来源: AI寒武纪

AI取代放射科医生还早！Karpathy最新发声：软件工程师也不会失业

Hinton近十年前的著名预测似乎并未成真

今天Andrej Karpathy发文，推荐了一篇题为“AI并未取代放射科医生”的文章，并分享了他对AI与就业市场关系的看法

原文链接：
https://worksinprogress.news/p/why-ai-isnt-replacing-radiologists

Karpathy指出，一个普遍的预期是：图像识别AI的飞速发展将消除放射科医生的工作岗位。然而现实是：放射科行业发展得很好，并且仍在增长

他表示，目前外界对AI即将对就业市场产生的影响，存在大量“天真的预测”。

Karpathy举了一个例子：大约一年前，一位本应更懂行的人问他，如今是否还会有软件工程师这个职业

对此，Karpathy的回答是：“剧透一下：我认为我们能挺过去。”

他认为，这种现象（指天真的预测）发生的范围太广了

Karpathy转而介绍了文章详细阐述的观点，即为什么用AI取代放射科医生并非易事：

基准测试的局限性： 现有的基准测试远不够广泛，无法反映真实世界中的实际场景

工作的多面性： 放射科医生的工作远比单纯的图像识别要复杂得多

部署的现实难题： 实际部署面临监管、保险和责任、技术扩散以及制度惯性等诸多挑战

杰文斯悖论（Jevons paradox）： 如果AI作为工具提升了放射科医生的工作效率，反而会催生出更多的需求

接着，Karpathy提出了自己的观点。他认为，在2016年，放射科并非预测AI影响的最佳案例，因为它过于复杂、风险太高且受到严格监管。

那么，哪些工作在更短的时间尺度内会因AI而发生巨大变化？Karpathy给出了他的标准：

• 重复单一的固定任务。

• 每项任务相对独立。

• 任务是封闭的（不需要太多外部上下文）。

• 耗时短。

• 容错率高（犯错成本低）。

• 当然，还要是当前（数字化）能力可自动化的。

Karpathy补充说，即便满足这些条件，他也预计AI最初会作为工具被采用，工作岗位会因此发生变化和重构。例如，人们的工作将更多地从“手动执行”转变为“监控或监督”。他希望未来能找到更好、更广泛的案例，来展示这一切在整个行业中将如何演变

在文章的最后，Karpathy留下了一个悬念

他提到，大约6个月前，有人邀请他投票预测：5年后，软件工程师的数量会变得更多还是更少？

这个问题留给大家思考