引子：一个夜晚的互联网之旅
晚上10点，你打开手机——你习惯性地在微信里搜索「骨质疏松最新指南」，突然发现搜索结果不再是死板的标题列表，而是一段组织好的摘要，甚至帮你对比了中外指南的差异。你愣了一下：这是什么时候变的？
接着刷短视频。平台推送了一个你从未关注过的骨科手术教学视频，三维动画精美得像是好莱坞特效——你刷了三遍才划走。然后你突然意识到：今天下午你才在医院和同事讨论过这个术式，根本没在任何地方搜过。它怎么知道的？
最后你用ChatGPT润色了一份科室培训通知，看着AI在三秒之内改完了你斟酌了半小时的措辞，你感叹了一句：AI已经渗透到了你每一次点击、每一次搜索、每一次阅读里。
而这些场景背后的AI技术，大多数医生并未真正理解。 这一章，我们拆开看看。
24.1 搜索变了：从关键词到「懂你」
24.1.1 搜索引擎的三次革命
你记忆中的搜索可能是这样的：输入「骨折 康复 饮食」，出来一堆不相干的网页，你需要自己去辨别。这叫关键词匹配——搜索引擎不理解你的意图，只是把包含这几个词的网页找出来。
但2024年，搜索正在经历一场比Google诞生更深刻的变革：
阶段 方式 体验 典型产品
第一代
（1998-2015）
关键词匹配
+链接排序
给你一堆蓝链接，
自己找 Google、百度
第二代
（2015-2023）
知识图谱+结
构化结果
部分问题直接出答
案
Google知识图谱、百度百
科卡片
第三代（2023-）大模型驱动的
语义搜索
理解你的意图，直
接生成答案
Perplexity、New Bing、
Google SGE
24.1.2 Perplexity：搜索的iPhone时刻
在第三代搜索中，最值得关注的是一个叫Perplexity的产品。它的工作方式是：
你提问「非甾体抗炎药长期使用的心血管风险」
它同时搜索多个网页和学术数据库它把信息综合成一篇小综述，每个结论都标注来源你可以追问细节，它记住上下文继续回答对医生来说，这相当于有了一个实时更新的UpToDate，但信息来源更广、反应更快。
24.1.3 Google和Bing的应对
2024年，Google在搜索结果中加入「AI概览」（AI Overviews，原SGE），Bing则深度整合了GPT-4。它们在搜索结果顶部直接生成摘要，使得传统「点击链接 → 阅读 → 找答案」的流程被压缩成「看一眼就得到答案」。
功能 Perplexity New Bing Google SGE
AI生成答案 ✅ 核心功能 ✅ ✅
来源标注 ✅ 每条引用 ✅ 部分标注 ✅ 部分标注
追问能力 ✅ 极强 ✅ 强 ❌ 较弱
学术文献检索 ✅ w 一般 w 一般
中文支持 ✅ ✅ w 有限
24.1.4 语义搜索的底层原理
传统搜索和AI搜索的最大区别：传统搜索是「匹配字符」，AI搜索是「理解语义」。
举个例子——你搜索「髋部骨折术后多久能走路」。传统搜索会匹配「髋部」「骨折」「术后」「走路」这些词。AI搜索会理解你实际想问的是「股骨颈/转子间骨折术后负重时间窗与康复方案」，并据此组织答案，甚至把你不小心忽略了的下肢深静脉血栓预防也一并列出来。
24.2 推荐算法：为什么你停不下来？
24.2.1 推荐的三个阶段
如果你曾困惑「抖音怎么总是给我推我感兴趣的东西」，答案不是它监视了你的麦克风（那是都市传说），而是推荐算法不断在进化。
阶段 技术 原理 体验
第一阶
段 协同过滤 「和你相似的人也喜欢」 还算准，但容易「信息茧房」
第二阶
段
深度学习推
荐 分析你所有行为，建模你的偏好非常精准，容易上瘾
第三阶
段 大模型推荐 不仅知道你喜欢什么，还知道「为
什么」 近乎「读心」，难以抗拒
24.2.2 抖音如何让你停不下来？
抖音的推荐系统是当代行为工程学的杰作。它做的不是「给你看你想看的内容」，而是持续调整你的兴趣模型。具体机制：
第一秒：冷启动你新注册后第一秒，系统对你一无所知。它给你推「爆款」
——那些被大多数人喜欢的内容。这是测试阶段。
前三分钟：快速画像
系统记录你的每一个细微行为：
- 完整看完了？（兴趣强）
- 点赞了？（正向反馈） -
划走了？（不感兴趣）：
- 看了5秒才划走？（犹豫了，下次再试试类似的）
- 反复回看
某一段？（这才是你真正的兴趣点）
你不经意间的每一个动作，都在给系统「标注」你的偏好。三分钟，足以让一个全新的推荐系统对你建立初版画像。
三天后：深度建模这时候抖音已经知道：你喜欢骨科手术视频（尤其是膝关节镜），对中医推拿不太感冒，刷到医患沟通技巧会多看两眼，幽默搞笑类只偏好冷幽默。它甚至知道：
