談起人工智慧，深耕AI多年的諸多各大科技公司，自始至終不斷關注能將技術實際落地於醫療產業發展中，尋找發展的機會與應用。
國際科技巨頭的角色，究竟是會擴大科技公司大者恆大的局面，或是會為其他新進者提供基礎建設？於風傳媒所舉辦的『生態圈變革 – 台灣醫療AI趨勢與實踐』論壇中，亞馬遜網路服務公司（Amazon Web Services, AWS）分享了在醫療照護領域上的各種成功案例，及對於人工智慧的發展觀點。
2006年，全球最大的五間企業包含石油公司、銀行業、軟體業……等，但是12年後的現在，全球最大的五間企業分別是Apple、Alphabat、微軟、亞馬遜與facebook，清一色都是技術背景的公司。
科技公司的影響力無遠弗屆，服務的範圍自個人用戶至全球各產業的企業用戶，醫療產業也不例外。在醫療產業與人工智慧結合的過程中，究竟科技公司居中扮演了什麼樣的角色呢？
提早辨識病症、加快分析速度，以AI克服勞力密集問題
根據WTO統計，擁有糖尿病的患者，在五年內失明的比例大約是17%，20年內失明的比例大約是63%。由於初期在外表上沒有什麼明顯的分別，但是眼球背後的血管正在被逐步破壞，因此這個狀態最需要的是早期發現問題。
在亞馬遜跟史丹佛大學的合作中，亞馬遜分享 deep learning的演算法給史丹佛，史丹佛則是提供各種不同階段的眼部影像給亞馬遜進行演算法的訓練。經過訓練的演算法比起專業醫生來大約有95%的準確度，透過這樣的工具，大量避免了未能早期發現失明症狀的情況。
亞馬遜與Arterys的合作則是另一個經典案例。這間美國的公司主要進行心血管的檢查，它們將核磁共振的資料放上亞馬遜的雲端平台，在15秒內就能產出檢查報告；如果透過傳統醫生來判讀報告，則需要30至60分鐘才能完成；在此過程中，亞馬遜使用了幾千份影像去進行machine learning，抓出了1000多個不同的規則來進行判斷，直到正確率和醫生一樣高後才正式推出。
對於亞馬遜而言，AI的重點並不在於取代醫生，而在於創造更好的服務：透過AI，把過去勞力密集的狀況給解除掉，讓醫生可以把專業放在更好的地方。
人工智慧發展的瓶頸？「規模」是關鍵因素
想要透過人工智慧產出有意義的結果，其中一大關鍵在於「規模」。要進行machine learning或deep learning需要大量的資料，但儲存在機房資料很難移轉到另一個平台去進行訓練，或是可能機房本身也不夠大、不足以儲存巨量資料。
有了資料要進行訓練，則是電腦運算力的問題。繪圖處理器（graphics processing unit, GPU）的價格高昂，對許多企業來說是非常大的投資；為了任務性訓練人工智慧，往往也有企業購買了大量GPU，進行兩個月的training後，就把GPU放在機房沒再使用了。
因此在人工智慧的發展過程中，訓練演算法的方法及工具已存在，但對於許多組織而言依舊非常遙遠，在醫療領域也是如此。好的技術能改變我們的生活，但好的技術通常都存在於大公司之中，這是科技發展的一大困境。
未來已經到來，只是分配並不平均
AWS現今的服務內容，來自於大約12年前，亞馬遜一項「將IT服務轉變為產品提供外部使用」的專案，透過這項專案，亞馬遜希望將AI的權力下放，讓入門門檻比較高的人工智慧領域，能讓所有人都有機會能夠參與。
在數據方面，藉由過往10多年的經驗，亞馬遜協助客戶將數據移轉至亞馬遜的雲端平台，也有許多新的客戶的數據原始就儲存在亞馬遜之中，以便進行演算法的訓練；GPU的運算力也是採用租用的方式，讓各種不同組織可以因應需求來選擇合適的方案。 （相關報導： 冷冰冰直言「你只剩３個月可活」？醫療資訊專家：沒有同理心，無法談人工智慧 ｜ 更多文章 ）
科技的高速發展帶給人們更多的可能性，但技術向少數大公司集中的現況及趨勢，是否有可能改變呢？著名科幻小說《神經漫遊者》的作者 William Gibson 曾說過這樣一句話：The future is here, it's just not evenly distributed yet. （The Economist, December 4, 2003）亞馬遜作為手握頂尖科技的產業龍頭，能否成功為更多人帶來發展人工智慧的「自由」與「選擇」，對於人工智慧在醫療產業中的推展將是相當關鍵的因素。
