Jason Wei
4 节点1 篇4 来源
Jason Wei，前 OpenAI 研究员、现 Meta 超级智能实验室成员，于 2026 年 10 月发表博客文章《AI 不会像你想象的那样取代放射科医生》，反驳了 Geoffrey Hinton 早在 2016 年提出的“五年内深度学习将超越放射科医生”的预测。Wei 指出，尽管 AI 在可验证任务上表现优异，但受限于“智能锯齿状边缘”（jagged edge of intelligence）和罕见病数据瓶颈，AI 短期内仅能作为分诊工具，而非完全自动化替代者。他进一步引用“杰文斯悖论”（Jevons paradox），认为随着解读成本降低，放射学需求将呈弹性扩张，导致扫描量激增而非岗位减少。这一观点与近期关于多智能体系统（MAS）在放射学工作流中应用的学术研究形成呼应，后者虽显示效率提升，但也强调临床证据仍不足。
事情怎么走到这一步
Geoffrey Hinton 提出预测：人们应停止培训放射科医生，因为深度学习将在五年内超越他们。
jasonwei.net ↗WIRED 报道 Jason Wei 离开 OpenAI 加入 Meta 超级智能实验室，此前他参与了 o1 和深度研究模型的开发。
wired.com ↗Frontiers in Medicine 发表综述，指出多智能体系统在放射学工作流中可降低幻觉率并缩短报告周转时间，但缺乏前瞻性临床试验证据。
frontiersin.org ↗Jason Wei 发布博客文章，论证 AI 因数据瓶颈和弹性需求不会很快取代放射科医生，预计从分诊工具到完全自动化最快需 3-5 年。
jasonwei.net ↗
还没定论的部分
- AI 在罕见病诊断中的性能何时能突破‘智能锯齿状边缘’的限制？
- 弹性需求导致的扫描量激增是否会引发新的医疗资源分配问题？
- 监管机构如何评估多智能体系统在放射学中的实际临床安全性？