哈佛商业评论的一篇近期文章强调了一个关键问题：通用人工智能在医疗保健领域常常面临挑战，因为它缺乏上下文、细微差别和专业知识。 模型可以读取图表，但仍然可能误解关键信号在实践中的实际含义。 结论很明确：人工智能不仅需要更多的数据，还需要高质量、经过验证的、领域特定的数据。 没有强大的数据基础设施，即使是强大的模型也可能产生危险的错误。 这就是新的基础设施层的重要性所在。 像Perceptron这样的分布式生态系统旨在支持数据、模型和输出可以持续评估、验证和改进的环境。 人工智能的未来不仅取决于对模型的访问，还取决于其背后的数据质量和用于验证它们的系统。 🔗来源：