生成式人工智能正在改变人类书写、阅读、说话、思考、共情以及在不同语言和文化之间行动的方式。在医疗保健领域，患者与从业者之间的沟通差距可能会恶化患者治疗结果，并阻碍医疗实践和护理的改进。由麻省理工学院人文洞察协作（MIT Human Insight Collaborative，简称MITHIC）资助的Language/AI孵化器项目为这些挑战提供了一种潜在的解决方案。
该项目设想建立一个植根于人文学科的研究社区，促进麻省理工学院内部的跨学科合作，以加深对生成式人工智能对跨语言和跨文化交流影响的理解。该项目聚焦医疗保健和沟通，旨在搭建跨越社会经济、文化和语言阶层的桥梁。
孵化器由Leo Celi和Per Urlaub共同领导。Leo Celi是一名医生，同时也是麻省理工学院医学工程与科学研究所（IMES）的研究主任和高级研究科学家；Per Urlaub则是德语及第二语言研究的教授实践者，同时担任麻省理工学院全球语言计划（Global Languages）的主任。
“医疗保健服务的基础是对健康和疾病的知识，”Celi表示。“尽管投入巨大，但我们的知识体系存在缺陷，这导致了不良的治疗结果。”
一次偶然的合作
Urlaub和Celi是在MITHIC启动活动期间相识的。活动接待期间的交谈揭示了他们对使用人工智能改进医疗沟通和实践的共同兴趣。
“我们正试图将数据科学融入医疗服务中，”Celi说。“我们一直在招募社会科学家（在IMES），以帮助推进我们的工作，因为我们在创造的科学并非中立。”
团队认为，语言是医疗保健服务中的非中立媒介，它可以成为有效治疗的助力或障碍。“后来，我们见面后，我加入了他的其中一个工作组，其重点是关于疼痛隐喻的研究：我们用来描述疼痛的语言及其测量方式，”Urlaub继续说道。“我们考虑的一个问题是，医生与患者之间如何实现有效的沟通。”
他们认为，技术会影响日常交流，而这种影响取决于用户和创造者。随着人工智能和大型语言模型（LLMs）的力量不断增强并日益突出，它们的应用范围也不断扩大，包括医疗保健和健康领域。
Rodrigo Gameiro是一位医生兼麻省理工学院计算生理学实验室的研究人员，也是该项目的参与者之一。他指出，该实验室的工作核心是负责任的人工智能开发与实施。设计能够有效利用人工智能的系统，特别是在考虑医疗过程中可能存在的语言和文化差异所带来的沟通挑战时，需要一种细致的方法。
“当我们构建与人类语言互动的人工智能系统时，我们不仅仅是在教机器如何处理词语；我们是在教它们如何在嵌入在语言中的复杂意义网络中进行导航，”Gameiro表示。
语言的复杂性可能会影响治疗和患者护理。“疼痛只能通过隐喻来传达，”Urlaub继续说道，“但隐喻在语言和文化上并不总是匹配的。”笑脸符号和1到10分的评分工具——英语国家的医疗专业人员可能用来评估患者的工具——可能无法很好地适用于不同的种族、民族、文化和语言边界。
“科学必须有温度”
大型语言模型有可能帮助科学家改善医疗服务，尽管其中也存在一些系统性和教学上的挑战需要考虑。Celi认为，科学往往关注结果，而忽略了它本应帮助的人群。“科学必须有温度，”他说。“仅通过统计学生发表了多少论文或获得了多少专利来衡量他们的成效，这是错误的做法。”
Urlaub则表示，关键是要在认真调查的同时承认我们所不知道的东西，引用哲学家所谓的“认知谦逊”。研究人员指出，知识是暂时性的，始终是不完整的。根深蒂固的信念可能需要根据新的证据进行修正。
“没有人对世界的理解是完整的，”Celi说。“你需要创造一个环境，让人们可以舒适地承认自己的偏见。”
“我们如何在语言教育者和其他对AI感兴趣的人之间分享关切？”Urlaub问道。“我们如何识别并研究对AI潜力感兴趣的医疗专业人士和语言教育者之间的关系，以帮助消除医生和患者之间的沟通鸿沟？”
