解释学作为人工智能在医学中的障碍

科学领域:

• 思想的哲学 思想的哲学
• 医学伦理 医学伦理
• 人工智能的人工智能

背景情况:

• 当前的人工智能,就像生成模型一样,从庞大的数据集中处理基于概率的信息.
• 这种方法假设人类的知识可以通过命题捕获,类似于AI的文本生成.
• 这种假设在医学等复杂领域受到人类理解本质的挑战.

研究的目的:

• 挑战人工智能 (AI) 可以完全取代人类在医学中的角色的概念.
• 探索AI在复制人类理解方面的局限性及其对医疗实践的影响.
• 突出医学中人类认知的非文本,体现和对话方面的重要性.

主要方法:

• 借鉴汉斯-乔治·加达默的解释学哲学.
• 分析人类理解的性质作为一个解释,定位和对话的过程.
• 将人类认知与生成性AI的操作原理进行对比.

主要成果:

• 人类的理解是解释性的,依赖于历史的情况和事先存在的判断,与AI的基于规则的方法不同.
• 人类的理解是对话性的,涉及"视野融合"和对偏见的质疑,这是AI无法复制的.
• 人工智能缺乏体现,这是人类感知和理解的关键因素,因此无法掌握意义的非文本来源.

结论:

• 人工智能在核心医疗任务中面临着固有的局限性,例如历史记录,体检,诊断推理和治疗谈判.
• 人类理解的体现性,对话性和历史性方面对于道德医学实践至关重要.
• 虽然人工智能可以帮助医生,但它不能取代医生与患者关系中细微,以人为中心的元素.