An féidir linn domhan gan ghalar a chruthú?
An féidir linn domhan gan ghalar a chruthú?
An féidir domhan saor ó ghalair a bheith agat? Is focal é galar a bhraitheann an chuid is mó (mura bhfuil gach duine) daoine míchompordach ag éisteacht nuair a bhíonn ceann acu féin nó ag duine a bhfuil aithne acu air. Ar ámharaí an tsaoil, Max Welling, ina ollamh le meaisínfhoghlama in Ollscoil Amstardam agus ina bhall d'Institiúid Ardtaighde Cheanada, agus tá córas anailíse sonraí cruthaithe ag a fhoireann fiontraithe chun galair a dhiagnóisiú d'othair. Fíric spraíúil: Stiúrann sé AMLAB (Amsterdam Machine Learning LAB) agus comhstiúrann sé QUVA Lab (Qualcomm-UvA Lab). Feicfimid anseo conas a rinne an fear iontach seo agus a fhoireann fiontraithe (Cynthia Dwork, Geoffrey Hinton agus Judea Pearl) roinnt dul chun cinn dochreidte chun deireadh a chur le galair an domhain.
Imní Max Welling
Tugann cuid de na fíricí a luann Welling le fios le linn a chuid cainte TEDx aird ar an bhfíric go bhfuil amanna ann nuair a d’fhéadfadh dochtúir rud éigin a chailleann le linn diagnóis othar. Mar shampla, deir sé “nach bhfuil fianaise eolaíoch á lorg ag leath de na nósanna imeachta leighis.” Déantar an diagnóis sin go príomha trína gcleachtais féin agus trína n-eolas a fuarthas ar scoil, ach tá Max ag rá gur chóir go mbeadh prognóis anailíseach de shaghas éigin ann i leith galair fhéideartha eile. Míníonn sé gur féidir mídhiagnóisiú a dhéanamh ar roinnt othar agus go dtiocfaidh siad ar ais san ospidéal, áit a shonraíonn sé go bhfuil siad 8 n-uaire níos dóchúla bás a fháil. Is é an rud is suimiúla ná gur ceist í seo a bhí ann i gcónaí. Is é an chúis atá chomh simplí agus is gá botúin a dhéanamh a d'fhéadfadh costas a saol a chur ar dhuine nó ar roinnt daoine. Ní hamháin sin, mar a deir Welling, go bhfuil 230 milliún gnáthamh leighis gach bliain a chosnaíonn leath-trilliún dollar. Cosúil le haon tionscal atá ag iarraidh seirbhís a sholáthar chun cabhrú le daoine eile, cosnaíonn sé airgead; ina theannta sin, ciallaíonn sé sin go gcaithfidh ospidéil agus iad siúd atá i gceannas ar ionaid leighis a mhaoiniú éisteacht le nuálaithe atá ag iarraidh an tionscal a chur chun cinn i dtreo níos fearr. Mar sin féin, tá sé tairbheach i gcónaí a bheith frugal.
Príobháideacht a Chaomhnú
Dúirt Welling go bhfuil 3 cinn bainte amach aige féin agus ag a fhoireann. Is é ceann acu ríomhaire atá in ann príobháideacht a chaomhnú laistigh d’ospidéal; ina theannta sin, is féidir le ríomhairí anailís a dhéanamh ar raidhse sonraí freisin chun diagnóis a fheabhsú d'othair atá tinn go leor. Tá an bogearra seo ainmnithe Foghlaimeoir Meaisín. Go bunúsach, cuireann an ríomhaire ceist chuig bunachar sonraí an ospidéil, a fhreagraíonn don cheist agus ansin athróidh an foghlaimeoir meaisín an freagra trí “cuid torainn a chur leis.” Le haghaidh tuilleadh sonraí le do thoil Cliceáil anseo (Míníonn Max Welling é níos dlúithe idir nóiméad 5:20 – 6:06). I bhfocail eile, mar a mhíníonn Max é, tá an ríomhaire ag iarraidh "é féin a fheabhsú" trí dhiagnóis a dhéanamh agus "samhail sonraí níos fearr a thógáil". Tá sé seo go léir a bhuíochas sin do Cynthia Dwork, ar eolaí clúiteach é ó Microsoft Research. Díríonn sí ar phríobháideacht a chaomhnú bunaithe ar bhunús matamaitice. Tuilleadh fúithi agus a bhfuil déanta aici, Cliceáil anseo. I mbeagán focal, léiríonn an chéad dul chun cinn seo ní hamháin gur mian le Max meas a bheith aige ar fhaisnéis phearsanta na n-othar ach tá sé ag iarraidh bonn níos daingne a sholáthar d’ospidéil le haghaidh diagnóis.
Deep Learning
Tugadh an dara ceann chun solais le Geoffrey Hinton. Yann Lecun, Yoshua Bengio agus Geoffrey Mhínigh an méid seo a leanas: “Tugann foghlaim dhomhain amach struchtúr casta i dtacair mhóra sonraí trí úsáid a bhaint as an algartam cúl-iomdaithe chun a léiriú conas ba cheart do mheaisín a pharaiméadair inmheánacha a úsáidtear chun an léiriú i ngach ciseal a ríomh ón léiriú sa tsraith roimhe seo a ríomh.” I dtéarmaí layman, cuidíonn sé le meaisín é féin a thuiscint níos fearr trína sraitheanna casta trí na paraiméadair is doimhne aige (le haghaidh tuilleadh sonraí léigh an chuid eile den athbhreithniú a scríobh an triúr uaisle le do thoil).
Cúisíocht vs Comhghaol
Is smaoineamh comhoibríoch é an tríú ceann agus an ceann deireanach chun idirdhealú breise a dhéanamh idir cúisíocht agus comhghaol. Mothaíonn Max gur féidir le huirlisí Judea Pearl cabhrú leis an dá choincheap seo a idirdhealú agus bí eagraithe. Go bunúsach is é ról Judea ná cabhrú le níos mó struchtúr a thabhairt do shonraí ar féidir a dhéanamh má aistrítear comhaid othar go digiteach isteach i mbunachar sonraí. Tá obair Pearl casta go leor mar sin más mian leat a thuiscint níos mó cad iad na “uirlisí” atá aige Cliceáil anseo.
Mian Max
Rinne Welling achoimre ag deireadh a chuid Caint TEDX go bhfuil sé ag iarraidh príobháideacht a chaomhnú tríd an bhfoghlaimeoir meaisín. Ar an dara dul síos, mionaoisigh sonraí agus eolaithe a fhostú chun diagnóis a fheabhsú tuilleadh chun airgead agus saolta a shábháil. Ar deireadh, tá sé ag iarraidh cúram sláinte a athbheochan trí fhreastal níos fearr a dhéanamh ar ospidéil, ar dhochtúirí agus ar othair trí theicneolaíocht a chuideoidh le cuairteanna ospidéil a ghiorrú agus airgead a úsáid ar bhealach níos éifeachtaí. Is fís álainn é seo ar chúram sláinte mar ní hamháin go bhfuil sé ag iarraidh meas a bheith aige ar an tionscal leighis, tá sé ag iarraidh cabhrú le daoine a shábháil agus é ag smaoineamh ar bhuiséid na n-ospidéal agus na n-ionad leighis.
