讓AI成為藥學發展原的動力
◎文／藥師許博淳
AI和傳統應用程式有什麼差別？若是該程式能夠推理、判斷、創造未知屬性的資料，這才能被稱為AI。反之若是僅在既有資料庫內進行判讀，則不屬之。
舉例來說，常見的車牌辨識功能，因為需要依照非固定格式的照片判斷文字內容，而不是直接輸入，這就屬於最簡單的一種AI。或是最近最火紅的ChatGPT與AI繪圖，則是具有生成與創造文字或圖形的功能。
在藥學上，AI可以幫助藥師提高工作效率和品質，增加藥師的專業和創新。例如，可能可以輸入藥物照片「判斷」藥物外觀是否正確，或是在處方審核方面輸入相關檢驗數值與用藥紀錄「推理」疑義處方。在藥物諮詢方面，則可以運用語言模型「創造」語言對話的諮詢服務。
這樣的機器學習模型是怎麼產生的？目前來說，基礎上大約可分為以下幾種深度學習模型。
監督式學習：藉由大量的輸入資料與輸出資料「訓練」AI，讓其自動生成演算法。開發者僅需判斷這樣的輸出結果對或不對，便可在訓練後得到所需的AI模型。
非監督式學習：藉由輸入資料，讓AI模型發現資料間的相關性或是模式，藉此進行分類或是預測，就如同計算統計回歸直線那樣。
強化學習：此方法不是用來預測正確或錯誤，而是藉由選擇的判斷來讓改善資料，使資料因為不同的決策改變而趨向最佳化。
在訓練了數個深度學習模型之後，根據判斷回饋的資訊調整模型間的權重，組織起來就稱為類神經網路模型，因為就像是神經元般彼此連結並傳遞訊息。最後將演算法應用於推理、判斷、創造上，再依照語言或是圖像等所需類型輸出，組成我們所熟知的AI機器學習模型。
因此，AI對於藥師來說既是一種危機也是一種轉機。危機在於AI可能會取代藥師的部分工作內容，但反過來說AI也可以幫助藥師提高工作效率和品質。因此，藥師應該積極地學習和順應AI的發展，並利用AI提升自己的服務品質和價值。