एल्गोरिदम के जीवन और मौत के लिए समझने के लिए कैसे: कृत्रिम बुद्धि कर सकते हैं कि लोगों को चंगा?

जब यह आता है करने के लिए मशीन सीखने, सबसे अधिक बार बातचीत कर रहे हैं के बारे में चिकित्सा के क्षेत्र में. यह आश्चर्य की बात नहीं है: एक बहुत बड़ा उद्योग उत्पन्न करता है कि एक अभूतपूर्व डेटा की मात्रा और राजस्व में है, जो तकनीकी प्रगति में सुधार कर सकते हैं या जान बचाने के लिए लोगों के लाखों लोगों की है । शायद ही एक सप्ताह से चला जाता है की उपस्थिति के बिना है, जो अनुसंधान से पता चलता है कि एल्गोरिदम बेहतर होगा की पहचान करने के लिए विशेषज्ञों निमोनिया या अल्जाइमर रोग के रोगों जटिल अंगों, आंख से दिल के लिए. और यह सब है, लेकिन…

समस्याओं के भीड़ भरे अस्पतालों और overworked नर्सों कर रहे हैं विषाक्तता सार्वजनिक स्वास्थ्य प्रणाली, और वृद्धि की लागत निजी स्वास्थ्य प्रणाली. और यहाँ, फिर से, एल्गोरिदम की पेशकश एक आकर्षक समाधान है । कितनी बार वास्तव में जरूरत के लिए एक चिकित्सक की यात्रा? क्या यह संभव है बदलने के लिए इन यात्राओं स्मार्ट chatbot — जो हो जाएगा के साथ सुसज्जित पोर्टेबल नैदानिक परीक्षण का उपयोग कर नवीनतम उपलब्धियों के क्षेत्र में जैव प्रौद्योगिकी? अनावश्यक यात्राओं को कम किया जा सकता है और रोगियों का निदान किया जा सकता है और विशेषज्ञों के लिए निर्दिष्ट के बिना, जल्दी से इंतजार कर के लिए प्रारंभिक परामर्श.

के रूप में के मामले में कृत्रिम बुद्धि एल्गोरिदम, लक्ष्य नहीं है को प्रतिस्थापित करने के लिए डॉक्टरों, लेकिन उन्हें देने के लिए उपकरणों को कम करने के लिए दैनिक या आवर्ती के काम के टुकड़े. के साथ एक एअर इंडिया कर सकते हैं कि पता लगाने के हजारों स्कैन प्रति मिनट, "बोरिंग सामान" पर रहता है, और डॉक्टरों ध्यान केंद्रित कर सकते हैं के उन हिस्सों पर काम करने की आवश्यकता है कि अधिक जटिल है, सूक्ष्म है, के आधार पर निर्णय के बारे में सबसे अच्छा तरीकों के उपचार और रोगी की जरूरत है.

उच्च दांव

और अभी तक, के रूप में के साथ मामला एल्गोरिदम के ऐ, वहाँ रहे हैं जोखिम के साथ जुड़े उनके उपयोग — यहां तक कि कार्यों के लिए माना जाता है कि सांसारिक है । समस्याओं एल्गोरिदम एक "ब्लैक बॉक्स" ले कि अकथनीय निर्णय है, काफी गंभीर है जब आप की कोशिश कर रहे हैं समझने के लिए क्यों एक स्वचालित chatbot-भर्ती प्रभावित नहीं है के द्वारा अपनी कहानी साक्षात्कार के दौरान. में स्वास्थ्य के संदर्भ में, जहां निर्णय कर सकते हैं जीवन या मौत का मतलब है, के परिणामों के एल्गोरिथम विफलता घातक हो सकते हैं.

