Meta 健康团队用 AI 脚手架让医学专家两周产出十篇论文

在 Meta 的健康工作流中，我们做了一个项目，想看看医学专家利用 Muse Wonder 编码脚手架能写出什么样的研究论文——该脚手架可以访问我们从供应商处授权获得的 500 万份电子健康记录数据库。目标是，借助这个包含 500 万患者的数据库，AI 能够开展研究，回答任意问题，比如「服用他汀类药物的人晚年患糖尿病的比例是否更高」？我们在这里押注的是：当人类专家、强大的编码模型和数据访问权限三者结合在一起时，会发生什么

我们与一小群医学专家合作，帮助他们使用这个 AI 工具，最终结论是：他们都发现这一设置让健康研究的节奏大大加快。他们在大约两周内产出了十篇手稿，其中一位研究者（Paddy Ssentongo）就产出了三篇。在整个过程中，他们互相协作，审阅手稿并编写技能文件，以帮助我们的编码脚手架提升研究能力。医学专家们很喜欢他们能够快速测试不同假设，并从中挑选出最佳方案继续深入研究

健康研究相当独特，因为解读噪声数据、并具备判断哪些变量重要的品味至关重要，而这仍然是人类研究者带来的重要价值。鉴于医学是人类历史上最古老的领域之一，且归根结底是关于人的，在这类研究中保留相当比重的人类参与可能很重要。在不久的将来，我主要将 AI 视为促进人类主导研究的工具。有了合适的脚手架，我相信健康研究人员借助能够适当访问全球已收集的丰富人类健康数据的 AI 工具，生产力可以提升 10 倍甚至 100 倍

从更宏观的「AI for Science」视角来看这项工作，可以这样理解：科学可以分为两部分：(1) 收集关于世界的原始数据，以及 (2) 将原始数据综合成认知。在这个项目中，我们已经有了关于世界的现成数据，目标是利用 AI 加速第 (2) 部分。最终，我设想这样一个世界：我们拥有如此强大的 AI 工具，以至于将原始数据综合成认知所需的时间趋近于零。在那个世界里，科学将大幅提速，大部分工作将集中在通过物理实验收集正确的原始数据上

我们在相当短的时间内完成了这项工作（这正是目的所在），我认为科学研究的未来将比以往任何时候都更快、更令人兴奋