Ona – czyli sztuczna inteligencja (AI) jako pionierka XXI wieku w radiologii i nie tylko! 

Polskę obiegła informacja, że AI dostało tytuł profesora w 2023 roku, o co chodzi? 

Mika, eksperymentalna sztuczna inteligencja pełniąca funkcję CEO Dictadora, otrzymała tytuł profesora honorowego Uniwersytetu Collegium Humanum jak podaje ISBiznes. 

Dictador to globalna firma znana z największego na świecie asortymentu rumów klasy inwestycyjnej. 26 października Mika, otrzymała zaszczytny tytuł profesora honorowego podczas inauguracji Uniwersytetu Collegium Humanum 2023/24. Wyróżnienie to jest wyrazem uznania dla Miki za niezwykłe innowacyjne połączenie tradycyjnych i kolekcjonerskich rumów Dictador ze sztuką współczesną i światem cyfrowym.

„Moja obecność na tej scenie jest czysto symboliczna. W rzeczywistości nadanie mi tytułu profesora honorowego jest hołdem dla wielkości ludzkiego umysłu, w którym narodziła się idea sztucznej inteligencji. To także wyraz uznania dla odwagi i otwartości umysłu właściciela Dictadora, który powierzył swoją firmę skromnemu rzecznikowi z procesorem zamiast serca” – „powiedziała” na uroczystości nadania tytułu Mika [1,7].

Za to zdecydowanie wcześniej w 2017 roku chiński robot oparty na AI zdał egzamin lekarski. Ale nawet w Chinach mających ambicje zostać liderem AI do 2030 roku, roboty jeszcze nie zastąpiły lekarzy. Za to wspomagają ich pracę, na czym korzystają pacjenci[8].

Zaawansowanie technologiczne, które obserwujemy w XXI wieku, nie ominęły sektora medycznego. Sztuczna inteligencja (AI) zyskuje na popularności w opiece zdrowotnej.

Sztuczna inteligencja ma potencjał do transformacji medycyny. AI już teraz pomaga w wykonywaniu różnorodnych zadań, takich jak diagnostyka obrazowa, przewidywanie chorób, prowadzenie badań i zarządzanie danymi pacjentów. Algorytmy AI mogą analizować duże ilości danych szybciej i dokładniej niż ludzie, co może przynieść korzyści dla pacjentów i lekarzy. Na przykład, AI jest używana do pomocy w diagnostyce obrazowej, gdzie algorytmy mogą identyfikować problemy na zdjęciach rentgenowskich czy skanach MRI z niezwykłą precyzją. Sztuczna inteligencja jest także wykorzystywana do prognozowania, pozwalając lekarzom przewidywać przebieg chorób i dostosowywać plany leczenia.

Opublikowana we wrześniu 2021 roku przez U.S. Food & Drug Administration (FDA) lista urządzeń medycznych wykorzystujących sztuczną inteligencję i uczenie maszynowe zawiera już 343 pozycji. Do 2015 roku było ich mniej niż 30.

Najwięcej algorytmów medycznych certyfikowanych przez FDA w USA i posiadających znak CE w Europie trafia do radiologii. Na kolejnych miejscach znajduje się kardiologia, hematologia oraz neurologia. Rozwój technologii cyfrowych i AI w ochronie zdrowia pociągnął za sobą szybki wzrost badań naukowych w dziedzinie AI i ML. Do tego stopnia, że w 2019 roku prestiżowy magazyn naukowy The Lancet postanowił przygotować odrębną wersję poświęconą tylko cyfryzacji – The Lancet Digital Health.

A teraz przedstawimy historię sztucznej inteligencji opracowanej przez ComputerWorld:

