當市場很“厚”或有很多參與者時，市場工作得最好。在腎移植的最初幾十年里，生病的人和他們的潛在捐獻者被限制在他們自己非常薄弱的市場中。失敗的匹配往往被證明是對重病患者的死刑判決。

但是如果市場可以變得更厚呢？

這個想法最初是在1986年德裔美國外科醫(yī)生Felix Rapaport的一篇論文中提出，他提出了一個理論，即可以跨越兩個自愿的供受體對移植腎臟：患者A從供體B接受腎臟，作為交換，供體A給患者B一個腎臟。

1991年，韓國首爾的醫(yī)生們在腎病專家Kiil Park的指導下，在兩個供體－患者對之間進行了第一對腎臟移植。四年后，世界上第一個配對腎臟捐贈項目在首爾延世大學醫(yī)學院開啟。潛在的捐贈者和接受者被輸入數(shù)據(jù)庫，然后由醫(yī)生通過數(shù)小時的艱苦分析手動配對。1999年，瑞士成為下一個建立配對腎臟交換的國家，匹配了兩對已婚夫婦，每對夫婦都有一個患有終末期腎病的配偶和一個愿意捐獻腎臟的配偶。

2000年的一個晚上，在厭倦了向病人和他們的親人傳遞令人心碎的消息之后，一位名叫Michael Rees的美國腎臟學家拖著幾箱文件回家，花了幾個小時仔細檢查血液、抗體和組織數(shù)據(jù)，并比較患者列表。這項工作在精神上很累人。最終，他意識到自己沒有可行的匹配——但是，如果捐獻池更大，可以做成配對。與他的父親Alan Rees一起合作（Alan是一名計算機科學家），Michael Rees創(chuàng)建了一個簡單的計算機程序，將捐贈者和接受者配對，將人工智能引入匹配過程。

大約在同一時間，哈佛大學經(jīng)濟學教授Alvin Roth，也在修補腎臟匹配的解決方案。Roth專注于市場設計，專注于如何調(diào)整市場以修復供需失衡。他以前設計過算法來匹配新醫(yī)生和住院醫(yī)師項目，以及紐約市小學學生和高中學校�，F(xiàn)在他把注意力轉(zhuǎn)向腎臟。

Roth和他的同事Utku Unver、Tayfun Sonmez設計了一種算法，用于審查和分析潛在捐贈者和接受者的數(shù)據(jù)資料。它確定了捐助者－接受者配對的“循環(huán)”和“鏈”，其中一個人選擇無私地將腎臟捐獻給任何需要腎臟的人，從而在醫(yī)院或腎臟交換項目登記的潛在捐獻者和接受者中啟動了一系列捐獻。例如：患者B從利他捐贈者A那里得到一個腎臟，之后，捐贈者B感激地將腎臟捐贈給病人C。如果病人C有一個愿意捐贈的人，那么這條鏈可以繼續(xù)延長，且沒有真正的限制。不同于循環(huán)，鏈可以無限期地向前移動，而不必回去，通過為原始捐贈者的伙伴接受者找到腎臟來結(jié)束這個循環(huán)。

Roth、Unver和Sonmez覺得他們在做一件大事。2003年，他們在網(wǎng)上發(fā)布了一篇概述他們工作的論文，并發(fā)給了美國各地的腎臟學家。根據(jù)哈佛外科醫(yī)生Frank Delmonico的反饋，該團隊調(diào)整了他們的算法，并發(fā)表了一篇新論文，其概念幫助建立了新英格蘭腎臟交換項目。該交換項目匹配了該地區(qū)14個腎移植中心的捐贈者和接受者。

起初，外科醫(yī)生堅持在給定的循環(huán)或鏈中同時進行所有手術，這樣任何捐贈者都不會在最后一刻退縮。這限制了循環(huán)或鏈中的患者數(shù)量，因為醫(yī)院一次只能騰出這么多床位和這么多外科醫(yī)生。經(jīng)濟學家和其他幾位醫(yī)生認為，這是不必要的限制。這不存在生物障礙：與心臟或肺不同，心臟或肺必須在離開捐獻者身體后4到6小時內(nèi)移植，而在找到新宿主之前，腎臟可以安全保存24到36小時。至于捐助鏈中薄弱環(huán)節(jié)的可能性，經(jīng)濟學家認為，在一個以愿意將腎臟給任何人的捐贈者開始的鏈中，如果捐贈者退縮了，任何接受者都不會束手無策，因為醫(yī)生可以從注冊捐贈者庫中找到替代品。

