AI医生、AI律师、AI老师：垂直应用30年

一、开篇：AI 应用比 ChatGPT 老 30 年

很多人以为 AI 应用是 GPT 出圈后才开始的——实际上 AI 在垂直行业的应用始于 1980 年代的专家系统（Expert System）：

• 1980 MYCIN（医学诊断 AI，准确率 65%——比当时的人类住院医生还准）；
• 1981 R1/XCON（计算机配置 AI，每年帮 DEC 节省 4000 万美元）；
• 1985 Tax Advisor（税务 AI）；
• 1990 CADUCEUS（医学诊断 AI）；
• 1997 深蓝击败卡斯帕罗夫（国际象棋 AI）。

到 2026 年，AI 医生、AI 律师、AI 老师已经从”实验室玩具”变成”行业基础设施”。本文梳理这 30 年的演变。

二、AI + 医疗：从 MYCIN 到 AlphaFold

2.1 第一代：医学专家系统（1970s – 1990s）

MYCIN（1972 – 1976）

斯坦福大学 Edward Shortliffe 主导开发的医学专家系统：

• 未商用原因：当时的医院不愿采用 AI 处方建议 + 监管限制。

MYCIN 的真正意义：证明了 AI 可以达到人类专家水平，但商用需要制度配套。

INTERNIST（1970s）

匹兹堡大学开发的内科诊断系统：

• • 覆盖 600+ 疾病；
  • 但因知识工程瓶颈（手工录入医学知识）未能扩展。

CADUCEUS（1980s）

升级版 INTERNIST，但因医学知识工程无法跟上医学发展而停滞。

2.2 第二代：机器学习医学影像（1990s – 2010s）

• • 1990s 统计学习算法（贝叶斯网络、SVM）开始用于医学影像分类；
  • 2000s 深度学习开始进入医学影像领域；
  • 2012 – 2017 ImageNet 启发的 CNN 用于 X 光、CT、MRI 影像分析；
  • 2017 – 2020 AI 医学影像诊断准确率达到人类放射科医生水平。

2.3 第三代：AlphaFold 革命（2020 – 至今）

AlphaFold 2（2020）：DeepMind 解决 50 年生物学难题：

• • 准确预测蛋白质 3D 结构（之前最佳 40 分，AlphaFold 2 达到 92 分）；
  • 2021.7 公开 35 万种人类蛋白质结构；
  • 2022.7 公开 2 亿种物种蛋白质结构；
  • 直接加速新药研发——从 5 年缩短到 1-2 年。

2.4 第四代：生成式 AI 医疗（2023 – 至今）

• • GPT-4 医学考试——美国医师执照考试（USMLE）超过及格线；
  • Med-PaLM（Google，2023）—— 首个医疗专用大模型；
  • Hippocratic AI（2023）—— 医疗 AI agent 公司，估值 5 亿美元；
  • AI 医学影像公司：Tempus、Arterys、Zebra Medical；
  • AI 辅助诊断：皮肤癌、乳腺癌、肺结节、糖尿病视网膜病变。

2.5 真实挑战

• 数据隐私：HIPAA 法规限制医疗数据使用；
• 责任归属：AI 误诊谁负责？医生、AI 公司、医院？
• 监管路径：FDA 2024 年通过 950+ AI 医疗器械；
• 临床验证：需要大规模临床试验证明 AI 优于人类。

三、AI + 法律：从法律检索到 AI 律师

3.1 第一代：法律专家系统（1980s – 2000s）

法律检索系统（1980s – 2000s）

• • LEXIS（1970s 上线）—— 法律条文 + 判例检索数据库；
  • Westlaw（1975）—— 法律检索；
  • 1980s 专家系统：TAXMAN（税务）、LRS（法律推理）；
  • 局限性：只能检索，不能生成新内容。

3.2 第二代：电子取证 + 文档审查（2000s – 2010s）

• • 2000s 法律电子取证（e-discovery）AI；
  • 2010s 文档审查 AI（contract review、due diligence）；
  • 2018 Legaltech 创业公司兴起（ROSS Intelligence、Casetext）。

3.3 第三代：生成式 AI 法律（2023 – 至今）

生成式 AI 改变法律行业的 5 个方向：

1. 法律检索 + 摘要——GPT-4、Claude 帮律师快速理解案件；

2. 合同起草 + 审查——Spellbook、Ironclad、Lexis+ AI；

3. 诉讼策略分析——Litiigate、Bluebook AI；

4. 法律研究自动化——Westlaw Precision AI、Lexis+ AI；

5. AI 法律助手——面向消费者的 DoNotPay（已转型）、Lawhive。

3.4 真实案例

• • 2023.11 全球首位”AI 律师”——DoNotPay 公司计划让 AI 在法庭上为客户辩护（被美国法院拒绝）；
  • 2024 全球顶级律所（Allen & Overy、Hogan Lovells、Wachtell）全面部署 Harvey AI；
  • 2024.10 美国律师事务所因 GPT-3 编造判例被罚款（已发生多起）。