在Gameiro看来，语言不仅仅是交流的工具。“它反映了文化、身份和权力动态，”他说。在某些情况下，患者可能由于医生作为权威人物的地位，或者因为他们的文化要求他们顺从那些被视为权威的人，而不愿意描述疼痛或不适，这种误解可能是危险的。
改变对话方式
人工智能对语言的熟练掌握可以帮助医疗专业人士更加谨慎地应对这些领域，提供数字框架，使患者和从业者能够在数据驱动、研究支持的工具基础上依赖有价值的文化和语言背景来改善对话。团队表示，机构需要重新考虑如何教育医疗专业人员，并邀请他们服务的社区参与对话。
“我们需要问自己，我们真正想要的是什么，”Celi说。“为什么我们要测量我们现在测量的内容？”他们在这些互动中带来的偏见——医生、患者、他们的家庭和社区——仍然是改善护理的障碍，Urlaub和Gameiro补充道。
“我们希望连接那些思维方式不同的人，让人工智能为所有人服务，”Gameiro继续说道。“没有目标的技术只是大规模的排斥。”
“像这样的合作可以让深度处理和更好的想法成为可能，”Urlaub表示。
创建能够让有关人工智能和医疗的想法转化为行动的空间是该项目的关键要素之一。Language/AI孵化器于今年5月在麻省理工学院举办了首次专题讨论会，由Mena Ramos主持。Mena Ramos是一名医生，同时也是全球超声波研究所（Global Ultrasound Institute）的联合创始人兼首席执行官。
专题讨论会还包括Celi、麻省理工学院电气工程与计算机科学系（EECS）的访问学者Alfred Spector，以及麻省理工学院林肯实验室人类语言技术小组的高级职员Douglas Jones的演讲。第二次Language/AI孵化器专题讨论会计划于8月举行。
将社会科学与硬科学更深入地融合，可能会增加开发可行解决方案和减少偏见的可能性。允许患者和医生对彼此关系的看法发生转变，同时让他们共享互动的所有权，有助于改善治疗结果。借助人工智能促成这些对话可能会加速这些观点的融合。
“社区倡导者有自己的声音，应该被纳入这些对话中，”Celi说。“人工智能和统计建模无法收集所有需要治疗人群的数据。”
社区需求和改进的教育机会及实践应与跨学科的知识获取和传递方法相结合。人们的看法受到自身感知和其他因素的限制。“我们在模拟哪种语言？”Gameiro在谈到构建LLMs时表示。“哪些类型的言语被包括进来，哪些又被排除在外？”由于意义和意图会在这些背景下发生变化，在设计人工智能工具时记住这一点非常重要。
“人工智能是我们改写规则的机会”
虽然这种合作具有巨大的潜力，但也面临严重的挑战，包括建立并扩展改善患者与提供者沟通的技术手段、向边缘化和未得到充分服务的社区延伸合作机会，以及重新审视和改革患者护理。
但团队并未因此气馁。
Celi相信有机会解决人们与从业者之间的日益扩大的差距，同时解决医疗保健中的缺口。“我们的目标是重新连接社会与科学之间已被切断的纽带。我们可以赋予科学家和公众共同探索世界的能力，同时也承认克服偏见所带来的局限性。”
Gameiro是人工智能改变我们对医学认识能力的热情倡导者。“我是一名医生，我认为我说得不过分，我相信人工智能是我们改写医学所能做的事情以及我们能触及人群的机会，”他说。
Urlaub认为，教育将人类从被动的观察者转变为积极的参与者，他描述了在新护理模式中无动于衷的旁观者与积极参与者的区别。他希望构建这一新模式。“我们需要更好地理解技术对这两种状态之间界限的影响。”
Celi、Gameiro和Urlaub都呼吁在医疗保健领域出现类似MITHIC的空间，即允许创新和合作发生的场所，而不是使用以往机构用作成功的任意基准。
“人工智能将彻底改变所有这些领域，”Urlaub相信。“MITHIC是一个慷慨的框架，让我们能够灵活地接受不确定性。”
“我们希望利用我们的力量在不同受众之间建立联系，同时承认我们并没有掌握所有的答案，”Celi说。“如果我们失败了，那是因为我们未能大胆梦想一个重塑的世界会是什么样子。”
【全文结束】
