亚马逊CTO对云有预测，未来这四个场景会有大作用

医疗保健当然是个重要话题。在成长为技术专家之前，他曾经在医院的放射科工作过。

问他本来打算在演讲中聊什么，Vogels说他想跟听众们分享“数字存储普及之前，放射科那噩梦般的旧时光”。

Vogels回忆道，大概三四十年前，当时数字存储的成本太高，医院根本无法承受。为了满足医疗记录需求，医院不可能把核磁共振数据保存成数字化形式，只好把图像印在胶片上，再像X光片那样进行实体归档。

于是放射科的档案库就像电影制片厂一样庞大而杂乱。“在病人来复查时，我们没法直接用数字信息进行比较，而只能调出相应的胶片，一张张翻着看。”对这位辛勤的放射科医师来说，每天的工作就是翻看无数张胶片，“上班时眼睛还好好的，到快下班时已经有点看不清东西了。”

但如今，所有数据都有了纯数字化版本。在云服务，特别是云存储的帮助下，图像研究的灵活性达到了他们当初无法想象的水平。

也逐渐成为放射科医师手中的强大工具。

“直到现在，还是有很多人觉得AI和机器学习会消灭工作岗位。但至少放射科医师们不会这么想，他们对如今的便利性感到既兴奋又感激。”

以数字为基础，“医师们现在可以做出微观比较”，比如对肿瘤变化的细节进行对照。Vogels说，“人的眼睛没那么敏锐，但AI和机器学习能够发现其中隐藏的模式，并在一定程度上引导放射科医师专注于需要发挥创造力的工作。”

“所以从本质上讲，放射科医师会把医疗保健领域的AI方案理解成出色的助手。有它们帮忙，医生也能早点下班回家了。”

Vogels再次强调了其中的逻辑链条，在放射学科中，因为我们能够保存数字化数据了，所以机器学习才变得越来越重要。而现在，整个医疗保健领域都在经历类似的重大转变。

转交给每一家企业、甚至是每一个人。

机器学习在代码开发中也在发挥“极其重要的作用”，并援引了亚马逊Code Whisperer技术“消除简单重复工作”的案例。在这类工具的加持下，开发人才供应不足的问题有望得到显著缓解。

Vogels还说，机器学习也将给能源等受到严格监管的行业带来助益。以澳大利亚的液化丙烷气行业为例，他们正在技术的支持下探索预测性维护的可行性。以往，相关设施只有在问题实际出现后，才会通过巨大的仪表板发出刺耳的警报。如今，他们使用新的传感器开展预测性维护，希望能抢在问题发生之前将其扼杀在摇篮之中。

制造业同样能够从机器学习中获得巨大提升。他观察到，在美国，典型的制造设备大多产自26年之前，所以完全没考虑过机器学习这个因素。因此，我们有必要对制造环境开展一体化改造，充分运用来自环境的实时数据，进而实现安全保障和预防性维护。很多行业和领域在这方面都具有广阔的应用空间。

当然，AI中也有不少更深层次的道德问题需要解决。Vogels坦言，“这里还有很多未解之谜。”

从这种可行性出发，没准未来的监管要求反而会有所下降。

某些技术可能在某个国家通行无阻，比方说图像识别之类，但在其他国家也许会遭到群体抵制。

Vogels还举了伦敦各处密布监控闭路摄像头的例子。“这种行为在英国没问题，但同样的事情如果发生在阿姆斯特丹，老百姓就要造反了。”

Vogels认为，要想解决这样一个“极度敏感的话题”，首先需要明确什么是负责任的技术。其中的基本前提就是，“技术可以被用于行善，也可以被用于为恶。”

“至于到底怎么保证技术只用于行善、不用于为恶，就要由监管机构和技术开发商共同决定了。”