能实验室，指责其在没有告知病人的情况下利用一款应用来分析他们的公开病例数据。而在最新的研究中，谷歌及其合作医院都坚称他们的数据经过匿名处理，而且获得了病人许可。沃尔琴伯姆表示，如果要向规模更小的医院和医疗网络扩张，该公司在维护数据方面会遭遇更多挑战。
不过，他还是认为这些算法可以拯救生命、节约资金。他希望病例数据能够与其他统计信息结合起来。最终，人工智能模型可以包含当地的天气和交通数据，以及其他可能对病人的结果构成影响的因素。“医院就像一个有机体。”他说。
没有几家公司比谷歌更懂得分析这样一个“有机体”。该公司和Alphabet旗下的Verily都在开发各种设备，并追踪更多的生物学信号。即便消费者没有大量使用可穿戴健康追踪设备，谷歌也可以利用其他数据来源。该公司掌握天气和交通数据，而Android手机也可以知道人们的步行信息，甚至可以了解他们是否心情低落或其他轻症信息。这都可以提供给医疗算法进行分析。
病例也只是谷歌人工智能医疗计划的一部分。该公司的Medical Brian为放射科、眼科和心脏病科都设计了人工智能系统。他们也在皮肤病学领域开展研究，利用一款应用来识别恶性皮肤病：他们还让在产品经理身上涂抹了15个假纹身，用来检测系统的效果。
迪恩强调，这项实验严格遵循医疗顾问提供的建议，而不仅仅依靠满怀好奇心的软件程序员。谷歌还在印度开展了一项新的实验，使用该公司的人工智能软件来过滤眼球图像，以便尽早识别出糖尿病视网膜病变。迪恩表示，在发布之前，谷歌找来3名视网膜专家对早期研究结果展开了激烈辩论。
假以时日，谷歌可以将这些系统授权给诊所使用，或者通过该公司的云计算部门，以“诊断即服务”的方式提供给他们。作为谷歌在云计算领域的重要竞争对手，微软也在开发预测性人工智能服务。为了对该服务进行商业化，谷歌需要首先获取更多病例，但不同的医疗提供商所存储的数据差异较大。谷歌可以购买数据，但却有可能遭到监管者或消费者的反对。谷歌与加州大学旧金山分校和芝加哥大学的协议并非商业交易。
该公司表示，目前就设定商业模式还为时尚早。Medical Brian团队成员彭丽丽（Lily Peng）在5月的谷歌年度开发者大会上提到，他们在心脏病风险识别方面的准确率已经超过人类。但她还是补充道：“我还想再强调一遍，该技术目前还处于早期。”
Google发生“小型叛乱” ：云工程师拒绝为军事订单开发云服务
北京时间6月22日上午消息，年初时，一支谷歌软件工程师组成的团队做出决定，拒绝开发一项尖端安全技术，上级感到惊讶。这些工程师来自谷歌云计算部门。该功能名叫“Air Gap”，它也许可以帮助谷歌赢得敏感军事合同。
四员员工（包括在职员工和前员工）透露说，当时，工程师们认为谷歌不应该利用自己的技术帮助政府发起战争。一名知情者称，倾听员工的意见之后，谷歌顶级技术高管乌尔斯·霍尔泽（Urs Hölzle）告诉他们，Air Gap功能将会被推迟。
这种“叛乱行为”传染到整个公司，许多员工都抱有抵制心态，不希望谷歌争取政府合同。这些工程师在公司内很有名望，他们的团队被称为“Group of Nine”，被志同道合的员工崇拜。
在职员工及前员工透露说，工程师抵制就像催化剂，引起更大规模的抗议，震动了加州山景城总部，谷歌高管只能妥协，在五角大楼合同（名叫Project Maven）到期之后没有续约，这笔合同可以给公司带来丰厚利润。
在谷歌公司，存在内部争议是很正常的事，这样做可以给员工留下空间，让他们表达不满。然而异议越来越多。上个月，一名谷歌员工提出异议，认为高管薪酬应该与一项指标挂钩：让公司具备多样性和包容性。这项提议被股东否决，但是工程师站出来抵制，可能会伤害谷歌的竞争力。
如果想拿到政府的大合同，一般要求企业获得认证，证明自己可以处理敏感数据，竞争对手亚马逊、微软都有授权书，但是谷歌没有。如果没有特定的功能，比如Air Gap技术，谷歌想拿到合同就会变得相当困难。
谷歌是否已经抛弃Air Gap，或者不顾员工的反对，继续开发？我们不知道。从技术上讲，Air Gap并不复杂，谷歌可以让其它工程师来开发。4000名员工在请愿书上签名，抵制Project Maven合同，占了全部全职员工的5%.