- 你工作日午休时爱看短的，晚上睡前爱看长的
- 你焦虑时会刷知识类，无聊时刷娱乐类 -你在某些视频下停得更久，虽然你没点赞多模态信号：抖音不仅分析你的行为，也在分析视频的内容——画面、音频、文字描述。当它发现一个骨科手术视频的「点击-完播」模式和你相匹配，即使视频发布者只有10个粉丝，它也会推给你。
24.2.3 大模型推荐：下一阶段
2024年起，推荐系统开始引入大语言模型。变化在于：
传统推荐：「这个用户和那个用户行为相似 → 推相似内容」 大模型推荐：「这个用户在学膝关节镜，因为他最近搜索了半月板撕裂，且上一个教学视频他在缝合步骤反复回看 → 推半月板缝合的进阶技巧」
它不只是统计行为相似性，而是理解你行为的因果链。
24.3 AIGC：AI不只「理解」，更能「创造」
24.3.1 AIGC是什么？
AIGC（AI Generated Content）即「AI生成内容」。如果说此前20年的AI主要在做「识别」（识别人脸、识别病变、识别语音），那么2023年之后的AI标志性特征是「生成」
——创造从未存在过的文字、图片、视频、音乐。
24.3.2 文本生成
工具 定位 典型应用 对医生的价值
ChatGPT通用对话 写作、翻译、总结、头脑风
暴
论文润色、患者教育材料、科室
文案
Claude长文本处
理 分析整本书/长篇文献 文献综述、指南解读
Jasper营销文案 广告、社交媒体 科室品牌宣传、科普文章
Kimi 中文长文
本 20万字上下文 中文长篇文献分析
对医生来说，文本生成AI最实用的功能排序： 1. 中英文互译+润色：投稿国际期刊的
刚需：
- 患者教育材料生成：根据诊断生成通俗易懂的健康指导
- 病历摘要：长病历
快速提取要点 4. 文献初筛：读完摘要帮你判断要不要精读全文
24.3.3 图像生成
| 工具 | 特点 | 典型场景 |
|---|---|---|
| Midjourney审美最好，生成质量最高 | 医学插画、科普海报、教学示意图 | |
| Stable | Di0–usion开源、可本地部署 | 需要隐私控制的图像生成 |
| DALL-E | 3与ChatGPT深度集成论文配图、流程图生成 | |
| Adobe | Fire0‡y版权安全（用授权素材训练）商用设计 |
Midjourney最让人惊叹的是它的审美能力。你不需要懂设计，只需要用自然语言描述你想要的图：
A detailed anatomical illustration of the knee joint showing the anterior cruciate ligament, medical textbook style, clean white background, labeled in English生成的图像质量已经可以用于学术展示甚至出版物配图。
24.3.4 视频生成：可能改变一切
2024年2月，OpenAI发布Sora——仅凭文字描述就能生成长达一分钟的逼真视频。
随后，中国的可灵（Kling）、Runway的Gen-3等产品密集跟进。
| 工具 | 能力 | 状态（2024） |
|---|---|---|
| Sora（OpenAI）文字 | → 视频，1分钟 | 已公开 |
| 可灵/Kling | 文字 → 视频，2分钟 | 已开放 |
| Runway | Gen-3文字 → 视频+视频编辑 | 已商用 |
| Pika | 快速短视频生成 | 已商用 |
对医学教育的影响可能极具革命性：你用文字描述一个手术步骤，AI生成高清三维手术演示视频——不需要拍摄团队，不需要动画公司，不需要模特。
24.3.5 音乐与音频
| 工具 | 能力 | 代表场景 |
|---|---|---|
| Suno | 文字 → | 完整歌曲（含歌词+编曲+人声）科普歌曲、患者教育配乐 |
| Udio | 文字 → 音乐（质量更高） | 专业级配乐 |
| ElevenLabs文字 | → 自然语音 | 有声科普、多语言教学音频 |
24.4 电商AI：买东西的方式也在被重写
24.4.1 AI客服：24小时在线的「不知疲倦的店员」
2024年，主流电商平台的客服已经有相当比例由AI驱动。和过去僵硬的关键词匹配客服不同，大模型驱动的客服能：
理解模糊描述（「我需要一个护膝，去年打球伤过半月板」）
追问确认需求（「您是前交叉韧带稳定型还是单纯缓冲型？」）
