1. 人工智能护士

齐鲁工业大学校区专业：工商管理学院，医疗护理专业，商务法律专业，地质测量专业，计算机工程专业，人工智能专业，中医药管理专业和学前教育专业。

2. 人工智能护士会被取代

人工智能取代不了教师,但不会使用科技的教师会被取代!

在全国中小学校长秋季论坛上，谈论最多的是人工智能会不会取代教师？许多到会的校长老师都感到有危机感，也有对未来教育的无可适从。

“人工智能”一词，伴随着多次人机围棋大战中机器人胜出的事实而一路走热。有人曾预测：“未来10年，大部分人类只需思考5秒钟以下的工作都会被人工智能取代；从比例上来说，未来10年人类50%的工作都会被取代，如助理、翻译、保安、前台、护士、记者、会计、教师、理财师……”面对阵势强大的人工智能，教师是否真会被人工智能取代？

全国政协委员、民进中央副主席朱永新认为：“未来是‘人机共教’的时代。教师作为一种职业不会被取代，并不意味着所有教师都不会被淘汰。重复性、机械性工作都可以交给人工智能，但是教师仍然需要不断学习，及时关注最新技术进展，掌握如何运用人工智能技术来分析教学过程中的案例和问题的能力。”

由此可见，未来教师要想不被人工智能取代，关键是要熟练掌握人工智能技术，从而让技术为己所用。未来的教育教学活动中，如果教师不懂得运用人工智能的技术，让人工智能服务于自己的工作，那么他的工作效率和效果一定会大打折扣，最终也一定会被淘汰出局。正如英国语言学家雷•克里弗德所说的那样：“科技不能取代教师，但是使用科技的教师却能取代不使用科技的教师。”

毫无疑问，在未来教育中，人工智能可以把教师从繁重的工作负担中解放出来。比如，人工智能可以帮助教师备课、上课、批改作业、阅卷、分析试卷，机器人助教还可以代替教师管理学生、打理日常事务、回答学生提出的疑问……但是，人工智能也并非无所不能，教师要想真正不被人工智能取代，除了要熟练驾驭它，还要做人工智能无法企及的事情，具体表现为三个方面：

一是立德树人，促进学生精神发育。无论技术怎样发展，教书育人的本质不会变，立德树人的目标也不会变。教师的作用也不仅仅是传授知识，而且要通过情感的投入和思想的引导教会学生如何做人，促其精神发育。英国教育家怀特海曾经说过：“在教育过程中，一旦你忘记了你的学生是有血有肉的，那么你就会遭遇悲惨的失败。”学校是塑造学生心灵的地方，心灵的塑造要靠心灵来滋养，学生的精神发育需要教师适时走进学生的心灵，进行情感交流和人文关怀，而人工智能不具备人的情感，难以实现这样的育人目标。因此，未来的教师要更加关注学生人生目标和价值观的引导，走进学生的心灵世界，成为学生健康成长的人生导师。

二是改革教学方法，培养学生的创新精神。尽管人工智能在一些工作领域已经做得比人类优秀，但不可否认，人工智能缺乏人的主动性和创造性。它可以按照人类规定的程序工作，但不会主动工作，更不可能创造性地工作，而这种创造性对学生而言却是十分重要的。有了这种创造性，学生可以制造出更加先进的人工智能。因此，未来的教师要改革教学方式，把工作的重点放在培养学生的创造性思维和解决问题的能力上，引导学生进行项目式学习和混合式学习，鼓励学生大胆质疑和创造，注重学生审美能力和创美能力的提高。

三是因材施教，促进学生个性化成长。几乎所有教师都懂得因材施教的道理，但在传统班级授课制模式下，因材施教的理念只能是空中楼阁，可望而不可及。然而，随着人工智能、分析技术、虚拟现实和互联网等技术的应用，这一理念有可能变成现实。教师通过对学生在各项活动中表现出来的特征进行大数据分析，可以判断学生的潜能和素质，据此实施个性化教育。因此，未来教师要学会使用大数据分析学习结果，通过跟踪记录学生的学习过程，发现学习的难点、重点，为每个学生量身定制个性化的课程和学习进度安排，从而帮助学生及时调节学习进程，让因材施教真正落到实处。

3. 人工智能护士岗位职责

护士受聘期间做好自己的本职工作，护理危重病人，打针，输液，铺床，量体温、血压，送药，做好护理记录等。

4. 护理人工智能

通过“互联网 + 护理服务”形成患者就医和康复的闭环管理，是推进分级诊疗建设、促进患者康复、降低全民医疗成本支出的一项有力举措。互联网的快速发展衍生出各式各样的慢性病管理软件和平台、居家可穿戴监测设备、人工智能相关的辅助等，高科技的发展有效缩短了医患和护患之间的距离，极大加强了慢性病管理服务的可及性。随着互联网的快速发展，全程可追溯的居家指导、通过平台预约上门服务、通过可穿戴设备远程监测、通过人工智能辅助指导、物联网的铺设等都已成为现实 ，但在多学科协作模式、人员资质、人才培养、质量监管等方面仍需要进一步完善，力求形成一套较为成熟的现代化智慧养老服务体系。

