「嗯，这是面部皮屑，」Bordone 告诉他。「这是一个特别糟糕的情况。但问题是它现在为什么会出现并且情况变得越来越糟了。你在头发上使用过什么新产品吗？你有一些异常的家庭压力吗？「

「压力肯定是有一些的，」他说。他最近失业了，正在处理随之而来的财务问题。

「记日记，」她建议到。「我们可以凭此确定二者之间是否有关联，」她开了一个类固醇霜的处方，并让他一个月后再来。

在隔壁房间的是一个年轻的律师助理，他的头皮上起了一片发痒的疙瘩。Bordone 摸他的疙瘩时他赶紧避开了。「脂溢性皮炎，」她说到，结束了这个检查。

另一个房间的女人脱了衣服并穿上医院的病号服。她过去被诊断出患有黑色素瘤，而她做预防措施却很勤奋。Bordone 一个斑点接着一个斑点地检查了这个女人的皮肤。这花了她 20 分钟的时间，但这种检查彻底且全面，她用手指在一片痣与皮赘组成的景观中划过，同时说出诊断结果。有一些痣和角化病，但并没有黑色素瘤或者癌。「看起来一切都很好，」她兴高采烈地说。女人宽慰地叹了口气。

于是乎就是：Bordone 来；她见；她确诊（译注：恺撒大帝描述其胜利时说，「我来；我见；我征服。」）。她不像 Hinton 是只草原狼，而似乎像是一架有些疯狂的越野车，试图用接二连三赶来的病例来跟上时代的步伐。她在里屋中写笔记时，我问她关于 Thrun 对诊断的愿景：一张 iPhone 照片被电邮给一个强大的异地网络，召集了一群无可置疑但不可理解的专家评价。一位全职的皮肤科医生，比如 Bordone，会在她的一生中看到约 20 万个病例。斯坦福的机器算法在大约 3 个月内获取了近 13 万的病例。然而每位新晋的皮肤科医师都需要从零开始，但是 Thrun 的算法却一直都处于获取病例、成长和学习的过程中。

Bordone 耸了耸肩。「如果它能帮助我作出更准确的决定，我会欢迎它，」她说。「我的一些病人在来找我之前会拍下他们的皮肤问题照片，这会增加我的诊所的诊断范围。」

这听起来像是一个合理的回复，而我还记得 Thrun 有关技术增强人类能力的安抚性言论。但是，随着机器学习得越来越多，人类会学习得越来越少吗？这是一些父母所长期焦虑的问题，他们的孩子可以使用手机中的拼写检查功能：如果孩子停止学习如何去拼写怎么办？这种现象被称为「自动化偏见（automation bias）」。当汽车获得自动驾驶辅助时，司机可能变得不那么警觉了，而类似的事情也可能发生在医学领域。或许 Bordone 是一个孤独的 John Henry（译注：他为了保住自己和黑人兄弟们的饭碗而站出来向机器挑战，宁死不向机器屈服。），而现实中的蒸汽钻即将上线。但有一点是无法忽视的，atv，即她自己的关注从未动摇过、她对待手指划过的每一个皮赘和痣时是多么地认真。如果她与一台机器合作，那么她还会这样继续下去吗？

我注意到了 Bordone 与其病人之间的其它互动模式。一方面，他们最后几乎总是会感觉更好。他们被触摸并被仔细地检查；一个谈话就这样发生了。即使是对病变的命名——「痣」、「角化病」——也是一剂心灵润滑剂：心底里有一些对疾病诊断过程的欣慰。那个皮肤重现光泽和弹性的女人，她的焦虑也随之脱落。

还有很多。正如巴西研究员可能已经猜到的，Bordone 会在一瞬间识别出诊断结果。她口中的「皮炎」或「湿疹」，就好像是在识别一只犀牛：当她识别出某一模式时，你几乎可以看到她大脑后下方的神经元角锥状物所迸发出的火花。但诊断还没有结束。Bordone 几乎在每个案例中都会花大量的时间调查病变原因。为什么会出现这些症状？是压力吗？一种新的洗发水？有人改变了游泳池里的氯吗？为什么是现在？

我认识到，在这些临床实践中的最有力的因素，不是了解它或是知道如何去掌握案例的事实情况，或识别出医生们所构建的模式。而是存在于知识的第三个领域中：了解原因。

六

因为解释可浅可深。如你的手指上有一个红色的水泡，因为你碰到了一块热铁；你的手指上有一个红色的水泡，因为烧伤激发了前列腺素和细胞因子的一个炎症级联反应，而其中的调控过程仍然不能被我们完美地解读出来。了解原因、提问为什么，是我们通向各种解释的桥梁，而解释正越来越多地成为掌控医学进步的东西。当 Hinton 谈到棒球运动员和物理学家时，人工或真实人类的诊断医师，将会成为棒球运动员，他们熟练但黑箱。医学研究者将成为医学领域的物理学家，正如来自棒球领域的理论学家一样，但他们有知道「为什么」的渴望。这是一个方便的职责分工，但这是否或许也意味着损失？