क्या हम बिना बीमारी के दुनिया बना सकते हैं?

क्या रोग मुक्त दुनिया संभव है? रोग एक ऐसा शब्द है (यदि सभी नहीं) तो लोग यह सुनने में असहज महसूस करते हैं कि या तो उनके या उनके जानने वाले के पास एक है। सौभाग्य से, मैक्स वेलिंग, एम्स्टर्डम विश्वविद्यालय में मशीन लर्निंग के एक प्रोफेसर और कैनेडियन इंस्टीट्यूट ऑफ एडवांस्ड रिसर्च के सदस्य, और उनकी उद्यमियों की टीम ने रोगियों के लिए रोगों के निदान के लिए एक डेटा विश्लेषण प्रणाली बनाई है। मजेदार तथ्य: वह AMLAB (एम्स्टर्डम मशीन लर्निंग लैब) का निर्देशन करते हैं और QUVA लैब (क्वालकॉम-यूवीए लैब) का सह-निर्देशन करते हैं। यहां हम देखेंगे कि कैसे इस अद्भुत व्यक्ति और उनकी उद्यमियों की टीम (सिंथिया डवर्क, जेफ्री हिंटन और जूडिया पर्ल) ने दुनिया को बीमारी से छुटकारा दिलाने के लिए कुछ अविश्वसनीय सफलताएं हासिल कीं।

मैक्स वेलिंग की चिंताएँ

अपनी TEDx वार्ता के दौरान वेलिंग द्वारा बताए गए कुछ तथ्य इस तथ्य की ओर ध्यान आकर्षित करते हैं कि ऐसे समय होते हैं जब किसी रोगी के निदान के दौरान डॉक्टर को कुछ याद आ सकता है। उदाहरण के लिए, उनका कहना है कि "आधी चिकित्सा प्रक्रियाओं का कोई वैज्ञानिक प्रमाण नहीं है।" यह निदान मुख्य रूप से उनके स्वयं के अभ्यास और स्कूल में प्राप्त ज्ञान के माध्यम से किया जाता है, जबकि मैक्स कह रहा है कि अन्य संभावित बीमारियों के लिए एक विश्लेषणात्मक पूर्वानुमान का कुछ रूप होना चाहिए। वह आगे बताते हैं कि कुछ रोगियों का गलत निदान किया जा सकता है और वे अस्पताल में वापस आ सकते हैं, जिसमें उन्होंने निर्दिष्ट किया है कि उनके मरने की संभावना 8 गुना अधिक है। सबसे पेचीदा बात यह है कि यह एक ऐसा मुद्दा है जो हमेशा अस्तित्व में रहा है। इसका कारण उतना ही सरल है जितना कि गलतियाँ होना तय है जो दुर्भाग्य से किसी एक या कई लोगों की जान ले सकती है। इतना ही नहीं, जैसा कि वेलिंग कहते हैं, हर साल आधा ट्रिलियन डॉलर खर्च करने वाली 230 मिलियन चिकित्सा प्रक्रियाएं होती हैं। किसी भी उद्योग की तरह दूसरों की मदद करने के लिए सेवा प्रदान करने की कोशिश करने में पैसा खर्च होता है; इसके अलावा, इसका मतलब है कि अस्पतालों और चिकित्सा केंद्रों के वित्त पोषण के प्रभारी को उद्योग को बेहतर दिशा में आगे बढ़ाने की कोशिश कर रहे नवप्रवर्तकों को सुनने की जरूरत है। फिर भी, मितव्ययी होना हमेशा फायदेमंद होता है।

