Ieškodami internete rasite begalę liudijimų apie žmones, kurie naudojosi dirbtiniu intelektu (DI), kad gautų diagnozes, kurių jų gydytojai „nepastebėjo“. Nors svarbu, kad žmonės prisiimtų atsakomybę už savo sveikatą ir naudotų visus prieinamus išteklius, lygiai taip pat svarbu suprasti procesą, kuris slypi DI diagnozės užkulisiuose.
Jeigu paprašysite DI nustatyti, kas jums yra, įvedant seriją simptomų, DI naudos matematinę tikimybę, kad apskaičiuotų žodžių seką, kuri pagal konkretų užklausos kontekstą suteiktų vertingiausią rezultatą. DI neturi nei vidinio, nei išmokto supratimo, ką reiškia „kūnas“, „ligos“, „skausmas“ ar „susirgimas“. Tai, kas žmonėms yra prasmingos sąvokos, DI atžvilgiu yra tik raidžių seka, dažnai pasitaikanti kartu su kitomis raidėmis mokymo duomenų rinkinyje.
Naujausi tyrimai apie DI medicininio samprotavimo trūkumus
Neseniai tyrėjų komanda siekė išsiaiškinti, ar dirbtinis intelektas, pasiekęs beveik tobula tiksluma medicinos testuose, tokiuose kaip MedQA, iš tikrųjų sprendžia medicinines problemas, ar tiesiog išnaudoja statistinius modelius savo mokymo duomenyse. Jei gydytojai ir pacientai plačiau pasikliaus DI įrankiais diagnozei, tampa ypač svarbu suprasti DI gebėjimus susiduriant su naujomis klinikinėmis situacijomis.
Tyrėjai paėmė 100 klausimų iš MedQA – standartinio medicinos klausimų rinkinio, surinkto iš profesinių medicinos valdymo egzaminų – ir pakeitė originalų teisingą atsakymą į „Nė vienas iš kitų atsakymų“. Jei DI tik sutampa su modeliais mokymo duomenyse, toks pakeitimas turėtų žymiai sumažinti jo tikslumą. Kita vertus, jei atsakymų pagrindas būtų tikras samprotavimas, neigiama įtaka turėtų būti minimali.
Kaip ir buvo galima tikėtis, tyrėjai nustatė, kad kai DI susiduria su klausimu, kuris nukrypsta nuo pažįstamų atsakymų modelių, pagal kuriuos jis buvo mokomas, tikslumas žymiai sumažėja – nuo 80 % iki 42 %. Tai vyksta todėl, kad šiandienos DI vis dar yra tik tikimybių skaičiuoklės, o ne kūrybingi mąstytojai.
Įgudę medicinos specialistai mato, girdi, jaučia ir atpažįsta medicinines būkles būdais, apie kuriuos jie dažnai net nesąmoningai nežino. Tuo tarpu DI sutriktų, jei simptomų aprašymas būtų neįprastas. Geras gydytojas atidžiai klausosi pacientų pasirinktų žodžių ir stengiasi suprasti situaciją. Jie vertina, kaip visuomenės veiksniai gali paveikti sveikatą, pasitikėdami tiek savo, tiek paciento intuicija. Jie atidžiai stebi visus pasireiškiančius simptomus atvira nuomone, o ne algoritmiškai priskiria pacientą bendram diagnostikos rėmui.
Gydymas – daugiau nei vienas uždavinys
Vis dėlto algoritminių supremacistų įsitikinimas, kad žmonių teikiama sveikatos priežiūra bus visiškai pakeista mašinomis, išlieka toks pat stiprus. 2016 m., Toronte vykusioje Mašininio mokymosi ir intelekto rinkos konferencijoje, Geoffrey Hinton užlipo ant scenos ir tvirtai pareiškė:
„Jeigu dirbate radiologu, jūs kaip Wile E. Coyote animaciniame filme. Jūs jau ant bedugnės krašto, bet dar nežiūrėjote žemyn… Žmonės turėtų liautis rengę radiologus dabar. Visiškai akivaizdu, kad per penkerius metus dirbtinis intelektas bus geresnis už radiologus.“
Po septynerių metų, gerokai praejus penkerių metų terminui, Open Souls generalinis direktorius Kevin Fischer kritikavo Hinton klaidingą DI prognozę, paaiškindamas, kaip technologijų šalininkai susitelkia ties viena elgsena atliekant tam tikrą užduotį ir tada daro platesnes išvadas remdamiesi vien tik ta užduotimi. Iš tikrųjų bet kurios darbo vietos, ypač itin sudėtingos, reikalaujančios dešimties metų mokymo, redukcija iki kelių užduočių yra absurdiška.
Kaip paaiškina Fischer, radiologai savo galvoje turi 3D smegenų ir fizinių dinamikų modelį, kurį naudoja interpretuodami tyrimo rezultatus. DI, kuriam duota užduotis atlikti analizę, tiesiog atlieka 2D modelių atpažinimą. Be to, radiologai naudoja daugybę patikrintų modelių sprendimams priimti, o kai jie mąsto kūrybiškai, vienas svarbiausių įrankių yra tai, ar kažkas „atrodo ne taip“. Didelė jų darbo dalis – bendravimas su kitais gydytojais apie pastebėjimus. Be to, žmogui radiologui pakanka pamatyti tik vieną retą ir neįprastą būklę, kad ją įsimintų ir galėtų atpažinti ateityje, skirtingai nei algoritmai, kuriems sunku spręsti, ką daryti su statistinėmis išimtimis.
Taigi, drąsiai naudokite bet kokius įrankius savo sveikatai palaikyti. Tačiau atsiminkite skirtumą tarp medicininių skaičiuoklių ir kūrybiškai mąstančio specialisto.