亚马逊云科技如何运用生成式AI惠普各行各业？

在过去的一年里，云技术、机器学习和生成式AI变得更为普及，从写电子邮件到开发软件，甚至是癌症早期筛查，这些技术几乎影响到人类生活的方方面面。创新将是未来数年各个领域的重要主题，旨在普及技术，帮助我们跟上日益加快的生活节奏，而这一切都将始于生成式AI。

生成式AI将逐渐具备文化意识

用文化多样性数据训练的大语言模型（LLM）将更加细致入微地了解人类经验和复杂的社会挑战。这种文化流利度有望让全球用户更便利地使用生成式AI。

从我们讲的故事、吃的食物和穿着打扮，到价值观、礼仪、偏见、处理问题和做决定的方式，文化影响着我们的一切。它是我们在社区中立足的基础，是我们的处事规则和信仰准则，是一种取决于我们身处何地、相伴何人的契约。

与此同时，文化差异有时也会造成混淆与误解。日本文化将吃面时大声吸汤视为一种享受，但其他文化认为此举很不礼貌；印度传统婚礼习俗要求新娘身穿精巧艳丽的蓝嘎（lehenga），西方传统则是让新娘身穿白色婚纱，在希腊甚至有往婚纱上吐口水以求好运的习俗。作为人类的我们已经习惯跨文化环境，因此我们能综合各种文化信息，调整解读方式并做出适当回应。

所以，为何不期望我们赖以生存的技术也能实现这一点呢？在未来几年里，文化将在技术的设计、部署和使用方式中发挥至关重要的作用，其影响将在生成式AI中体现得淋漓尽致。

大语言模型要想触达全球用户，必须达到与人类自身相同的文化流利性。佐治亚理工学院（Georgia Institute of Technology）的研究人员在今年早些时候发布的论文中证明，即使向一个大语言模型提供明确提及伊斯兰祈祷词的阿拉伯语提示词，生成的回复依然是建议与朋友们一起喝酒，而喝酒在伊斯兰文化中是不当之举。这种情况在很大程度上与可用训练数据有关。目前被用于训练众多大语言模型的Common Crawl数据集大约有46%的内容是英语，而且无论何种语言，更大比例的可用内容以西方文化为基础（明显倾向于美国文化）。如果将相同的提示词输入用阿拉伯语文本预训练且专门生成阿拉伯语响应的模型，就会得到更符合文化背景的回复，比如建议喝茶或咖啡。近几个月开始出现一些非西方语境的大语言模型：用阿拉伯语和英语数据训练的Jais，中英双语模型Yi-34B，以及用大量日语网络语料库训练的Japanese-large-lm。这些迹象表明，具有文化准确性的非西方模型将向数亿人提供生成式AI，其影响将会涉及教育、医疗等方方面面。

要记住，文化和语言并非完全相同，一个模型即便能给出最完美的翻译，也未必具有文化意识。随着无数历史和经验被融入模型，我们将会看到大语言模型开始形成更广泛的世界性视角。正如人类从辩论探讨和思想交流中学习一样，大语言模型也需要类似的机会来拓展视野、了解文化。有两个研究领域会在这种文化交流中发挥关键作用：一是基于人工智能反馈的强化学习（RLAIF），即一个模型吸收另一个模型的反馈，由此让不同模型相互影响，并根据这些影响更新其对不同文化概念的理解；二是通过多智能体辩论进行协作，即一个模型的多个实例生成响应，然后辩论每个响应的正确性及理由，最后通过这一辩论过程得出一致响应。这两个研究领域都能降低训练和微调模型所需的人力成本。

女性科技终于腾飞

女性科技（FemTech）投资的激增、混合医疗的发展以及丰富的数据让诊断和治疗效果不断改善，促使女性医疗迎来一个拐点。女性科技的崛起不仅将造福女性，还将推动整个医疗系统的发展。

女性医疗并非小众市场。仅在美国，女性每年在医疗方面的开支就超过五千亿美元。她们占人口总数的50%，而在医保消费决策者中的占比达到80%。不过，现代医学一直默认以男性为基础，甚至直到1993年美国国立卫生研究院（NIH）颁布《振兴法案》之后，美国的临床研究才会纳入女性研究对象。月经护理和更年期治疗历来被视为忌讳话题，而且由于女性被排除在临床试验和研究之外，她们的治疗效果往往比男性糟糕得多。

平均而言，女性有多种疾病的确诊时间晚于男性，而且女性心脏病发作后被误诊的风险要比男性高出50%。处方药或许是最能体现不平等的例子：女性使用处方药造成不良副作用的比例明显高于男性。尽管这些数据可能从表面上看来令人担忧，但在云技术和大数据的协助下，对女性医疗（又称女性科技）的投资正在逐步上升。

亚马逊云科技一直与女性领导的初创企业密切合作，亲眼见证了女性科技的发展。仅在去年，相关投资就增长了197%。随着资金、机器学习等技术以及专为女性设计的联网设备不断普及，我们正面临前所未有的变革，这不仅关系到人们对女性护理的看法，也涉及管理方式的转变。Tia、Elvie和Embr Labs等公司展现出利用数据和预测分析提供个性化护理的巨大潜力，无论是居家还是外出，这些公司能为患者随时提供服务。

随着对女性健康需求的偏见逐渐消失，以及更多资金流入该领域，女性科技公司将会继续积极应对以前被忽视的各种医疗状况和需求。与此同时，利用在线医疗平台、便捷可用的低成本诊断设备、以及按需获得的医疗专业服务的混合医疗模式的发展，将大大增加女性获得医疗服务的机会。

Maven等客户已经证明自己是该领域的佼佼者，这些公司打破了心理健康和生理健康之间的界限，向用户提供情感咨询、更年期护理等各种服务。这些平台的不断成熟与普及将促成医疗服务的大众化，借助应用程序和远程医疗平台，农村地区和医疗服务历来不足的地区的女性能更容易地联系到妇产科医生、心理健康专家和其他专家。

NextGen Jane等智能卫生棉条系统正在开发中，这些系统能让女性建立子宫健康档案，确定潜在的疾病基因组标志物并与临床医生无缝共享该信息。可穿戴设备则会为女性用户及其医生提供大量可分析的纵向健康数据。当前，超过70%的女性的更年期症状无法得到治疗，加强教育、提供数据和采用非介入性解决方案将极大地改善治疗效果，而这远远超出了妇产科护理的范畴。

例如，在女足世界杯前夕，约有30名运动员由于备战造成前十字韧带受伤。与传统医学一样，女性训练模式也是以男性训练模式为蓝本，并没有过多考虑到生理因素。因此，女性因前十字韧带受伤而退役的几率是男性的六倍，完全康复并重返赛场的几率也比男性低25%。这也是研究女性特征健康数据将产生重大影响的另一个领域，这样做不仅能预防女运动员受伤，还能全面改善她们的健康状况。

我们正处在女性医疗的拐点。获取大量多样化数据结合计算机视觉和深度学习等云技术将减少误诊，并且有助于最大限度地降低药物副作用，这些副作用对当今女性的影响尤为严重。子宫内膜异位和产后抑郁也将得到应有的重视。我们最终将见证女性医疗从边缘走向前沿。由于女性主导的团队解决众多健康问题的意愿要比男性主导的团队更强，女性科技不仅将惠及女性，也将改善整个医疗系统。