一直以来，谷歌云计算部门主管黛安·格林（Diane Greene）都对政府合作很感兴趣。在企业云市场，联邦机构是开支大户，它们开始重视云服务。3月份，格林与她的代表兴高采烈宣布说，谷歌拿到了FedRAMP许可证。政府云计算合同约有80%都需要FedRAMP Moderate认证，现在谷歌终于拿到了。谷歌云计算部门的员工说，公司将Project Maven项目看得更重要，比拿到FedRAMP认证还重要，要求用更快的速度跟进。
就眼下来看，谷歌已经比竞争对手慢了一拍。不论是微软Azure还是亚马逊AWS，都拥有更高级别的认证，它们可以拿到敏感或者分类数据，出售给机构（比如CIA）。在操作之时，两家企业必须搭建名叫“政府云”的独立服务。
服务有一个关键的组成部门，它就是Air Gap.简单来讲，就是从物理层面将计算机与网络上的其它计算机分离。企业不能将多家公司的数据存储在一台服务器或者一个系统内，商务云提供商一般都是这样做的，隔离之后，企业或者机构可以将数据放在孤立硬件上，单独处理。
网络安全公司Coalfire的副总裁迈克·卡特（Michael Carter）说，如果是国家安全机构，肯定希望能隔离数据。他还说：“亚马逊与Azure会告诉机构这是你们的机架，政府想知道数据存在哪里，如果想抹掉数据，就能轻松抹掉。”
在争夺合同之时，谷歌会鼓吹云服务的安全功能。3月份，谷歌高管曾在简报中说，它们开发的AI软件可以预先侦测网络安全攻击。霍尔泽在做报告时表示：“我们认为，今时今日谷歌云是世界上最安全的云。”
最需要“Air Gap”系统的可能是政府机构和金融企业。行业组织Cloud Security Alliance的运营者吉姆。里维斯（Jim Reavis）说，关于该技术的标准，专家有许多争论，但Air Gap会让客户在心理上感到舒服。里维斯还说：“它们希望能拥有自己的计算机，闪烁的信号灯也是自己的。在安全方面是否真的有用，我打一个问号。”
格林及其它政府高管必须说服员工，让他们相信公司可以在不违背企业伦理标准的前提下争夺政府合同。谷歌之前曾拿到Project Maven合约，用AI技术分析无人机视频。承诺不再续签合约之后，谷歌曾公布一套AI使用原则，禁止将AI用于武器。尽管如此，我们仍然不能排除谷歌将技术卖给军事行业，而且谷歌还在继续争夺国防部的其它云计算合同。
一些对Project Maven提出异议的员工认为，高层领导在沟通时不够透明。直到2月份，许多云计算部门之外的员工才知道存在这样的合同，此时合同已经签了5个月，2月份，关于合同的讨论在公司内部留言板传播。曾经，格林说合同价值总计只有900万美元。后来谷歌在报告中披露说，预计合同的价值约为1500万美元，最高可达2.5亿美元。
就在谷歌公布伦理标准之后第二天，也就是6月8日，格林曾在内部邮件中解释为什么数字会有差异。格林在邮件中表示：“说到Maven，我一直都没有掌握详细的信息。例如，我曾说过合同价值900万美元，这个数字并不准确。”
因为Project Maven异议，一些员工离开谷歌。例如，泰勒。布雷撒切尔（Tyler Breisacher）4月份离开谷歌，他之前是谷歌基础设施部门的软件开发者，布雷撒切尔认为，在合同方面谷歌缺少清晰的沟通，也不知道谷歌软件是怎样被使用的。布雷撒切尔还说，当公司公布更多与项目有关的内情时，这么多员工反对，这件事让公司管理层大吃一惊。布雷撒切尔称：“他们没有想到会引起这么大的争议。”
如何面对AI
学会理解数据的价值
虽然新的创新将要求每个人对技术越来越熟悉，但是这并不意味着每个人都能精通技术。而在学习计算和解释数据方面，技术则是一股很大的力量。这项技能将会见证劳动力需求的增加，并将有助于巩固作为雇员或潜在领导者的价值。——LaKisha Greenwade, Lucki Fit LLC
学习，执行，教导，服务
我建议领导者和企业专业人士采用“L.E.T.S.”方法。这个缩写代表学习、执行、教导和服务。当企业专业人士采用这种方法时，他们就会成为高影响力的领导者，鼓励他们的同事接受技术变革，以造福于公司和客户。——Cheryl Powers, Align Strategic
诚实地面对自己的技能差距
作为一名负责任的专业人士，职责之一就是要在不断变化的技术和客户需求中保持现状。诚实地面对你需要加快速度的领域，而不是试图隐藏它，努力达到你想要达到的水平，以保持与未来的关系。不要责怪变化，而是拥抱它。——Tonya Echols, Vigere
专注于建立人际关系
重新关注人工智能和机器学习，将它们作为工具，能够替代某些步骤，从而提供更高的价值和服务。但它们不会取代商业的核心：人际关系。因此要保持见识，拥抱利益和价值差异。首先，它让你有更多的时间专注于以客户为中心的优先事项。其次，对于领导者，它能帮助你建立和维持人际关系，加强你的专业技能。——Lisa K McDonald, Career Polish, Inc.