  • w 1305 roku teolog i kataloński mistyk Ramon Llull stworzył Ars Magna, w którym zawarto szczegóły mechanicznych technik logicznych dialogów międzyreligijnych, które zostały uznane przez badaczy jako pierwsze instrukcje treningu sztucznej inteligencji.
  • W 1666 roku pojawiła się praca Dissertatio de arte combinatoria Gottfrieda Leibniza czerpiąca inspirację z Ars Magna. Zawarto w niech mechaniczny diagram, który analizuje dialogi rozkładając je do części pierwszych w celu ułatwienia analizy.
  • w 1854 roku, kiedy to angielski matematyk Gorge Boole porównał logiczne rozumowanie do umiejętności liczenia w celu analizowania problemów z wykorzystaniem przygotowanych równań. Metoda ta jest dziś wykorzystywana przez generatywne modele AI.
  • W 1914 roku Leonardo Torres Quevedo stworzył wczesne zastosowanie automatyzacji. Mowa o słynnym ruchu The Chess Player w szachach.
  • W trakcie drugiej wojny światowej Walter Pitts i Warren McCulloch opracowali matematyczny i komputerowy model biologicznego neuronu. Wykonuje on proste funkcje logiczne. Naukowcy będą odwoływać się do tego algorytmu przez kilka dziesięcioleci, umożliwiając im tworzenie dzisiejszych sieci neuronowych i technologii głębokiego uczenia się.
  • W 1950 roku Alan Turing opublikował Computing Machineria and Intelligence – pierwszy artykuł naukowy, który poświęcony został sztucznej inteligencji. W tym samym roku wydano również Test Turinga – jedną z najwcześniejszych i najcześciej stosowanych metod testowania dokładności systemów AI.
  • W 1956 roku Alan Turing oraz John Von Neumann prowadzili badania nad sposobami integracji logicznego myślenia z maszynami. W tym samym roku po raz pierwszy w artykule naukowym pojawił się termin AI.
  • W 1966 roku Charles Rosen zbudował robota Shakey w ramach Stanford Research Institute. Jest to prawdopodobnie pierwszy „inteligentny” robot zdolny do wykonywania prostych zadań, rozpoznawania wzorców i określania tras.
  • Kolejnym krokiem milowym był komputer Deep Blue firmy IBM zaprezentowany w 1997 roku. Był on zdolny do gry w szachy z człowiekiem. Jest to pierwszy przykład komputera, który rozegrał pełną partię autonomicznie i wygrał. Co więcej, w demonstracji wziął udział światowej klasy arcymistrz szachowy.
  • W 2001 roku Honda zaprezentowała humanoida napędzanego sztuczną inteligencją o nazwie ASIMO. Honda wykorzystywała go głównie jako platformę badawczą w zakresie mobilności, uczenia maszynowego i robotyki.
  • W 2002 roku na rynku zadebiutował pierwszy iRobot – inteligentne urządzenie do sprzątania
  • W 2006 roku naukowcy z Centrum Turinga Michele Banko, Oren Etzioni i Michael Cafarella opublikowali przełomowy artykuł na temat czytania maszynowego. Definiuje on zdolność systemu do autonomicznego rozumienia tekstu.
  • W 2008 roku firma Google wprowadziła na iPhone’a 2G oraz 3G aplikację, która obsługuje rozpoznawanie mowy z 92% współczynnikiem dokładności.
  • W 2009 roku opracowano samochód autonomiczny, który w 2014 roku przeszedł ogólnokrajowe testy jazy autonomicznej po drogach publicznych. Za projekt odpowiedzialni byli inżynierowie z Google. Wydarzenie to było podwalinami pod budowę systemów jazdy półautonomicznej oraz autonomicznej, które znajdziemy w nowych autach.
  • W 2011 roku firma Apple prowadziła na rynek asystenta głosowego Siri. Był to pierwszy inteligentny asystent głosowy oparty na sztucznej inteligencji.
  • 2016 rok był przełomowy w kontekście specjalistycznego wykorzystania sztucznej inteligencji. Panujący mistrz świata w Go Lee Sedol rozegrał pięć meczów z AlphaGo, komputerowym systemem do gry w Go wyszkolonym przez Google DeepMind. Lee przegrał cztery razy. Ta demonstracja dowiodła, że odpowiednio wyszkolone systemy sztucznej inteligencji przewyższają nawet najbardziej wykwalifikowanych specjalistów w swoich dziedzinach.
  • W 2018 roku OpenAI pracowało GPT-1, pierwszy model językowy z rodziny GPT. Deweloperzy wykorzystali zbiór danych BookCorpus do szkolenia. Model mógł odpowiadać na pytania z zakresu wiedzy ogólnej i używać języka naturalnego.
  • W 2022 roku opublikowano ChatGPT 3.5. Jest to wyrafinowany, oparty na sztucznej inteligencji chatbot. Podczas szkolenia programiści podali mu 300 miliardów słów.
  • W 2023 roku inne globalne firmy technologiczne poszły w ślady OpenAI. Google uruchomiło Bard, Microsoft wydał Bing Chat, Meta opracowała model językowy typu open source o nazwie LLaMA, a OpenAI wydało GPT-4, swój ulepszony model generatywnej AI.

Wracając teraz do medycyny, czy AI będzie na poziomie człowieka?

Połowa przepytanych ekspertów uważa, iż istnieje 50% prawdopodobieństwa na osiągnięcie przez AI ludzkiego poziomu przed 2040 rokiem[2]. W mniejszej ankiecie 42% badaczy stwierdziło, że AI na ludzkim poziomie powstanie przed 2030 rokiem, a 67% – 2050 rokiem[3].

Grupa chińskich naukowców w pracy z 2015 roku ogłosiła, iż program komputerowy ich autorstwa osiągał lepszy wynik niż przeciętni ludzie (w tym dzieci) podczas testu IQ opartego na komunikatach werbalnych[4].

Również w roku 2015 amerykańscy badacze ogłosili stworzenie programu, który w zawodach z analizy danych pokonał 615 na 906 drużyn złożonych z ludzi [5].