3.5 真实挑战

• 幻觉问题——AI 可能编造法律条文或判例（已被多起案件证实）；
• 执业资格——AI 不能作为律师（美国法院明确拒绝）；
• 客户机密——上传合同到 AI 可能有数据泄露风险；
• 监管路径：美国律师协会、各州法律协会正在制定 AI 使用规则。

四、AI + 教育：从智能辅导到 AI 老师

4.1 第一代：智能辅导系统（1980s – 2000s）

• • 1980s 美国匹兹堡大学开发的 Algebra Tutor——首个数学智能辅导系统；
  • 1990s Carnegie Learning 商业化智能辅导系统；
  • 2000s Knewton（自适应学习平台）—— 大规模部署；
  • 特点：基于知识图谱 + 自适应算法，但功能单一。

4.2 第二代：MOOC + 自适应学习（2010s）

• • 2012 Coursera、edX、Udacity 上线——MOOC 时代开启；
  • 2015 Knewton 被收购（2.35 亿美元）；
  • 2018 Khan Academy 推出 Khanmigo（GPT-4 驱动的 AI 辅导老师）；
  • 特征：内容规模大 + 个性化弱。

4.3 第三代：AI 辅导老师（2023 – 至今）

生成式 AI 改变教育的 5 个方向：

1. 个性化辅导——AI 老师 1v1，按学生水平定制教学内容；

2. 作业批改——自动批改作文、代码、数学；

3. 虚拟助教——7×24 回答学生问题；

4. 自适应测评——实时评估学生水平，调整难度；

5. 教师辅助——帮老师备课、出题、改作业。

4.4 商业化产品

• • Khanmigo（Khan Academy，2023）—— AI 辅导老师；
  • MagicSchool（2023）—— 教师 AI 工具；
  • Squirrel AI（中国，2014 创立）—— 智适应学习；
  • Speak（韩国，2024）—— AI 英语口语老师；
  • Speakly AI（荷兰，2024）—— AI 语言学习。

4.5 真实挑战

• 教育公平——AI 辅导可能拉大城乡/贫富差距；
• 教师角色——AI 不能替代教师的人文关怀；
• 隐私保护——学生数据安全（COPPA、FERPA 法规）；
• 学术诚信——学生用 ChatGPT 写作业（多起教育机构调查）。

五、垂直 AI 应用的共性规律

5.1 三阶段规律

任何垂直行业的 AI 应用都经历：

1. 第一代专家系统（1980s）—— 手工知识工程，覆盖窄，准确率高但难扩展；

2. 第二代机器学习（2010s）—— 数据驱动，覆盖广，但缺乏推理能力；

3. 第三代生成式 AI（2023 至今）—— 大模型 + 行业数据 + 推理能力，覆盖更广且更准。

5.2 真实挑战

每个垂直 AI 应用都面临三个挑战：

• • 数据：垂直行业数据少、标注贵、隐私敏感；
  • 责任：AI 决策出错谁负责？医生/律师/老师 + AI 公司 + 监管；
  • 监管：医疗 FDA、法律 ABA、教育教育部——监管路径各不相同。

5.3 商业模式

垂直 AI 应用的商业模式：

1. SaaS 订阅——律所/医院/学校按月付费；

2. API 调用——按 token / 推理次数付费；

3. 结果付费——按诊断准确率/胜诉率付费；

4. 混合——订阅 + API + 定制化服务。

六、未来 5 年：垂直 AI 应用的爆发点

6.1 医疗

• • AI 病理诊断——比人类病理学家更准；
  • AI 药物发现——把新药研发时间从 5 年缩短到 1-2 年；
  • AI 临床决策——CDSS（临床决策支持系统）成为标配；
  • AI 健康管理——可穿戴 + AI 实时监控健康。

6.2 法律

• • AI 律师助理——替代 50% 律师助理工作；
  • AI 合同生成——95% 标准化合同由 AI 生成；
  • AI 法律检索——彻底改变法律研究方式；
  • AI 仲裁/调解——AI 在线解决小额纠纷。

6.3 教育

• AI 辅导老师——每个学生都有 1v1 AI 老师；
• AI 教学设计——AI 帮老师设计个性化课程；
• AI 评估——实时评估学生学习状态；
• AI 教师培训——帮教师掌握 AI 工具。

七、结语：AI 不替代专业，而是重新定义专业

回到 1980 年——MYCIN 证明了 AI 可以做医学诊断；到 2026 年，AI 医生、AI 律师、AI 老师已经成为行业基础设施。

AI 在垂直行业的应用史告诉我们：

• AI 不替代专业——AI 重新定义专业的工作方式；
• 专业 + AI = 更高质量、更广覆盖、更低成本——这是垂直 AI 的真正价值；
• 监管 + 责任 + 隐私——是垂直 AI 必须解决的三大挑战。

未来 5 年，垂直 AI 将从”工具”变成”基础设施”——专业服务行业将经历自工业革命以来最深刻的变革。