不断学习
人工智能和机器学习正在改变过去那些有价值的技能，但它们也为职业发展创造了新的机会。日常工作将会自动化，人们将有更大的机会与他们的组织做出战略性的、有远见的决定。投资于学习一项新技能，无论是关于如何利用新技术，建立技术，还是通过领导来扩大其规模。——Leanne Wong, True Talent Advisory
发现并提升职业生涯中的成功之处
人工智能和机器学习可以取代许多功能，但它们无法取代你激励他人获得巨大成果的方式，你对商业交易和利益相关者满意度的影响，或者你作为领导者所带来的能量。反思你的职业生涯中最重要的成就，尤其是那些对公司的影响。通过社交媒体和专业团队，在你的工作内外发展和宣传这些能力。——Laura Smith-Proulx, CCMC, CPRW, CIC, COPNS, CTTCC, An Expert
拥抱转变的机会
破坏性的新技术导致了当前流程、方法和实践的过时。与其与之抗争，不如拥抱它！既然你已经理解了旧的方法，那么你就可以更好地转换基础设施并与新技术相结合。这将要求你尽可能多地了解新兴世界的秩序，并寻找机会成为变革的驾驭者。——Marvin Chambers, Built To Last Solutions, LLC
提高你的沟通能力
我将人工智能视为一种工具——一种可以提高生产力和效率的资源。考虑到这一点，，你的职业影响超越了你每天所做的任务。你的沟通能力、通过逻辑解决问题、与客户和同事产生共鸣是很重要的。在我们的经济持续变化的情况下，拥有强大的沟通和领导能力是必须的。——Jeanna McGinnis, Mentor Happy
培养一种成长心态
人工智能影响不仅仅是与自动化相关的工作。它将影响我们生活的各个阶段和方方面面。要想茁壮成长，你需要通过建立知识、适应力和韧性来发展一种成长心态。阅读关于人工智能行业、功能和策略的所有信息。主动帮助你的公司和领导们培养人工智能的意识，推进人工智能计划。关注并提高你的软技能。——Joanne Markow, GreenMason
明确如何适应新的工作环境
自车轮的发展以来，技术就一直存在。一味地担忧技术进步并不会改变其发展结果。提升自己的技能并为未来的工作做好准备是更重要的。这意味着将创新视为一个机会，并明确如何融入周围的世界。这意味着拥抱改变，同时面对真实的自己。——Kathleen Houlihan, Dream2Career
在后自动化时代，期待新的、令人兴奋的角色
虽然人工智能和机器学习取代了一部分工作，但它们也是那些新出现的、甚至是更令人兴奋和有意义的工作岗位背后的力量。所以未来真的很美好！专业人士应该很好地理解未来的技能，并从现在开始通过学习和实践来培养它们。这些技能大部分都是增强的人类技能，包括思考能力和与他人合作。——Amy Nguyen, Happiness Infinity LLC
专注于增加你的工作稳定性
虽然未来的职业没有“绝对安全”的，但你可以做以下三件事，来提高工作稳定性。首先，揭露隐藏的问题，抑制其扩张，或在项目完成前及时解决问题。第二，找到工作中需要的具体职责，以及它将如何积极地影响更大的盈利能力。第三，了解你的老板是如何思考的，做出他们喜欢的决定并预测他们的商业需求。——Jay Steven Levin, WinThinking
寻找提高效率的方法
为了让自己有机会承担更多的任务和项目，成为一名优秀的员工，对这些机会说“是”，因为你会变得更有技能、更有价值、更多才多艺。你可能会想，“我已经太忙了！”这没错，但要学会寻找在你的角色中使用人工智能和机器学习来提高效率（降低成本）的方法。这是有价值的——并且能够证明你对公司是有价值的。——Jennifer Dowdeswell, JBD Performance Group Inc.
在你的领域内发表深刻的文章
许多职业人士认为，他们必须进行技术培训，以跟上形势。虽然这在大多数领域都是正确的，但那些创造了强大的行业内容并通过出版建立自己品牌的职业专业人士，或许能够将自己区别于这个千篇一律的、不断变化的技术的海洋。在你的领域创造你的观点，并贡献写得很好的文章，文章和内容。——John M.O’Connor, Career Pro Inc.
培养你的“洞察力”
人工智能善于发现趋势和处理大数据以及大量数据，在某种程度上，它也可以预测。但如果你问它，“为什么是这样？”一切都开始分崩离析。人工智能和机器学习擅长处理数据，但在信息方面并不擅长。信息是数据的一个子集。获取现实生活中的信息、观点和推断是我们（人类）增加数据真实价值的方式。要打败机器，就要有洞察力。——Antonio Garrido, Absolute Sales Development
把自己推销为创新者
自动化的织布机取代了人工，汽车取代了马匹，机器人取代了流水线工人；总有一些东西似乎威胁着经济现状，并转移工作岗位。在现实中，其实有更多的工作机会和更多的创收途径。为了“具备未来的竞争力”，要学会培养你的创新能力，善于与人交往，并为他人创造价值。——Christian Muntean, Vantage Consulting