तंत्रिका नेटवर्क पूरी तरह से सक्षम हैं के प्रसंस्करण की एक बड़ी राशि प्रशिक्षण डेटा और संपर्क के अवशोषण के अंतर्निहित पैटर्न या प्रणाली के तर्क में छिपा परतों रेखीय बीजगणित; कि त्वचा कैंसर का पता लगाने के द्वारा फ़ोटो या लेखन pseudosclerosis भाषा है । हालांकि, वे कर रहे हैं बहुत समझाने की अंतर्निहित तर्क के रिश्ते की खोज की है: वहाँ कुछ है अधिक से अधिक सिर्फ एक स्ट्रिंग, संख्या के सांख्यिकीय वजन परतों के बीच. और वे नहीं कर सकते भेद से सहसंबंध करणीय है.

उठाती एक दिलचस्प दुविधा चिकित्सा पेशेवरों के लिए है । सपना के बड़े डेटा में चिकित्सा प्रदान करने के लिए तंत्रिका नेटवर्क "डेटा की बड़ी मात्रा में स्वास्थ्य के बारे में," का पता लगाने, जटिल, अस्पष्ट संबंधों और बनाने के एक व्यक्ति के मूल्यांकन के रोगियों के लिए है । तो क्या एल्गोरिथ्म के लिए किया जाएगा अनुचित रूप से प्रभावी निदान में स्वास्थ्य की स्थिति या उपचार के काम है, लेकिन आप नहीं होगा की एक वैज्ञानिक समझ को कैसे इस रिश्ते को वास्तव में काम करता है?

बहुत सारे धागे की जरूरत है कि तनाव कम करने के लिए

सांख्यिकीय मॉडल आबाद है कि इन तंत्रिका नेटवर्क अक्सर लगता है कि चर रहे हैं, एक दूसरे से स्वतंत्र है, लेकिन एक जटिल, इंटरैक्टिव प्रणाली मानव शरीर की तरह, यह हमेशा मामला नहीं है.

एक अर्थ में, यह एक अवधारणा में जाना जाता है चिकित्सा विज्ञान के क्षेत्र में वहाँ रहे हैं कई घटनाएं और संबंधों देखा गया है कि दशकों के लिए है, लेकिन अभी भी खराब समझा जाता है पर एक जैविक स्तर पर है । पेरासिटामोल है एक के सबसे लोकप्रिय दर्द निवारक, लेकिन अभी भी सक्रिय विचार विमर्श के अपने कार्यों के बारे में है । चिकित्सकों की तलाश कर सकते हैं करने के लिए किसी भी उपकरण का उपयोग, सबसे प्रभावी है, की परवाह किए बिना कि क्या यह है के आधार पर वैज्ञानिक समझ है । प्रशंसकों के कोपेनहेगन व्याख्या क्वांटम यांत्रिकी के rephrase कर सकते हैं कि के रूप में "चुप रहो और चंगा!".

<पी>बेशक, इस क्षेत्र में चल रही बहस के बारे में चाहे या नहीं हम जोखिम को चलाने के साथ यह दृष्टिकोण की अनदेखी करने के लिए गहरी समझ है कि अंततः साबित और अधिक उपयोगी है — उदाहरण के लिए, खोज करने के लिए नई दवाओं के लिए.

इसके अलावा करने के लिए दार्शनिक पनपी, वहाँ हैं व्यावहारिक समस्याओं: यदि आप समझ में नहीं आता ब्लैक बॉक्स की चिकित्सा एल्गोरिथ्म, दृष्टिकोण करने के लिए कैसे के मुद्दों क्लिनिकल परीक्षण और विनियमन?

हो सकता है की आवश्यकता के संबंध में पारदर्शिता के कामकाज एल्गोरिथ्म डेटा है कि वह पर लग रहा है, दहलीज मूल्यों के आधार पर जो निष्कर्ष खींचता है या सलाह देता है, लेकिन यह कर सकते हैं के साथ संघर्ष इरादों के लाभ की खोज में गोपनीयता चिकित्सा शुरू अप.

