Alphabet Transcription Services 創始人表示，醫學轉錄員必須避開人工智慧以挽救生命

研究證實了她的見解。 根據這篇文章，人工智慧系統依靠訓練數據集來「學習」如何轉錄對話。 如果該數據帶有對特定口音的偏見，則生成的轉錄將不太準確。 作者建議醫療保健提供者，「如果收集的數據有偏見，也就是說，它針對特定種族、特定性別、特定年齡組，那麼生成的模型就會有偏見。」

製藥行業每天都在變化，新的藥品和法規也在不斷推出。 了解這個專業行業需要大量的知識和專業知識。 需要定期將新數據引入人工智慧，並且同樣不能在不同種族、性別和口音之間存在偏見。 為了讓人工智慧保持其完整性，需要從英國各地的不同地區引入這些數據，以便學習和維護所有方言。

更有說服力的是 TechCrunch 的一篇文章，該文章報道了語音識別公司 Speechmatics 在轉錄重音語音方面取得的進展。 正如作家 Devin Coldewey 指出的那樣，Speechmatics 最新的人工智慧轉錄模型在分析黑人聲音時的準確率僅為 82.8%。 根據丹尼斯的說法，當生命受到威脅時，這根本是不可接受的，比如製藥——甚至是法律——的轉錄。 「因為我們與很多製藥客戶打交道，我們發現藥物名稱和疾病在 AI 生成的轉錄本中通常拼寫不正確。 他們甚至會忽略一種藥物是品牌葯還是仿製葯。 我們的一些客戶要求逐字記錄他們的某些部分，這對 AI 轉錄模型來說更是一個挑戰，」她補充道。

推薦的 AI 新聞：FoundriesFactory 支持 Arm 的 Cassini項目以實現安全生產邊緣部署

82.8% 的比率僅適用於非裔美國人的口音。 TechCrunch 的文章承認，即使是像 Speechmatics 這樣的前沿模型，也只能對南部非洲、蘇格蘭、菲律賓和印度口音做出「小而顯著的改進」。 丹尼斯指出，隨著英國國家衛生服務 (NHS) 報告稱，近 15% 的 NHS 工作人員來自英國以外的國家，這應該在考慮人工智慧轉錄的醫療保健提供者中敲響警鐘。

這些並不是唯一顯示人工智慧轉錄不準確的研究。 2010 年的一項研究發現，使用 AI 進行轉錄時的錯誤率略高於 23%。 它還繼續指出，人工智慧無法跟上自發的人類言語和話語並確定地轉錄它們。 在處理人類生活時，這種誤差幅度太大了。

推薦的 AI 新聞：網路自動化的興起為 5G 帶來巨大的增長機會

由於使用了不同的方言和行話，不僅在英國的不同國家，而且在英國各個國家的不同地區，人工智慧很容易誤解人類容易理解的評測。 僅首字母縮略詞在製藥行業內各不相同，這不是人工智慧目前可以確定的。

丹尼斯·埃爾斯登 (Denise Elsdon) 以她對將人工智慧翻譯軟體用於製藥應用程序的危險的看法對這一點進行了最好的總結。 她說：「總而言之，沒有什麼比人耳和深入研究更準確的了。 這些因素都是語音識別軟體所缺乏的。 出於這個原因，Alphabet Transcription Specialists 將繼續聘請專業的人工轉錄員，為我們的製藥客戶提供精確的準確性。」

推薦的 AI 新聞：完整的 Verkada 平台現已在英國和歐洲推出

[To share your insights with us, please write to sghosh@martechseries.com]

Alphabet Transcription Services 創始人表示，醫學轉錄員必須避開人工智慧以挽救生命的帖子首先出現在 AiThority 上。