5. 人工智能护工

现在医院的护工都外包了，主要还是因为通过外包可以降低医院的人工成本，可以避免不必要的劳动纠纷。医院护工外包完全可以由第三方公司来负责人员管理和工资保险的支付。尤其是可以节省大量的人工成本，因为医院人员相对人工成本比较高。

6. 人工智能护士招聘

人工智能开发的六大原则：公平、可靠和安全、隐私和保障、包容、透明、责任。

首先是公平性。公平性是指对人而言，不同区域的人、不同等级的所有人在AI面前是平等的，不应该有人被歧视。

人工智能数据的设计均始于训练数据的选择，这是可能产生不公的第一个环节。训练数据应该足以代表我们生存的多样化的世界，至少是人工智能将运行的那一部分世界。以面部识别、情绪检测的人工智能系统为例，如果只对成年人脸部图像进行训练，这个系统可能就无法准确识别儿童的特征或表情。

确保数据的“代表性”还不够，种族主义和性别歧视也可能悄悄混入社会数据。假设我们设计一个帮助雇主筛选求职者的人工智能系统，如果用公共就业数据进行筛选，系统很可能会“学习”到大多数软件开发人员为男性，在选择软件开发人员职位的人选时，该系统就很可能偏向男性，尽管实施该系统的公司想要通过招聘提高员工的多样性。

如果人们假定技术系统比人更少出错、更加精准、更具权威，也可能造成不公。许多情况下，人工智能系统输出的结果是一个概率预测，比如“申请人贷款违约概率约为70％”，这个结果可能非常准确，但如果贷款管理人员将“70％的违约风险”简单解释为“不良信用风险”，拒绝向所有人提供贷款，那么就有三成的人虽然信用状况良好，贷款申请也被拒绝，导致不公。因此，我们需要对人进行培训，使其理解人工智能结果的含义和影响，弥补人工智能决策中的不足。

第二是可靠性和安全性。它指的是人工智能使用起来是安全的、可靠的，不作恶的。

目前全美热议的一个话题是自动驾驶车辆的问题。之前有新闻报道，一辆行驶中的特斯拉系统出现了问题，车辆仍然以每小时70英里的速度在高速行驶，但是驾驶系统已经死机，司机无法重启自动驾驶系统。

想象一下，如果你要发布一个新药，它的监管、测试和临床试验会受到非常严格的监管流程。但是，为什么自动驾驶车辆的系统安全性完全是松监管甚至是无监管的？这就是一种对自动化的偏见，指的是我们过度相信自动化。这是一个很奇怪的矛盾：一方面人类过度地信赖机器，但是另一方面其实这与人类的利益是冲突的。

另一个案例发生在旧金山，一个已经喝晕了的特斯拉车主直接进到车里打开了自动驾驶系统，睡在车里，然后这辆车就自动开走了。这个特斯拉的车主觉得，“我喝醉了，我没有能力继续开车，但是我可以相信特斯拉的自动驾驶系统帮我驾驶，那我是不是就不违法了？”但事实上这也属于违法的行为。

可靠性、安全性是人工智能非常需要关注的一个领域。自动驾驶车只是其中一个例子，它涉及到的领域也绝不仅限于自动驾驶。

第三是隐私和保障，人工智能因为涉及到数据，所以总是会引起个人隐私和数据安全方面的问题。

美国一个非常流行的健身的App叫Strava，比如你骑自行车，骑行的数据会上传到平台上，在社交媒体平台上有很多人就可以看到你的健身数据。问题随之而来，有很多美国军事基地的在役军人也在锻炼时用这个应用，他们锻炼的轨迹数据全部上传了，整个军事基地的地图数据在平台上就都有了。美国军事基地的位置是高度保密的信息，但是军方从来没想到一款健身的App就轻松地把数据泄露出去了。

第四是人工智能必须考虑到包容性的道德原则，要考虑到世界上各种功能障碍的人群。

举个领英的例子，他们有一项服务叫“领英经济图谱搜索”。领英、谷歌和美国一些大学联合做过一个研究，研究通过领英实现职业提升的用户中是否存在性别差异？这个研究主要聚焦了全美排名前20 MBA的一些毕业生，他们在毕业之后会在领英描述自己的职业生涯，他们主要是对比这些数据。研究的结论是，至少在全美排名前20的MBA的毕业生中，存在自我推荐上的性别差异。如果你是一个男性的MBA毕业生，通常你在毛遂自荐的力度上要超过女性。

如果你是一个公司负责招聘的人，登录领英的系统，就会有一些关键字域要选，其中有一页是自我总结。在这一页上，男性对自己的总结和评估通常都会高过女性，女性在这方面对于自我的评价是偏低的。所以，作为一个招聘者，在招聘人员的时候其实要获得不同的数据信号，要将这种数据信号的权重降下来，才不会干扰对应聘者的正常评估。

