in

哪個環節出錯?Google、MIT在AI應用慘滑鐵盧

文/ 若水 Flow AI Blog 編輯團隊

(圖說:後疫情時代 (Post-Pandemic) ,AI 產業又聚焦回最根本的問題。 )

最近 AI 產業的新聞關注點很有意思,疫情最高峰過後,大家回頭問最基本的問題:當AI 應用落地 ,到底有沒有達到原始設定的標準?如果失敗收場,又是發生什麼事?

這一期就來分享兩則備受關注的案例,深入了解之後,你會發現:AI可以成功,也可以失敗地很徹底,而那一線之間的差別,往往來自於有沒有考慮到現實的情境脈絡


【Google 發展 AI 智慧醫療,辨識糖尿病視網膜病變,反拖累醫療流程】

首先是「Google Health」,致力於運用 AI 數據、雲端,協助智慧醫療。這篇文章提到,Google Health 的智慧醫療專案「糖尿病視網膜病變 AI 掃瞄 」,準確率達 9 成。( ➡️ 延伸閱讀:Google 也和印度眼科醫院合作過),先在泰國落地測試,並且要對 60% 糖尿病患者篩檢。

結果呢?3 個小細節打敗了 Google。

  1. 護士每小時掃描數十名患者,並經常在光線不足的情況下拍照,所以超過 1/5 照片因為不合標準被拒。
  2. 照片被踢出系統的患者,必須要再預約看診,但如果他們無法請假或沒有車,就會非常不方便。這讓護理師感到沮喪無力。
  3. 好不容易拍到合格的照片,由於系統必須將照片上傳到雲端處理,但碰到診所的網際網路連線有問題,造成篩檢作業延遲。
護士經常在光線不足的情況下拍照,使得超過五分之一照片被拒絕。
圖片來源 : Google

這三個來自現實運用的阻力加乘,讓原本預計10分鐘完成,就能讓病人立馬看報告,結果,拖長到2個小時只能幫10位病人做到篩檢。幸好,Google Health很快做出回應,目前正與當地醫務人員一起合作設計新工作流程。


【讓 MIT 宣布永久停止的開放農業計劃】

另個案例 MIT「開放農業計劃」(Open Ag),下場就沒那麼好了。先前因為造假,被 MIT Technology Review(一個自家人勇打自家人的概念?)選為「2019全世界最失敗的科技產品」之一。今年4/30,更宣告永久停止。

MIT Media Lab 的Caleb Harper

年初我們介紹過這個故事的上半場,案子立意良善,原想透過類似「食物電腦」的概念,在封閉的環境裡提供陽光、空氣和水,讓人們依植物生長習性,透過程式控制徵調生長環境,解決農民看天吃飯的老問題。

該計劃一出得到許多支持。第一步便把使用者設定在:難民營,距離敘利亞邊界90 公里的約旦沙漠中。

結果呢?這篇文章裡有很詳盡的介紹,主要因為實作現場位在沙漠,氣候非常乾燥,室內溫度可以高達45°C,各類電源經常出現故障,最後連Wi-Fi 也常出問題,導致無法重啓機器設定。

硬體的不成熟與惡劣環境影響,最終仍不被
WFP ( 世界糧食計劃署 )採用,來解決約旦的糧食問題。

最後,該計劃主持人只得不斷造假,以掩蓋計劃零成果的重大缺失。直到去年接連被紐約時報、IEEE踢爆。這情節看似荒誕,卻實際發生了,還耗費了不少時間與資金。

矽谷一位創業者、AI 創投 Rob May 在他的電子信評論:

在真實世界裡推動 AI 落地,依舊困難。

他寫道,因為疫情,更讓人們關注 AI 在實際「部署」( deployment)時發生的挑戰,「過去幾年,AI 停留在研究階段,那些人人膜拜的 AI 名流,多為研究背景,專心開發新模型或數據類型。但如果這些成果無法落地運用,會讓一切漸失動力。」

此其時也,或許只有勇於擁抱真實的混亂,才能讓下一階段的 AI 再開出新局。


【延伸閱讀】

1, 長佳智能用不到一年的時間,與中國醫合作完成18項 AI 專案落地商轉。從視網膜並扁、肝硬化到乳房超音波等。長佳智能期待用 AI 數據,打造未來的智慧醫療願景。
➡️➡️ 請看:台灣 AI 界的隱型冠軍 每月整合 25 萬筆數據 讓名醫更名醫

2, 2019年,南方澳大橋斷裂造成嚴重傷亡,震驚社會。事發後追查原因,才發現這座大橋竟然長達三年沒有檢修。然而,人工安檢面臨三大難題:工時長、高成本、高生命風險。加上AI,可以怎麼改善現況?
➡️➡️ 請看:數據專家結合空拍機,智能安檢橋梁和危樓

圖片來源:freepik、Google、MIT、WFP、 Arteum.ro、 ThisisEngineering RAEng on Unsplash

【一周AI必讀新知】AI+自動化的典範轉移中,台灣能否把握機會?

【智慧零售】肺炎疫情衝擊全球超市,不數位轉型,就關門大吉