”大多数对 Watson 的批评，即便是来自 MD 安德森，并不认为 Watson 的技术本身存有缺陷。批评的焦点集中于 IBM 对 Watson 的进展过于乐观的估计和宣传：四年过去，IBM 并没能拿出哪怕一样能在患者身上临床使用的工具，现有的全在初步测试阶段。“

医学界对 MD 安德森事件反映出的 Watson 项目的问题，有美国癌症研究所编辑（JNCI） Charlie Schmidt 写道：

“德州大学事后对该项目的审计暴露出许多采购问题、成本超支以及延期。虽然这次审计并不涉及 Watson 的技术基础和功能，但它描述了一些把 Watson 纳入医院系统遇到的挑战。熟悉 Watson 肿瘤科室应用的专家，指出该系统在‘吸收’手写的病例报告、医生笔记或者其它涉及大量文字的医疗信息上存在诸多问题。”

2011 年 Watson 参加 Jeopardy!

Watson 的弱点

在 2011 年的美国答题秀节目 Jeopardy! 上，Watson 击败两位前答题冠军，使得“IBM Watson”的大名变得家喻户晓（至少在美国）。去年的 AlphaGo 大战李世石与之仿佛。然而，在接下的几年，IBM 并没有发布该平台的新版本，比如一个大幅升级的‘Watson 2.0’，而是选择了渐进式的微幅技术提升。

相比之下，谷歌、微软、Facebook、亚马逊等其它 AI 领域巨头们产品革新的速度就显得太快了。

沉寂了这么多年后，大众对 Watson 的信心在一点一点动摇。嗅觉敏锐的风险投资人也在不停嗅着 Watson 的弱点。

Watson 的确有弱点：

它需要多个月极费人力的训练，需要专家把海量整理好的数据喂给平台，让它能够从中得出有价值的结论。另外，它仅能根据训练过的数据得出结论。

其中，Watson 对“整理好的”数据这项要求，格外难办。Watson 客户不得不雇佣整队专家咨询师准备数据集，费时费力不说，最受不了的是费钱。

Watson 还无法在多个数据体（corpora）之间建立连接。因此，即便是最基本的规律，只要不在单个数据体以内，也无法收集到。举个例子，在肿瘤学上训练 Watson，它不会懂得任何与心脏病有关的东西。这极大限制了 Watson 在临床环境的应用。

一组 Booz Allen Hamiltonnull 专家，以及MD 健康事务博客对该挑战进行了解释：

“在医护工作日常涉及的复杂决策中，人类智能比机器学习应用的效果好得多。原因很简单：机器尚无成熟的感知、推理、解释能力。另外，虽然近几年 AI 取得了非常大的进步，即便是最顶尖的机器学习算法，也无法达到临床决策所需要的敏感度、特异性和精确度（即正预测值）。

只凭单个 EHR（电子病历） 供应商的分析解决方案，以及在自身停留在大数据时代前陈旧的分析基础设置，医疗组织能实现的进展恐怕有限。”

他们并没有指明说的是 Watson，然而明眼人都看得出来。同时他们认为，Watson （或类似平台）尚有许多值得挖掘的应用场景：

“虽然许多机器学习解决方案尚不成熟，其先进程度也不足以支持复杂的临床决策。在今天，机器学习仍可以高效地部署在减少日常的费时且浪费资源的琐碎工作，把更多医护工作者的时间解放出来去做更高级的工作。”

最后，他们解释了最有可能产生有价值 AI 医疗创新的路径——开源。而 Watson 显然不属于这类：

“现在的前沿机器学习解决方案，不管是通用型还是医疗专用型的，都在飞速进化。它们可能出自于初创公司、技术巨头，也可能来自创新的医疗体系。许多这些方案是开源的，任何人都可以用。”

今天的 Watson，本该是什么样子？

从 MD 安德森事件可看出，IBM 在 Watson 上犯了一个在互联网圈颇常见的错误：说得多，做得少。David Freedman 注意到，IBM 在 2013 年就宣称“一个新的计算时代已经来临”，并且给了福布斯“Watson 解决了临床测试难题”的印象，让人以为在几个月的时间里 Watson 就能进入临床治疗，为现代医疗带来革新。

至于关键的问题——Watson 到底能不能用于临床治疗，Bessemer Venture Partners 成员 Stephen Kraus 认为“很难”：

“不可能在现在发生，五年内可能也不行，而且它也不会取代医生。”