गोपनीयता का संरक्षण

वेलिंग ने कहा कि उन्होंने और उनकी टीम ने 3 सफलताएं हासिल की हैं। इनमें से एक ऐसा कंप्यूटर है जो अस्पताल के भीतर गोपनीयता बनाए रख सकता है; इसके अलावा, कंप्यूटर काफी बीमार रोगियों के लिए निदान में और सुधार करने के लिए ढेर सारे डेटा का विश्लेषण भी कर सकते हैं। इस सॉफ्टवेयर का नाम है मशीन सीखने वाला। अनिवार्य रूप से, कंप्यूटर अस्पताल के डेटाबेस में एक प्रश्न भेजता है, जो क्वेरी का उत्तर देता है, फिर मशीन सीखने वाला "इसमें कुछ शोर जोड़कर" उत्तर को बदल देगा। अधिक जानकारी के लिए कृपया यहां क्लिक करे (मैक्स वेलिंग इसे 5:20 - 6:06 मिनट के बीच अधिक बारीकी से समझाते हैं)। दूसरे शब्दों में, जैसा कि मैक्स इसे समझाता है, कंप्यूटर निदान के माध्यम से "खुद को बेहतर" करना चाहता है और "डेटा का एक बेहतर मॉडल बनाना" चाहता है। इन सबकी देन है सिंथिया काम, जो माइक्रोसॉफ्ट रिसर्च के एक प्रतिष्ठित वैज्ञानिक हैं। वह गणितीय आधार पर गोपनीयता बनाए रखने पर ध्यान केंद्रित करती है। उस पर और उसने क्या किया है, इसके बारे में अधिक जानकारी के लिए यहां क्लिक करे. संक्षेप में, यह पहली सफलता न केवल यह दर्शाती है कि मैक्स मरीजों की व्यक्तिगत जानकारी का सम्मान करना चाहता है बल्कि अस्पतालों को निदान के लिए अधिक ठोस आधार प्रदान करना चाहता है।

गहरी सीख

द्वारा दूसरी सफलता प्रकाश में लाई गई जेफ्री हिंटन. यान लेकन, योशुआ बेंगियो और जेफ्री ने समझाया है कि: "डीप लर्निंग बड़े डेटा सेट में जटिल संरचना की खोज करता है, यह इंगित करने के लिए कि मशीन को अपने आंतरिक मापदंडों को कैसे बदलना चाहिए, जो पिछली परत में प्रतिनिधित्व से प्रत्येक परत में प्रतिनिधित्व की गणना करने के लिए उपयोग किया जाता है।" आम आदमी के शब्दों में, यह एक मशीन को उसकी जटिल परतों के माध्यम से उसके गहनतम मापदंडों के माध्यम से खुद को बेहतर ढंग से समझने में मदद करता है (अधिक जानकारी के लिए कृपया तीन सज्जनों द्वारा लिखी गई बाकी समीक्षा पढ़ें)।

कारणता बनाम सहसंबंध

सहसंबंध से कार्य-कारण को अलग करने के लिए तीसरी और अंतिम सफलता एक सहयोगी विचार है। मैक्स को लगता है कि जूडिया पर्ल के उपकरण इन दो अवधारणाओं को अलग करने में मदद कर सकते हैं और संगठित हो जाओ. अनिवार्य रूप से यहूदिया की भूमिका डेटा को अधिक संरचना देने में मदद करना है जो कि तब किया जा सकता है जब रोगी फ़ाइलों को डिजिटल रूप से डेटाबेस में स्थानांतरित किया जाता है। पर्ल का काम काफी जटिल है इसलिए यदि आप आगे यह समझना चाहते हैं कि उसके "उपकरण" क्या हैं यहां क्लिक करे.

मैक्स की इच्छा

वेलिंग ने उसके अंत में संक्षेप किया TEDX टॉक वह मशीन सीखने वाले के माध्यम से गोपनीयता बनाए रखना चाहता है। दूसरे, धन और जीवन बचाने के लिए निदान को और बेहतर बनाने के लिए डेटा नाबालिगों और वैज्ञानिकों को शामिल करना। अंत में, वह प्रौद्योगिकी के माध्यम से अस्पतालों, डॉक्टरों और रोगियों की बेहतर सेवा करके स्वास्थ्य देखभाल में क्रांतिकारी बदलाव लाना चाहता है, जिससे अस्पताल के दौरे को कम करने और धन का अधिक कुशलता से उपयोग करने में मदद मिल सके। स्वास्थ्य देखभाल पर यह एक सुंदर दृष्टि है क्योंकि वह न केवल चिकित्सा उद्योग का सम्मान करना चाहता है, बल्कि वह अस्पतालों और चिकित्सा केंद्रों के बजट के बारे में सोचते हुए जीवन बचाने में भी मदद करना चाहता है।