不过，这个问题可以伴随我们一起成长。Hinton 表示：“想象在某场比赛中，一名棒球运动员与一名物理学家比赛来猜球会在哪落地。棒球运动员在训练和比赛中一次又一次的练习抛球，他可能不了解任何方程式，但是他知道球到底会有多高、能达到多大的速度以及它会落在哪里。当然，物理学家也可以通过方程式来判断同一件事物。虽然方式方法不同，但两者能得到同样的答案。”
虽然前途光明，但在此前的乳腺 X 射线检测中，计算机辅助系统的表现却非常令人失望。因此，任何新系统都必须通过严格的临床测试完成评估。不过，Hinton 也强调，新的智能系统是为了从其错误中吸取教训，从而随着时间的推移而不断改进。“我们需要搭建一个能搜集每个错误诊断的系统，并将其反馈到机器学习系统中。到时我们就能询问机器，这里你遗失了什么？能改进下自己的诊断结果吗？放射科医生现在还享受不到这样的系统。如果你遗漏了某件事，导致 5 年后你的一个病人患上了癌症，这时没有系统的例行程序来告诉你如何纠正自己，但你可以在系统中建立这种机制来教计算机完成这一任务。”
眼下，一些野心最大的机器学习诊断算法在试图整合自然语言处理技术（好让计算机能读懂病例）和从教科书、期刊和医学数据库获得的医疗方面的百科知识，著名的 IBM 和 DeepMind 都是其中的佼佼者。笔者见过多个系统的演示，但它们的许多功能，特别是与深度学习有关的，都还在开发中。
Hinton 对未来的深度学习诊断充满热情，这份热情的来源有一部分就是他自己的经验。在 Hinton 开发此类算法时，他的夫人被发现得了晚期胰腺癌。祸不单行，Hinton 的儿子也被查出得了恶性黑色素瘤，但随后活检结果显示该病变是一个基底细胞癌，并没有想象那么严重。“在这方面我们还有很多要学。”Hinton 说道。“尽早尽快的诊断非常重要，为什么不让机器帮我们一把呢？”
手艺出神入化的 Bordone
早春三月一个寒冷的早晨，笔者拜访了位于曼哈顿第一大街 50 号的哥伦比亚大学皮肤诊所。诊所的主治医师 Lindsey Bordone 当天共有 49 个病人预约，才早上十点，他的候诊室就已经人满为患。一位 60 岁左右留大胡子的男子坐在角落，用羊毛围巾把脖子上的疹子挡了起来，而另一对心神不宁的夫妇则在看着自己手中的《时代周刊》。
Bordone 眼看病人快速涌来，在一个由荧光灯照明的里屋内，一个护士坐在计算机前对病人的病情做了简单总结：“55岁，无既往病史，但其皮肤上却有可疑点。”随后，Bordone 进入化验室，她的金发甚至因为跑的太快而飘了起来。
随后，Bordone 又看了一个 30 多岁的男病人，他脸上起了红色的疹子。在检查过程中，这个病人的皮肤甚至开始从鼻子上掉了下来。Bordone 让他躺在灯下并细细观察他的皮肤，最后又拿起了手持皮肤镜对病人进行检查。
“你头发里有头皮屑吗？”Bordone 问道。病人有点懵，他回答称“当然有。”
“这是面部皮屑，”Bordone 告诉他。“你遇到的情况有些糟糕，但问题是它现在为什么会出现并且情况变得越来越糟了呢？你在头发上使用过什么新产品吗？或者你家人会给你一些比较大的家庭压力吗？”
“压力肯定有的。”病人说道。最近他丢了工作，需要处理一些经济上的问题。
“以后你着手写日记把。”Bordone 建议道。“通过日记我们能找到你的病情是否与生活压力有关。”隔壁房间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。“只是脂溢性皮炎而已。”她迅速完成了这个检查。
另一个房间的女病人则换上了病号服，她过去被医生诊断为黑色素瘤，因此非常注意自我保护，以防恶化。Bordone 详细的扫了一遍她的皮肤，每个可能的部位都看了看，整个过程花了 20 分钟。结果相当喜人，只有一些痣和角化病，并没有黑色素瘤或者癌。
“看起来一起都很好。”她高兴的说道，女病人心里的担子也终于落下了。