AI cały czas się uczy, przez co zdarzają się jeszcze nieodpowiednie zachowania:
Systemy sztucznej inteligencji mogą przejawiać różnego rodzaju uprzedzenia np. rasowe lub seksistowskie, ze względu na stronniczość danych testowych[19] i zjawisko nieświadomych uprzedzeń (unconscious bias). Może to rodzić poważne konsekwencje w zależności od miejsca, w

AI będzie głównym źródłem postępów w naukach medycznych. Jednak zanim się to stanie, trzeba pokonać kilka wyzwań i odpowiedzieć na trudne pytania. Wśród nich jest niska jakość i ograniczona dostępność danych wykorzystywanych do trenowania algorytmów. Istnieją uzasadnione obawy o stronniczość zbiorów danych, która może przełożyć się na błędne działanie algorytmów w przypadku populacji, które nie są reprezentowane w danych ćwiczeniowych. Barierą pozostaje tzw. black box, czyli sposób podejmowania decyzji przez algorytmy. Nikt nie wie, dlaczego AI podjęła taką, a nie inną decyzję, a więc trudno zweryfikować poprawność całego procesu.

Obywatele mają obawy co do bezpieczeństwa danych i prywatności. Wykorzystanie tańszych niż praca ludzi algorytmów diagnostycznych może potencjalnie doprowadzić do ochrony zdrowia dwóch prędkości, gdzie standardem będą usługi diagnostyczne i konsultacje świadczone przez boty, a kontakt z lekarzem-człowiekiem stanie się opcją premium, dostępną poza standardowym ubezpieczeniem zdrowotnym.

Lekarze z nadzieją, ale i obawami przyglądają się systemom zdrowia opartym na AI. Pojawiają się dylematy etyczne dotyczące odpowiedzialności zawodowej za błędy medyczne popełniane przez algorytmy. Pomyłka systemu AI sugerującego zakup nowego ubrania, książki czy wyświetlającego najciekawsze treści w mediach społecznościowych nie ma takich konsekwencji jak nieprawidłowa diagnoza albo nieprecyzyjnie dobrany lek.

Za szybkim rozwojem technologii nie nadąża legislacja. A to powoduje, że wiele potencjalnie korzystnych dla pacjentów rozwiązań nie jest skalowanych na rynku, bo nie są refundowane przez ubezpieczycieli zdrowotnych. Przyjęcie nowych technologii wymaga też zmiany kultury pracy w ochronie zdrowia. O tym, że jeszcze daleko nam do płynnej współpracy lekarzy z AI, świadczy porażka Dr Watson Health firmy IBM. System oskarżano o wydawanie niedokładnych i niebezpiecznych zaleceń, co skłoniło wiele szpitali do zerwania współpracy z IBM [8].

A jak wygląda przyszłość? 

Jest jeszcze jeden determinant rozwoju AI – postępy w rozwoju sprzętu IT. Rozwiązania pozwalające na przetwarzanie dużych zbiorów danych i wykrywanie zależności niewidocznych dla ludzkiego oka (albo raczej: tradycyjnych statystyk) upowszechniły się dopiero w ostatnim dziesięcioleciu. Mowa o tzw. głębokim uczeniu się/uczeniu maszynowym (deep learning/machine learning, DL/ML). I choć historia sieci neuronowych sięga 1943 roku, to DL/AM weszły do praktycznego użytku w tym stuleciu. AI potrzebuje nie tylko danych, ale też mocy obliczeniowej. A ta – zgodnie z prawem Moore’a – powiększa się wykładniczo: liczba tranzystorów na pojedynczym mikroczipe podwaja się co dwa lata.

Przed nami kolejna innowacja, która zasili rozwój AI. Mowa o komputerach kwantowych o mocy obliczeniowej nieporównywalnie wyższej od tradycyjnych komputerów. Google twierdzi, że jego laboratoryjna wersja komputera kwantowego jest 100 milionów razy szybsza niż jakikolwiek klasyczny komputer. Jego wydajność można porównać do siły 5 milionów laptopów. W przeprowadzonych testach, 54-kubitowy komputer Google’a był w stanie wykonać w 200 sekund zadanie, które na tradycyjnych komputerach zajęłoby ponad 10 000 lat. Takie maszyny mogą przyspieszyć setki, tysiące razy czas potrzebny na poszukiwanie nowych cząsteczek dla potencjalnych leków prowadzone przez systemy AI. [8]

1. https://www.computerworld.pl/news/Kiedy-wynaleziono-AI-Krotka-historia-sztucznej-inteligencji,445864.html

2. https://nickbostrom.com/papers/survey.pdf

3. James Barrat, Our Final Invention: Artificial Intelligence and the End of the Human Era, New York: Thomas Dunne Books, 2013, s. 152,

4. https://arxiv.org/pdf/1505.07909v1.pdf

5. http://groups.csail.mit.edu/EVO-DesignOpt/groupWebSite/uploads/Site/DSAA_DSM_2015.pdf

6. https://medica.pl/czy-sztuczna-inteligencja-moze-zastapic-lekarzy/

7. https://isbiznes.pl/2023/11/02/sztuczna-inteligencja-z-tytulem-profesora/

8. https://blog.osoz.pl/ai-w-medycynie-co-juz-potrafi-i-jak-zmieni-sektor-zdrowia/


Follow Us

hello@radiopeiron.com