推荐合适产品并解释理由处理退换货流程关键变化：AI客服从「成本中心」（取代人工降低成本）变成了「增收中心」（比人类客服转化率更高，因为从不疲惫、永不错过线索）。
24.4.2 虚拟试穿
Google的AI虚拟试穿（Virtual T ry-On）让用户输入自拍照片后，直接在模特身上看到自己穿某件衣服的效果。类似技术在医疗领域的一个潜在落地：
矫形器具的远程适配——用户拍照上传，AI分析体态/步态，推荐合适尺寸的护具或矫正鞋垫，并模拟佩戴效果。
24.4.3 智能定价
电商平台的定价正在从「人工定价」 → 「规则定价」 → 「AI定价」进化。AI定价同时考
虑：
- 竞争对手的价格
- 用户的购买历史和价格敏感度
- 库存压力
- 季节性因素
- 宏
观经济指标你看到的「限时优惠」「为你推荐」，背后可能都是AI在实时计算最优价格。
24.5 对医生的启示：你看不见的AI，正在重塑你的信
息世界
启示一：你的知识获取方式已经变了
十年前，医生的知识更新路径是：看教科书 → 翻期刊 → 参加学术会议。今天是：搜索 → AI概览 → 推荐推送 → 社交媒体。
你上一次主动翻期刊找一篇论文是什么时候？而你上次在朋友圈/公众号/视频号里读到一篇医学内容又是什么时候？
你读到的内容、读到的方式、读到的时机，都是AI算法决定的。
这带来的风险是：
- 算法倾向于推送你「喜欢」的内容，而不是你「需要」的内容 -「信息茧房」在医学领域尤为危险——你只看到支持你观点的证据，看不到反面
- 推送的内容质量参差不齐，但标题都足够诱人
启示二：理解推荐才能不被推荐「喂养」
推荐算法没有恶意，但它有「目的」
——最大化你的停留时间。这和你的「目的」
——高效获取可靠信息——之间存在不可调和的张力。
简单对策：
- 对搜索，优先使用带来源标注的AI搜索（如Perplexity）
- 对推荐，有
意识地打破「习惯性滑动」
——定期搜索不熟悉的领域 - 对内容，建立「信源金字塔」：一手文献 > 权威指南 > 专业媒体 > 社交媒体
启示三：AI工具正成为医生的「第二大脑」
这可能是本章最重要的一点。
你已经在用的搜索、你刷到的推荐、你读到的AI生成内容 这些不是「外面」的事情。它们是嵌入你日常工作流的工具。
一个有AI素养的医生和一个没有AI素养的医生，面对的信息质量差距正在急剧拉大。
前者用Perplexity做文献综述，用ChatGPT润色论文，用Midjourney做教学插图；后者还在一个一个网页翻、一个字一个字改。
这不是技术能力的差距，是认知能力的差距。
启示四：你的患者也在用AI
作为医生，你的患者搜索病症信息的方式已经彻底变了。他们不再只看百度百科。他们用AI搜索症状，用AI解读检查报告，用AI生成饮食建议。
这意味着：
- 患者带着AI给的「预诊」来见你，可能是对的，也可能是AI的幻觉
- 你
需要学会对患者说：「AI的建议有一定参考价值，但我们需要实际检查来确认」 - 你可能需要比你的患者更了解他们用的AI工具
24.6 本章小结
章节 核心内容 一句话
24.1 搜索变革关键词 → 语义 → AI直接生成答案搜索从「找链接」变成「给你答案」
24.2 推荐算法协同过滤 → 深度学习 → 大模型推
荐你的每一次滑动都在训练关于你的模型
24.3 AIGC文本ChatGPT/Claude/Jasper/
Kimi 论文润色、患者教育、文献初筛
24.3 AIGC图像Midjourney/SD/DALL-E 3医学插画和教学图不用花钱找设计
师了
24.3 AIGC视频Sora/可灵/Runway文字描述即可生成手术演示视频
24.3 AIGC音乐Suno/Udio 配乐、科普歌曲，降低创作门槛
24.4 电商AI客服/试穿/定价 AI重构了人-商品-价格的匹配
24.5 对医生的启
示 信息世界已被AI重塑 理解AI才能不被AI「喂养」
24.7 延伸思考
你最近一次搜索医学问题，用的是传统搜索引擎还是AI工具？如果还没用过Perplexity或New Bing，试着用同一个问题对比一下——结果有什么不同？
刷短视频时，你有没有意识到自己「被引导」着看了什么？如果让你做一个实验
——故意搜索和点击你不感兴趣的医学领域三天——你的推荐流会发生什么变化？
想象五年后：你早晨打开手机，AI搜索整理好了昨晚新增的3篇膝关节相关研究，推荐算法推了一条来自全球顶级的关节置换AR教学视频，你用AI生成了一份患者教育动画——这一切已经是日常。你最期待的是哪一步？
本章初稿，待浩哥审阅。