AI ODYSSEY

AI 可以学会医生的停顿和注视，但信任不能只由一场顺畅的对话生成。

去医院看病时，医生得到的信息常常不只来自我们说了什么。进门时走路稳不稳，说话间有没有咳嗽，抬起手臂时哪里迟疑了一下，这些很细小的动作，也会进入判断。

过去的医疗 AI 大多隔着一层文字。患者要先把身体感受翻译成句子，系统再从句子里寻找线索。Google Research 最近公布的 AMIE 视频问诊研究，开始把这一层隔膜往前推：AI 不再只读病人的描述，它也在看、在听，还会隔着摄像头指导对方做简单的体格检查。

医疗信息越接近真实的人，AI 能提供的帮助可能越具体；同样因为它越来越像一个坐在屏幕另一边的人，身份、边界和责任也会变得更难忽略。

CONSULTATION

一次问诊，被拆成三个同时工作的人

AMIE 的设计里有个细节蛮真实。Google 团队认为，一个 Agent 很难同时做好自然对话、临床推理和持续观察。推理需要时间，可视频问诊里停顿太久，又会损害病人的信任和交流节奏。

于是系统把工作拆给三个并行的 Agent。Talker 负责和患者说话，让回应保持自然；Planner 在后台更新鉴别诊断和治疗计划，寻找还缺少的信息；Perception 则持续查看声音与画面，留意呼吸、痛苦表情和身体动作。前台的交谈没有停，后台的判断还在继续。

这有点像一间看不见的诊室。我们以为自己只在和一个对象说话，背后其实有几个系统同时听、看和推演。技术上，这是为了解决响应速度与深度推理之间的矛盾；放到人的感受里，它也说明“像一位医生”并不是单一能力。一次停顿的长度、一句追问出现的时机、对不舒服表情的察觉，都会影响患者是否愿意继续说下去。

100

临床场景

300

标准化问诊

研究用了 100 个临床场景、300 次标准化视频问诊和 15 名患者演员。10 名全科医生参加同一组问诊，另有 20 名有经验的全科医生独立评估。Google 团队称，AMIE 视频版在病史采集、诊断准确性、处置合理性和沟通质量上得到接近医生组的评价；患者演员也更偏好视频，而不是纯文字聊天。

这些数字需要放在实验边界里理解。参与者是接受过训练的演员，不是带着复杂病史和真实焦虑来求助的患者；场景也集中在能够被表演出来的症状。团队同时承认，系统仍会出现感知和推理错误，也有技术故障打断谈话。它展示的是一条可行路径，还不是可以直接走进日常诊室的结论。

“像一位医生”是一组交互能力，“谁在负责”则是另一件事。

IDENTITY

会说人话，和诚实地说明自己是谁

同一天，404 Media 对 Research Gold 的调查给了这件事另一面。这个面向医学研究者的网站声称服务“完全由人类撰写，不使用 AI”，页面上列着多位博士和方法学专家。记者调查后发现，一组所谓专家没有对应的学术记录，头像也有明显的生成痕迹；另一些真实研究者的姓名、照片和履历，则是在本人不知情的情况下被放了上去。

记者打电话过去，一位自称 Sarah 的客服坚持说自己是真人，还反复把谈话带回付费服务。邮件和在线聊天也呈现出明显的 AI 生成特征。更微妙的是，这些回复并不粗糙。记者随手提交了一个并不严谨的研究题目，对方很快指出问题、补出研究框架，并给出 1900 美元的系统综述报价。

这件事让我不舒服的地方，不是 AI 能不能参与文献整理。研究工作里确实有很多机械、耗时的环节，AI 也可能成为有用的助手。问题出在它借用了并不存在的博士、未经同意的真实身份，以及一句明确的“没有使用 AI”。专业感被做得很完整，责任主体却消失了。

把这两条消息放在一起看，差别并不在于哪一个 AI 更像人。AMIE 也在学习注视、语气和交流节奏，但研究团队清楚地把它称为实验系统，公布架构、评估方式和局限。Research Gold 的问题则恰好相反：它出售“由人完成”的可信感，却让人找不到那个应该为结果负责的人。

TRUST

信任不是一种可以单独生成的语气

我们过去很容易把信任寄托在一些熟悉的表面上：一张职业头像、一段有耐心的回应、一个听起来像真人的声音。生成式 AI 把这些东西做得越来越便宜以后，它们仍然有用，却不再足以证明身份。

在医疗里，这个变化会更敏感。病人愿意说出疼痛、恐惧和生活习惯，是因为默认屏幕另一边的人或机构受专业规范约束，也能够为建议承担后果。AI 可以让沟通更温和，让观察更细致，甚至让原本得不到及时问诊的人先获得一些帮助。但“它说得像医生”与“这是一项可以信赖的医疗服务”之间，还有验证、授权、隐私保护和责任归属。

我很认同技术去学习医生如何看见一个人，而不只处理一串症状。只是当 AI 越来越像一个在场的人，我们需要保留下来的，不是对人类口吻的迷信，而是让身份、边界和责任始终能够彼此对得上。