建立第一個匹配算法的腎臟學家Rees，證明這是可以做到的。在一名28歲的捐贈者向一個需要幫助的陌生人提供了一個腎臟后，Rees組織了一系列腎臟捐贈，在八個月的時間里拯救了五個州10名患者的生命。

今天，美國多家醫(yī)院都有自己的配對腎臟捐贈項目。此外還有三個更大的美國跨院腎臟交換項目：器官共享聯(lián)合網(wǎng)絡、國家腎臟登記處和配對腎臟捐贈聯(lián)盟。英國、加拿大和荷蘭設有國家交換項目，從印度到南非的醫(yī)院都有配對捐贈發(fā)生。研究人員還推斷，肺和部分肝移植也可能進行類似的交換，盡管還沒有這種互換的系統(tǒng)。

2012年，Roth因其在市場設計方面的工作獲得諾貝爾獎。他帶Rees一起去參加了儀式。到那時，美國有2000人接受了移植，這是他們幫助創(chuàng)建的系統(tǒng)結(jié)果。此后又有成千上萬的人得到了幫助。

Neil Emmott最終成為2017年腎鏈中的八個人之一，該腎鏈始于兩位家人朋友前來為他捐贈。2018年8月13日，阿拉巴馬州的一名婦女成為從2013年開始在全國范圍捐贈鏈中接受腎臟移植的第100人。

今天，當醫(yī)生正在尋找匹配腎臟捐贈者和接受者時，人工智能研究人員構(gòu)建的算法搜索注冊腎臟病人及其合作捐贈者的數(shù)據(jù)庫，并根據(jù)器官采購和移植網(wǎng)絡委員會和器官共享聯(lián)合網(wǎng)絡制定的加權(quán)標準列表來識別匹配。

這些算法同時評估所有可能在患者－供體庫中進行的移植。匹配主要基于生物適應性，最難匹配的病人得到了優(yōu)先考慮。這項技術衡量標準包括接受者在等待名單上的時間，他或她的年齡（兒童優(yōu)先），以及需要腎臟的人過去是否曾經(jīng)是活體器官捐獻者。

這些算法幫助了成千上萬拯救生命的手術。將來，人工智能不僅可以使用人類決定的標準進行匹配，還可以積極參與這個判斷過程——理解人類的決策和價值體系，這樣它就可以做出自己的判斷，決定哪些腎臟應該去哪里（這個決策將由人類醫(yī)生審查）。在這一點上，限制因素與其說是技術，不如說是使用技術的人。

第一個問題是人類對人工智能在器官分配中的作用的焦慮。醫(yī)院和器官交換機構(gòu)甚至不愿意在匹配過程中使用“人工智能”一詞。部分原因是研究人員稱之為“人工智能效應”的趨勢。正如牛津大學未來人類研究所所長Nick Bostrom所說，“一旦某些東西變得足夠有用且足夠普遍，它就不再被貼上‘人工智能’的標簽。”

鑒于缺乏關于“人工智能”實際含義的公共教育，醫(yī)院和交換機構(gòu)對病人誤解算法在識別潛在匹配方面的作用持謹慎態(tài)度，也許是害怕變戲法似的機器人冷冷地發(fā)布生死指令。

目前，機器不能決定哪些腎臟去哪里。人類可以這樣做。今天的算法比人類更可靠，也更大規(guī)模地進行數(shù)學運算，執(zhí)行人類已經(jīng)做出的判斷，但是它們并不了解為什么首先要進行計算。

“AI沒有像我們一樣對世界有一個全面的了解。它們不明白自己正在處理的數(shù)據(jù)是關于什么的，”杜克大學計算機科學、倫理學和哲學教授Vincent Conitzer表示�！八鼈儧]有這個人正在受苦的概念。它們并不真正了解一個人是什么。人類必須在某個時候介入進來�！�

