In ultimul deceniu, una dintre cele mai populare tehnologii din IT trebuie sa fi fost inteligenta artificiala.

Analiza comportamentala online, previziuni cu ajutorul Big Data, meteorologie, masini autonome sau recunoasterea faciala se bazeaza pe tehnologii care intr-o anumita masura folosesc inteligenta artificiala. Dar ce este exact aceasta „inteligenta artificiala”? Cat de inteligenta este ea de fapt? Si nu in ultimul rand, ar trebui sa ne temem de ea?

Asadar, ce este inteligenta artificiala?

In mod traditional, atunci cand un dezvoltator scrie o bucata de cod, de exemplu o aplicatie Java, de obicei aceasta face un set de calcule sau ofera o anumita functionalitate, iar modul in care aceasta functioneaza este descris foarte clar si meticulos in programarea care o defineste. Eficienta cu care aplicatia va rula depinde de resursele pe care le are disponibile, dar doua aplicatii identice gazduite pe doua servere identice vor functiona intotdeauna la fel de eficient si acest lucru nu se va schimba in timp, atata vreme cat resursele de care dispun sunt, de asemenea, constante.

Iata partea interesanta cu inteligenta artificiala (o vom numi AI pe scurt) – cu cat primeste mai multe date, cu atat aceasta devine din ce in ce mai eficienta odata cu trecerea timpului, chiar daca resursele de care dispune raman la fel.

Va fi AI mai inteligenta decat oamenii?

Probabil niciodata. Oricum nu in aceasta forma. De exemplu, sa spunem ca aveti un algoritm care trebuie sa identifice semafoarele din intersectii. Initial, ar trebui sa il alimentati cu tot felul de imagini cu semafoare etichetate in mod clar „semafoare” sau „fara semafoare” pe care algoritmul le va folosi pentru a „afla” cum arata de fapt un semafor, precum si cum este pozitionat in intersectii, cum se distinge de copaci sau alte obiecte din fundal si asa mai departe.

Cand aceasta cantitate de imagini va fi suficient de mare si algoritmul va fi vazut zeci sau poate sute de mii de imagini etichetate cu semafoare, va putea inversa procesul si astfel oferindu-i-se imagini fara etichetare cu tot felul de drumuri, va putea detecta care dintre intersectii au semafoare si care nu. Asadar, va fi capabil sa „evolueze” sau sa devina mai eficient in timp la sarcina pentru care beneficiaza de cantitati suficiente de date pentru a „invata” – acest lucru a determinat acest tip de tehnologie sa fie numita „inteligenta”.

Sigur, dupa un timp va fi mai eficient in a identifica semafoarele din intersectii decat orice om obisnuit, dar asta nu inseamna ca va fi mai inteligent decat vreunul dintre noi prea curand.

Chiar poate veni sfarsitul lumii?

Ei bine, nu exact. In primul rand, AI este utilizat pentru a rezolva problemele pe care initial a fost instruit sa le rezolve. Asta inseamna sa ai date initiale care au nevoie de etichetare de calitate („semafoare” sau „fara semafoare”) si apoi sa le folosesti ca sa antrenezi algoritmul. Deci, in cele din urma, algoritmul va putea doar sa identifice semafoare, dar cam asta e tot.

Probabil ca ati auzit despre „machine learning”, dar asta nu are decat un sunet mai inspaimantator, este practic acelasi lucru – este doar o aplicatie software care se pricepe la identificarea tiparelor de tot felul. Mai sunt multe de facut pana cand inteligenta artificiala va putea deveni o amenintare pentru omenire, daca acest lucru se intampla vreodata. Unii dintre cei mai mari antreprenori din lume au acordat deja multa atentie subiectului si chiar au scris o scrisoare deschisa in care avertizeaza despre pericolele cu care ne-am putema confrunta daca lucrurile nu sunt gestionate corect, https://futureoflife.org/ai-open-letter

Automatizarea fluxului de lucru din radiologie  folosind inteligenta artificiala

Va amintiti cum inteligenta artificiala era excelenta la identificarea tiparelor din imagini? Aceeasi tehnologie este folosita in masinile autonome, softuri care permit recunoasterea faciala sau aplicatii pentru smartphone-uri care identifica in mod corect obiectele din fotografii. La  Medicai, folosim AI intr-un mod foarte similar pentru a identifica tiparele in imagistica medicala de tip RMN, CT sau PET-CT. De exemplu, un mod in care cercetatorii nostri folosesc aceasta tehnologie este pentru segmentarea organelor (sau pentru a distinge organele individuale de fundal sau de prim plan).

Imaginati-va ca aveti un RMN toracic si trebuie sa urmariti evolutia a ceea ce pare a fi o tumora. Ai avea nevoie de un radiolog care analizeaza manual RMN-ul si incearca sa distinga tumora de elementele de fundal si prim plan. Dupa aceea, ai avea nevoie de un mod eficient de calcul al volumului, astfel incat sa ai un punct de plecare in urmarirea evolutiei tumorii. si pentru a face asta, ar trebui sa reia tot acest proces inca o data cu un test RMN ulterior, unde va trebui sa repete toate aceste sarcini pentru a obtine un termen de comparatie. Iata unde intervine tehnologia – am dezvoltat un algoritm care analizeaza RMN-urile si este capabil sa segmenteze automat organele (sau sa le distinga de fundal) si chiar sa le calculeze volumul.

Automatizarea acestei parti a fluxului de lucru al radiologului are un impact imens asupra bunastarii pacientului – radiologii nu mai trebuie sa-si piarda timpul pentru a face aceste operatiuni manual si au un la indemana un mijloc mult mai precis pentru a compara evolutia tesuturilor. Trebuie doar sa incarce noile analize, sa ruleze software-ul si sa observe diferenta dintre volume subliniata de sistem. Astfel se economiseste foarte mult timp pentru pacienti si creste eficienta de lucru oferind pacientilor cel mai bun tratament posibil intr-un timp cat mai scurt.