但是，这又涉及到一个程度的问题，这个数据信号不能调得过低，也不能调得过高，要有一个正确的度。数据能够为人类提供很多的洞察力，但是数据本身也包含一些偏见。那我们如何从人工智能、伦理的角度来更好地把握这样一个偏见的程度，来实现这种包容性，这就是我们说的人工智能包容性的内涵。

在这四项价值观之下还有两项重要的原则：透明度和问责制，它们是所有其他原则的基础。

第五是透明度。在过去十年，人工智能领域突飞猛进最重要的一个技术就是深度学习，深度学习是机器学习中的一种模型，我们认为至少在现阶段，深度学习模型的准确度是所有机器学习模型中最高的，但在这里存在一个它是否透明的问题。透明度和准确度无法兼得，你只能在二者权衡取舍，如果你要更高的准确度，你就要牺牲一定的透明度。

在李世石和AlphaGo的围棋赛中就有这样的例子，AlphaGo打出的很多手棋事实上是人工智能专家和围棋职业选手根本无法理解的。如果你是一个人类棋手，你绝对不会下出这样一手棋。所以到底人工智能的逻辑是什么，它的思维是什么，人类目前不清楚。

所以我们现在面临的问题是，深度学习的模型很准确，但是它存在不透明的问题。如果这些模型、人工智能系统不透明，就有潜在的不安全问题。

为什么透明度这么重要？举个例子，20世纪90年代在卡耐基梅隆大学，有一位学者在做有关肺炎方面的研究，其中一个团队做基于规则的分析，帮助决定患者是否需要住院。基于规则的分析准确率不高，但由于基于规则的分析都是人类能够理解的一些规则，因此透明性好。他们“学习”到哮喘患者死于肺炎的概率低于一般人群。

然而，这个结果显然违背常识，如果一个人既患有哮喘，也患有肺炎，那么死亡率应该是更高的。这个研究“学习”所得出的结果，其原因在于，一个哮喘病人由于常常会处于危险之中，一旦出现症状，他们的警惕性更高、接受的医护措施会更好，因此能更快得到更好的医疗。这就是人的因素，如果你知道你有哮喘，你就会迅速采取应急措施。

人的主观因素并没有作为客观的数据放在训练模型的数据图中，如果人类能读懂这个规则，就可以对其进行判断和校正。但如果它不是基于规则的模型，不知道它是通过这样的规则来判断，是一个不透明的算法，它得出了这个结论，人类按照这个结论就会建议哮喘患者不要住院进行治疗，这显然是不安全的。

所以，当人工智能应用于一些关键领域，比如医疗领域、刑事执法领域的时候，我们一定要非常小心。比如某人向银行申请贷款，银行拒绝批准贷款，这个时候作为客户就要问为什么，银行不能说我是基于人工智能，它必须给出一个理由。

第六是问责。人工智能系统采取了某个行动，做了某个决策，就必须为自己带来的结果负责。人工智能的问责制是一个非常有争议的话题，我们还是回到自动驾驶车上进行讨论。确实，它还涉及到一个法律或者立法的问题。在美国已经出现多例因为自动驾驶系统导致的车祸。如果是机器代替人来进行决策、采取行动出现了不好的结果，到底是谁来负责？我们的原则是要采取问责制，当出现了不好的结果，不能让机器或者人工智能系统当替罪羊，人必须是承担责任的。

但现在的问题是我们不清楚基于全世界的法律基础而言，到底哪个国家具备能力处理类似案件的能力。（美国）很多案件的裁决是基于“判例法”进行判定的，但是对于这样一些案例，我们没有先例可以作为法庭裁决的法律基础。

其实，不光是自动驾驶，还有其他很多领域，比如刑事案件问题，还有涉及军事领域的问题。现在有很多的武器已经自动化或者是人工智能化了，如果是一个自动化的武器杀伤了人类，这样的案件应该如何裁定？

这就要牵涉到法律中的法人主体的问题，人工智能系统或全自动化系统是否能作为法人主体存在？它会带来一系列的法律的问题：首先，人工智能系统是否可以判定为是一个法律的主体？如果你判定它是一个法律的主体，那就意味着人工智能系统有自己的权力，也有自己的责任。如果它有权力和责任，就意味着它要对自己的行为负责，但是这个逻辑链是否成立？如果它作为一个法律主体存在，那么它要承担相应的责任，也享有接受法律援助的权利。因此，我们认为法律主体一定要是人类

7. 智能机器人护工

不值得。

长颈猫陪护机器人它和小度比，最大的优点就在于它操作简单，非常容易上手，而且它的功能还多的，除了视频通话之外，它还能自动记录老人居家轨迹，监测作息异常。

2.若菲尔机器人

一款家庭生活看护AI机器人，将科技与生活相结合，通过语音通话、人体行为识别算法、海量数据处理，智能手机客户端，使九大功能功能紧密结合，形成强大的“合力”,为独居老人编织一张全方位守护网，实现对老人的日常看护及突发事件处理，24小时给老人子女陪伴式的情感关爱