研究人員現(xiàn)在正在教機器從人類的角度來理解這些道德困境。今年，Conitzer和杜克大學的同事Jana Schaich Borg、Walter Sinnott－Armstrong、Rachel Freedman以及馬里蘭大學的John Dickerson，一起發(fā)表了一篇論文，其中他們向研究對象展示了數(shù)百對假設的患者概況，并詢問每對中哪一個應該得到一個可用的腎臟。這些假設的患者檔案并沒有列出算法處理的血液和組織數(shù)據(jù)，而是列出了一些事情，比如患者飲酒的頻率，以及他們過去是否患過癌癥。研究人員隨后將受試者的選擇反饋給一種算法，并學習如何根據(jù)這些模式選擇“正確的”腎臟接受者。就像人類受試者一樣，人工智能偏愛更年輕、更健康的病人——這是一個機器根據(jù)對人類價值觀的了解做出決策的例子。

雖然可以教機器按照我們的價值體系進行匹配，但是我們并不總是明白自己的價值觀是什么，或者很難將其作為一個整體達成一致。人們并不總是知道他們想要優(yōu)化什么，即使當他們認為這樣做了，他們也常常不明白如何以不會導致意想不到的后果的方式去做。

例如，麻省理工學院的道德機器允許實驗室網(wǎng)站的訪問者玩他們必須選擇的游戲，在一個又一個假設的情況下，無人駕駛汽車在面臨兩個可怕的選擇時應該選擇殺死哪一組汽車乘客或行人。在經(jīng)歷了一系列令人反胃的場景之后——是的，我寧愿汽車碾過一個孕婦，而不是五個無家可歸的成年人；不，如果這意味著殺死五名成年乘客，我不會為了躲避兩個孩子而突然轉(zhuǎn)向——這一游戲揭示了它在你的選擇中確定的模式，以及你的反應如何與其他玩家的反應相比較。

這些信息可以揭示出人意料的后果和令人不快的未被承認的偏見。例如，你可能會了解到，你的決定不成比例地導致了比女性更多的男性死亡，或者你傾向于比游戲中的一般玩家更看重遵守交通規(guī)則。

在腎臟問題上，就是采取表面上公平的原則，即腎臟應該給予那些在接受腎臟后可能會有最多壽命的人。在計算機能夠計算潛在接受者的壽命之前，科學家必須為算法提供各種人群的預期壽命數(shù)據(jù)。但是這導致了一些問題。男人往往比女人早死。美國黑人比任何其他種族的美國人死得更早。2015年，一位65歲的美國白人婦女可能會再活20．5歲，比同齡的黑人長4年。雖然是從良好的意圖開始，但最終卻導致了系統(tǒng)的種族和性別歧視。

“在經(jīng)濟學中，我們談論不可能性定理。有些東西你可能想得到卻無法得到，”Roth說�！爱斈惴峙湎∪辟Y源時，你不能把腎給一個人而不把它給另一個人。計算機不會從各個方面減輕人類的負擔�！�

人工智能沒有造成這些道德困境。人類委員會為分配腎臟的最公平方式而不斷苦惱；人類司機仍然不得不在方向盤后面做出可怕的緊急決定。機器可以在幾小時甚至幾分鐘內(nèi)模擬出人類判斷的結(jié)果，這些結(jié)果原本可能需要數(shù)年才能發(fā)現(xiàn)。從長遠來看，這可能會有所幫助：如果一個計算機模型能夠證明特定的腎臟分配政策會對某些群體造成不相稱的不利影響，那么醫(yī)生可以在任何人實際受到傷害之前取消這項計劃。但并不是每個人都樂于讓機器參與生死抉擇。

道德機器教給玩家一些西雅圖上帝委員會很久以前學到的東西：必須選擇拯救哪一條生命，知道這個決定會導致別人的死亡或痛苦，感覺很可怕。這部分是人工智能所無法幫助的。人們可以找到組裝椅子的理想方法，然后將這個過程傳授給一臺能夠完美組裝成千上萬把椅子的機器。但卻沒有完美的方法來決定誰生誰死。