另外就是關於人工智慧小智地查房記錄問題和整合病例問題了，這個對醫生來說就是一個最頭疼也是歲耗費時間的問題了，而這個問題卻一直得不到解答，知道人工智慧小隻的大腦團隊進來，纔對這個問題有了自己的認知和想法。

    這個問題之所以單獨的拿出來說明，主要原因就是因為這個是很具有挑戰性的專案，開始的時候人工智慧小智解決這樣的情況就是透過大資料的植入和病例的輸入，甚至把當時所有的醫院的病例全部儲存進去，但是依舊沒有一點方法可以解決這件事情。

    開始的時候針對這個大資料的做法就是讓人工智慧自己學習，就跟一般的人工智慧一樣，人工智慧小智在內部對這個問題進行了一系列的讀取，甚至是自我學習，這樣的人工智慧小智的醫院系統就會變得很簡單明瞭了，透過這樣人工智慧小智可以最短的時間內歸類並且學習。

    這個人工智慧小智根據這樣的方式進行變成和自己的演算法計算出來的病例本來覺得應該是沒有什麼問題了，但是後來的發現沒有這樣的感覺，只是自己的想想而已，人工智慧小智的智慧處理系統的研究更多的就是這個很神奇的操作，本身來說這件事情不應該被幹預，但是出現了一個巨大的問題。

    情景一：當時整個醫院的住人透過人工智慧系統的病歷書寫系統來完成一個胃潰瘍患者的病歷，本來想的話就是人工智慧小智這個系統可以透過自己的辨別甲乙對這個問題的解釋，就可以在最快的時間內幫助他們完成一個病例的大綱。那這樣的話對他們來說，寫這個問題就比較簡單了。

    不過事與願違的是，他們本來是這樣想的，但是人工智慧小鎮並不是這樣做的，因為人工智慧小智的程式設計系統是透過自己學習來完成的，沒有人工的干預，所以說他對於這些東西本質上來說就是一竅不通的，只是透過大量的關於這一類的病例來進行的。

    人工智慧小志的防禦系統還是非常強悍的，他爲了防止自己會出現對於其他類的病例出現的一系列的問題，所以說會針對系統病例進行調查，透過人工智慧小志本身所具有的智慧診斷智慧系統，對於所有的病例進行了一遍篩查，篩查的要求是要求消化科的病歷，並且要求是胃潰瘍的病例。

    結果當然是出現了一大批的關於這一型別的病例，而這一型別的病例也不出所料的是所有當中最符合與正常人思考的病例，但是出現了一個巨大的問題就是對於這樣的病例的描述並不是特別的準確，而且病歷的書寫方式也沒有給予足夠的資料證明。

    所以說導致的是他雖然說把這件事情在現實當中描述出來了，但是現病史當中出現的各項指標包括其他的方式，都並不是最佳完美的，而且對於本來所敘述的東西更多的像是多少年以前的病歷，而這樣的病例敘述的順序是完全不正確的。

    也就是說這一篇不能用。