​​„Dzisiejsza sztuczna inteligencja jest dobra we wszystkim – ale świetna w niczym” – napisał Vijay Pande w "Time". „Nie ma wątpliwości, że sztuczna inteligencja może nieodwołalnie zmienić sposób, w jaki patrzymy na zapobieganie chorobom i ich leczenie” – napisał Pande. I tu należałoby dodać: "ale...", gdyż uważa on, że by naprawdę przekształcić ochronę zdrowia, konieczne jest inwestowanie w stworzenie ekosystemu modeli „specjalistycznej sztucznej inteligencji, które uczą się tak, jak robią to nasi najlepsi lekarze i twórcy leków”.

Wpierw biologia i chemia, potem decyzje

Pande przywołuje tradycyjną ścieżkę rozwoju i kariery, która pozwala w końcu wejść na szczyt. Niemal zawsze zaczyna się ona od lat intensywnego przyswajania informacji, formalnego kształcenia, po którym następuje jakaś forma praktyk zawodowych, pozwalających na ugruntowywanie wiedzy, dzięki bezpośrednim kontaktom z najwybitniejszymi praktykami w danej dziedzinie. „To prawie niezastąpiony proces”  - zwraca uwagę Pande. I dodaje: „Większości informacji, które przyswaja rezydent słuchając i obserwując doświadczonego chirurga, nie podano w żadnym podręczniku”. Szczególnie trudno jest posiąść pewną intuicję, która wykształca się wraz z latami zdobywania wiedzy i gromadzenia doświadczenia. „Dotyczy to zarówno sztucznej inteligencji, jak i ludzi, ale w przypadku sztucznej inteligencji problem jest większy za sprawą metod, dzięki którym AI obecnie się uczy”.

Pande uważa, że zamiast uczyć AI wyłącznie na podstawie ogromnych ilości danych i oczekiwać, że jeden model rozwiąże wszystkie problemy, powinno się szkolić sztuczną inteligencję za pomocą modeli, które nakładają się na siebie. Wpierw biologia, potem chemia, następnie dane na przykład związane z opieką zdrowotną lub opracowywaniem leków. Tak to wygląda w tradycyjnym modelu studiów. Studenci medycyny chcą zostać lekarzami, ale ich zajęcia zaczynają się od podstaw chemii i biologii, a nie od subtelniejszych kwestii związanych z diagnozowaniem chorób - zwraca uwagę Pande. Bez tych podstaw ich zdolność do zapewnienia wysokiej jakości opieki zdrowotnej pewnego dnia napotkałaby znaczne ograniczenia - uważa. Podobnie naukowiec, który opracowuje nowy lek, przechodzi lata studiów z zakresu chemii i biologii, zdobywa stopnie, pracuje pod okiem doświadczonych naukowców. Ten styl uczenia się może pomóc poruszać się w sytuacjach, gdzie decyzje zależą od subtelnych różnic. "Na przykład estrogen i testosteron różnią się tylko nieznacznie, ale mają diametralnie różny wpływ na zdrowie człowieka" - podaje przykład Pande.

Analiza i raport z badań diagnostycznych w 60 sekund? Z AI to możliwe

Wąska specjalizacja kluczem do sukcesu

Co w takim razie należałoby zmienić w modelowaniu? Jak twierdzi Pande, opracowanie modeli AI z uproszczonymi mapami złożonych danych, które pomogą jej zrozumieć wzorce i relacje, odzwierciedlałoby zdolność zrozumienia lub przewidywania każdego podstawowego elementu. Początkowo proces uczenia się byłby zgodny z edukacją ludzi i obowiązującymi paradygmatami, ale prawdopodobnie z czasem wyspecjalizowałby się w nowych rodzajach wiedzy specjalistycznej w zakresie uczenia się AI. „Jak na ironię, stworzenie sztucznej inteligencji, która specjalizuje się w określonej dziedzinie, takiej jak opieka zdrowotna, może być łatwiejsze niż stworzenie czegoś bardziej podobnego do HAL 9000 (fikcyjny komputer przedstawiony w książce "2001: Odyseja kosmiczna" Arthura C. Clarke'a i w filmie o tym samym tytule w reżyserii Stanleya Kubricka – red.), z typową wiedzą na poziomie człowieka w różnych dziedzinach” – uważa Pande.

"Potrzebujemy bardziej wyspecjalizowanej sztucznej inteligencji w określonych domenach, niż nadrzędnej sztucznej inteligencji, która może zrobić wszystko, co potrafi przeciętny człowiek. Przewiduję stworzenie nie jednej specjalistycznej sztucznej inteligencji, ale wielu, z różnymi podejściami do kodowania, danych i testowania, tak aby te modele mogły w razie potrzeby zapewnić drugą (lub trzecią lub czwartą) opinię".

AI: nie taka "czarna skrzynka" jak nam się wydaje

Jednocześnie Vijay Pande uspokaja emocje związane z ryzykiem AI. Według niego sztuczna inteligencja nie jest aż tak "czarną skrzynką", jak sugeruje to wyobraźnia, a podejmowanie decyzji przez ludzi, od których dziś jesteśmy zależni, być może jest bardziej nieprzejrzyste. W pracy nad AI nie powinny powstrzymywać ludzi uprzedzenia i stereotypy, a z czasem - krok po kroku - "tworząc systemy analizujące wewnętrzne działania wyspecjalizowanej sztucznej inteligencji, stworzymy uczące się koło zamachowe". Aż w końcu wyspecjalizowana sztuczna inteligencja mogłaby wyjść poza rolę eksperta w danej dziedzinie i stać się nauczycielem następnej generacji specjalistów — zarówno ludzi, jak i AI" - kończy swój wywód Vijay Pande.

Dr Vijay Pande jest amerykańskim naukowcem, pochodzącym z Trynidadu, wspólnikiem w firmie Andreessen Horowitz, gdzie koncentruje się na inwestycjach w biofarmację i opiekę zdrowotną

Czytaj też:

Eksperci: Sztuczna inteligencja stanowi ryzyko dla zdrowia ludzi