吾看书

transformer：从“是什么”到“为什么重要”，零基础也能懂（第7页）

而用了Transformer的AI，能“更细致地看片子”。它会把片子的每个像素都转换成序列，用自注意力机制找出“异常区域”，比如肿瘤的位置、大小、形状，然后给医生一个“参考意见”。比如AI看一张肺部CT片，能在几秒内标出“左肺下叶有一个3毫米的结节，疑似早期肿瘤”，医生再根据AI的提示，进一步检查确认。

现在很多医院已经开始用这种AI辅助诊断系统，尤其是在放射科（看片子最多的科室）。数据显示，用AI辅助后，医生看片子的速度提升了30%以上，漏诊率降低了20%左右——这意味着医生能看更多病人，病人也能更早发现疾病。

2. 医学研究：帮研究员“查文献”“找规律”

医学研究员做研究时，需要读大量的医学文献（比如每年发表的医学论文有几百万篇），还要从大量的病历数据中找疾病的规律（比如“哪种基因和乳腺癌有关”）。这些工作耗时又耗力，一个研究员可能需要几年才能读完相关领域的文献。

而用了Transformer的AI，能帮研究员“快速处理这些信息”。比如：

- 文献总结：输入一篇10万字的医学论文，AI能在几分钟内生成2000字的摘要，标出论文的核心观点、实验方法、结论；

- 数据挖掘：输入10万份乳腺癌患者的病历数据，AI能快速找出“哪些患者的基因存在突变，这些突变和肿瘤的恶性程度有什么关系”，为研究员提供研究方向。

比如在新冠疫情期间，研究员用基于Transformer的AI快速分析了大量新冠患者的病历数据，找出了“高龄、有基础疾病的患者更容易发展成重症”的规律，为制定治疗方案提供了重要参考——这要是靠人工分析，可能需要几个月甚至几年时间。

（五）自动驾驶：让汽车“更懂路况”，减少事故风险

自动驾驶汽车要“安全行驶”，核心是“能看懂路况”——比如识别前方的行人、车辆、红绿灯，判断旁边的车会不会变道，前面的车会不会刹车。以前的自动驾驶技术，在“复杂路况”下容易出错，比如遇到“行人突然横穿马路”“雨天看不清红绿灯”等情况，可能会反应不过来。

而用了Transformer的自动驾驶系统，能“更全面地理解路况”。它会把摄像头、雷达、激光雷达收集到的信息（比如行人的位置、车辆的速度、红绿灯的颜色）转换成序列，用自注意力机制分析这些信息之间的关系——比如“前方50米有一个行人，正在横穿马路，旁边的车正在减速，红绿灯是红灯”，然后快速做出决策（比如“减速停车，让行人先过”）。

举个例子：在雨天，摄像头可能看不清红绿灯的颜色，但雷达能检测到“前面的车都停着”。以前的自动驾驶系统可能会因为“看不清红绿灯”而犹豫，而用Transformer的系统能通过“前面的车都停着”这个信息，推断出“现在是红灯”，从而及时停车，避免闯红灯。

现在特斯拉、百度等公司的自动驾驶系统，都已经用上了Transformer技术。数据显示，用了Transformer后，自动驾驶汽车在复杂路况下的事故率降低了40%左右——这让自动驾驶离“大规模普及”又近了一步。

小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！

六、Transformer的“未来方向”：还能变厉害吗？这3个方向值得期待

Transformer虽然已经很厉害，但它不是“完美的”。现在AI领域的研究员还在不断改进它，让它更聪明、更实用。未来几年，Transformer可能会在这3个方向上有大突破，给咱们的生活带来更多改变。

（一）方向1：“更小更快”——在手机上也能跑，不用依赖“云端”

现在很多基于Transformer的AI，比如ChatGPT、DALL·E，都需要“连接云端服务器”才能用——因为它们的模型很大（比如GPT-4的参数有万亿级别），需要强大的计算资源才能运行，手机、平板这些小型设备根本“跑不动”。

比如你用手机上的ChatGPT APP，其实是把你的问题发送到云端服务器，服务器用Transformer处理后，再把答案发回你的手机——如果网络不好，就会出现“加载慢”“卡顿”的情况。

未来的Transformer，会朝着“轻量化”方向发展。研究员会想办法“缩小模型体积”，在不降低性能的前提下，把模型的参数从“万亿级别”降到“十亿级别”甚至“亿级别”，让它能在手机、平板、智能手表等小型设备上直接运行。