एक समाधान हो सकता है को नष्ट करने के लिए एल्गोरिदम में असमर्थ हैं, जो की व्याख्या करने के लिए खुद को या पर भरोसा अच्छी तरह से समझ में आ चिकित्सा विज्ञान है । लेकिन यह हो सकता है लोगों को रोकने का लाभ लेने के लिए उपयोगी काम में इस तरह के एल्गोरिदम है.

का मूल्यांकन एल्गोरिदम

नए एल्गोरिदम के क्षेत्र में स्वास्थ्य के लिए सक्षम नहीं होगा क्या भौतिकी के साथ किया था क्वांटम यांत्रिकी, क्योंकि यह नहीं है क्षेत्र में तैनात किए गए हैं । कई एल्गोरिदम सुधार कर रहे हैं क्षेत्र में काम कर रहे हैं । हम कैसे चयन करते हैं सबसे होनहार दृष्टिकोण है?

बनाने के लिए एक मानकीकृत प्रणाली के क्लिनिकल परीक्षण और परीक्षण है, जो समान रूप से लागू होता है के लिए एल्गोरिदम काम करते हैं कि अलग अलग तरीकों सेका उपयोग करें या अलग इनपुट डेटा चुनौतीपूर्ण हो जाएगा. क्लिनिकल परीक्षण का उपयोग करें कि छोटे आकार के नमूने, उदाहरण के लिए, की कोशिश है कि एल्गोरिदम के लिए निजीकृत उपचार व्यक्तियों के लिए भी चुनौतीपूर्ण हो सकता है । के साथ छोटे नमूने और कमजोर की वैज्ञानिक समझ क्या हो रहा है, यह असंभव हो जाएगा यह निर्धारित करने के लिए, एल्गोरिथ्म सफल रहा या विफल रहा है, क्योंकि वह अच्छा हो सकता है, सामान्य रूप में, लेकिन दिखाने के लिए एक बुरा उदाहरण है ।

जोड़ने के इस मिश्रण करने के लिए प्रशिक्षण और चित्र हो जाता है और भी अधिक जटिल है । "अधिक महत्वपूर्ण बात, आदर्श एल्गोरिथ्म में "ब्लैक बॉक्स" प्लास्टिक की है और लगातार अद्यतन किया जाता है, तो पारंपरिक मॉडल के नैदानिक परीक्षणों उचित नहीं है क्योंकि यह निर्भर करता है पर एक स्थिर उत्पाद के अधीन है कि स्थिर रेटिंग".

मैं की जरूरत है को अनुकूलित करने के लिए पूरे सिस्टम की चिकित्सा और नैदानिक परीक्षणों.

एक संतुलन हड़ताली

स्वास्थ्य के इतिहास को दर्शाता है, कृत्रिम बुद्धि के कई पहलुओं में है । यह कोई संयोग नहीं है कि आईबीएम को बदलने की कोशिश की स्वास्थ्य सेवा क्षेत्र का उपयोग कर, अपनी कृत्रिम बुद्धि वाटसन.

संतुलन होगा करने के लिए पाया जा सकता है । हम एक रास्ता खोजने के लिए प्रक्रिया करने के लिए बड़े डेटा का उपयोग करने के लिए भयानक शक्ति के तंत्रिका नेटवर्क और स्वचालित करने के लिए तर्क है. हम होना चाहिए कमियों के बारे में पता है और पूर्वाग्रहों इस दृष्टिकोण की समस्याओं को सुलझाने के लिए.

एक ही समय में हम इन प्रौद्योगिकियों का स्वागत करते हैं क्योंकि वे हो सकता है एक उपयोगी इसके अतिरिक्त के लिए कौशल, ज्ञान और समझ है कि लोगों को दे सकते हैं. तरह से तंत्रिका नेटवर्क, हमारे उद्योग में जानने के लिए की जरूरत का विस्तार, भविष्य में इस सहयोग.

सहमत हैं? चलो चर्चा में हमारे <मजबूत>