長期以來，醫生的養成依賴一條相對穩定的路徑：在真實病人面前反覆實踐，透過臨床接觸累積經驗，逐步形成判斷能力。醫學院提供理論框架，醫院提供現場磨練，導師則在兩者之間扮演關鍵橋樑。這種模式的核心在於經驗的沉積。醫生之所以被視為專業人士是因為他們曾在不確定與風險之中做出決策，並在現場承受結果。

近年人工智能技術的引入，正在改變這條路徑的起點與重心。虛擬病人、模擬問診、臨床決策模型等系統，開始承擔原本屬於現場的部分功能。醫學生不再需要完全依賴真實接觸來累積初步經驗，而可以在模擬環境中反覆演練各種情境。這種轉變是醫生誕生機制的重寫。臨床能力逐漸來自「被訓練過多少情境」。

當訓練可以在數據環境中無限擴展，經驗本身的性質也隨之改變。傳統臨床經驗帶有明顯的偶然性與不可重複性。每一個病人都有其背景與差異，醫生在現場面對的是不完整資訊、時間壓力與情緒張力的交織。這些因素構成了經驗的重量，也塑造了判斷的質地。相比之下，數據生成的訓練則強調可重複、可調整與可比較。病例可以被設計，難度可以被分級，錯誤可以被即時回饋。學習者在其中接觸到的是一套經過整理與編排的情境序列。

這種轉變帶來一個關鍵差異：經驗從「遭遇」轉為「配置」。過去醫生的能力是在遭遇中生成，帶有強烈的現場印記；現在則越來越多在配置好的場景中形成，帶有系統設計的痕跡。這代表其生成過程更依賴模型結構。醫生的直覺變為部分來自訓練系統對情境的預先分類與呈現方式。當一個人反覆在特定類型的案例中練習，他學會的同時也是如何按照這套分類去看待世界。

在這個過程中，臨床判斷逐漸呈現出另一種形態。傳統觀念傾向把判斷理解為一種難以言說的專業直覺，與個人經驗深度密切相關。數據化訓練則傾向把判斷拆解為一系列可學習的步驟與選擇。問診可以被分解為節點，診斷可以被表示為路徑，治療可以被對應為標準流程。當這些元素被清晰標示並反覆練習，判斷能力便顯得更像是一種可訓練的結構。醫生的專業性在某種程度上被轉寫為一組高階行為模式。

這種轉寫帶來效率，也帶來新的限制。效率來自於學習過程的加速與標準化，限制則來自於視野的預設。任何模型都必須選擇哪些變量值得納入，哪些情境需要模擬以及哪些錯誤需要被糾正。這些選擇會在無形中界定學習者的注意力範圍。當醫生主要在這樣的系統中成長，他對臨床現實的理解，很大程度上會沿着系統既有的邏輯展開。未被納入模型的情況，可能更難被識別與理解。

同時，醫療現場本身具有一種難以完全數據化的特質。病人不總是按照清晰邏輯表達症狀，記憶可能出現偏差，情緒可能影響敘述，社會背景亦會滲入醫療決策。這些因素構成了臨床的複雜性。數據生成的訓練可以模擬其中一部分，但難以完全再現其不規則性。當醫生主要在高度整理過的情境中訓練，他面對真實世界時，可能需要重新適應那種無法被完全結構化的混亂。這種落差不一定會削弱能力，但會改變能力的使用方式。

專業權威的來源亦在悄然轉移。過去醫生的權威與其個人經驗密切相關，資深醫生因為經歷過更多複雜情境，而被視為判斷的參照。隨着數據訓練的深化，部分權威開始轉移到系統本身。模型所整合的知識範圍遠超個體，訓練過程亦更為全面與一致。醫生在這種環境中在一定程度上依賴系統所提供的框架。導師的角色仍然重要，但其功能逐漸偏向解釋、校正與監督。

這種轉變亦會影響醫療倫理的實踐方式。當訓練主要在模擬環境中進行，學習者與病人的直接接觸被延後，對他人處境的理解可能更多來自模型描述，而非現場互動。雖然系統可以嘗試模擬情緒與反應，但這些模擬本身仍然是設計的產物。醫生在成長過程中如何建立對他人處境的敏感度，將不再完全依賴實際接觸，而需在模擬與現實之間建立新的連結方式。這對專業人格的形成提出新的要求。

更深層的問題在於我們如何理解「經驗」本身。若經驗可以被大量模擬與壓縮為數據結構，那麼經驗與資料之間的界線便開始模糊。醫生所擁有的是一套經由系統整合的情境網絡。這種網絡可以更全面，也更快速，但其與現實之間的關係變得更為間接。醫療知識在模型與現實之間循環生成。

從宏觀角度看，醫生誕生方式的改反映整個專業社會的一種趨勢。越來越多領域開始依賴模擬與數據來進行初步訓練，再將結果帶入現實進行驗證。這種模式提高學習效率，也降低錯誤成本，同時亦改變能力的來源結構。專業在訓練系統與個體實踐之間形成新的平衡。

醫生仍然需要面對真實病人及承擔決策後果，這一點不會改變。改變的是在走到這一步之前，他們已經在另一個空間中完成大量準備。這個空間是由數據構成的訓練環境。在那裡，經驗被生成，判斷被塑形，專業開始形成。醫生的誕生於是從一段臨床旅程逐漸轉為一個由系統支持的生成過程。