Біз аурусыз әлем жасай аламыз ба?

Аурусыз әлем болуы мүмкін бе? Ауру - бұл адамдардың көпшілігі (барлығы болмаса да) оларда немесе олар білетін біреуде есту қабілетін ыңғайсыз сезінетін сөз. Бақытымызға орай, Макс Веллинг, Амстердам университетінің машиналық оқыту профессоры және Канаданың Жетілдірілген зерттеулер институтының мүшесі және оның кәсіпкерлер командасы пациенттер үшін ауруларды диагностикалау үшін деректерді талдау жүйесін жасады. Қызықты факт: ол AMLAB (Amsterdam Machine Learning LAB) басқарады және QUVA зертханасын (Qualcomm-UvA Lab) бірге басқарады. Мұнда біз бұл тамаша адам мен оның кәсіпкерлер командасының (Синтия Дворк, Джеффри Хинтон және Иудея Перл) әлемді аурудан арылту үшін керемет жетістіктерге жеткенін көреміз.

Макс Веллингтің алаңдаушылығы

Веллинг өзінің TEDx баяндамасы кезінде атап өткен кейбір фактілер науқасты диагностикалау кезінде дәрігердің бірдеңені жіберіп алуы мүмкін болатынына назар аударады. Мысалы, ол «медициналық процедуралардың жартысында ешқандай ғылыми дәлелдер жоқ» дейді. Бұл диагноз, ең алдымен, өздерінің тәжірибесі мен мектепте алған білімдері арқылы жасалады, ал Макс басқа ықтимал ауруларға қатысты аналитикалық болжамның қандай да бір түрі болуы керек дейді. Ол кейбір науқастарға қате диагноз қойылып, ауруханаға қайта түсуі мүмкін екенін түсіндіреді, онда ол олардың өлу ықтималдығы 8 есе жоғары екенін көрсетеді. Ең қызығы, бұл бұрыннан бар мәселе. Мұның себебі қарапайым, өкінішке орай, біреудің немесе бірнеше адамның өмірін қиюы мүмкін қателер жасалуы мүмкін. Бұл ғана емес, Веллинг айтқандай, жыл сайын жарты триллион доллар тұратын 230 миллион медициналық процедуралар жасалады. Басқаларға көмектесу үшін қызмет көрсетуге тырысатын кез келген сала сияқты, ол ақшаны талап етеді; Сонымен қатар, бұл ауруханалар мен медициналық орталықтарды қаржыландыруға жауапты адамдар саланы жақсырақ бағытта алға жылжытуға тырысатын инноваторларды тыңдау керек дегенді білдіреді. Дегенмен, үнемді болу әрқашан пайдалы.

Құпиялықты сақтау

Веллинг өзінің және оның командасының 3 серпіліс жасағанын айтты. Олардың бірі - ауруханада құпиялылықты сақтай алатын компьютер; бұдан басқа, компьютерлер сондай-ақ қатты ауыратын науқастардың диагнозын одан әрі жақсарту үшін көптеген деректерді талдай алады. Бұл бағдарламалық құрал аталған Machine Learner. Негізінде, компьютер аурухананың дерекқорына сұрау жібереді, ол сұрауға жауап береді, содан кейін машина үйренушісі жауапты «оған біраз шу қосу» арқылы өзгертеді. Қосымша мәліметтер алу үшін мында басыңыз (Макс Веллинг оны 5:20 – 6:06 минуттары арасында жақынырақ түсіндіреді). Басқаша айтқанда, Макс түсіндіргендей, компьютер диагностика арқылы «өзін жақсартуды» және «деректердің жақсы үлгісін құруды» қалайды. Осының бәрінің арқасында Синтия Дворк, ол Microsoft Research компаниясының көрнекті ғалымы. Ол математикалық негізге негізделген құпиялылықты сақтауға назар аударады. Ол және оның не істегені туралы көбірек білу үшін, мында басыңыз. Қысқаша айтқанда, бұл бірінші серпіліс Макстың пациенттердің жеке ақпаратына құрметпен қарауды қалайтынын ғана емес, сонымен қатар ауруханаларды диагноз қою үшін неғұрлым берік негізбен қамтамасыз етуді қалайтынын көрсетеді.

Deep Learning

Екінші серпінді жарыққа шығарды Джеффри Хинтон. Янн Лекун, Йошуа Бенджио және Джеффри деп түсіндірді: «Терең оқыту үлкен деректер жиынындағы күрделі құрылымды кері таралу алгоритмін пайдалану арқылы машинаның алдыңғы қабаттағы көріністен әрбір қабаттағы көріністі есептеу үшін пайдаланылатын ішкі параметрлерін қалай өзгерту керектігін көрсету үшін ашады». Қарапайым тілмен айтқанда, ол машинаның күрделі қабаттары арқылы ең терең параметрлері арқылы өзін жақсы түсінуге көмектеседі (толығырақ ақпарат алу үшін үш мырза жазған шолудың қалған бөлігін оқыңыз).

Себептілік және корреляция

Үшінші және соңғы серпіліс себептілікті корреляциядан әрі қарай ажыратуға арналған бірлескен идея болып табылады. Макс Judea Pearl құралдары осы екі ұғымды ажыратуға көмектеседі деп санайды және ұйымдасыңыз. Негізінде Яһудеяның рөлі пациент файлдары дерекқорға цифрлық түрде тасымалданған жағдайда жасалуы мүмкін деректерге көбірек құрылым беруге көмектесу болып табылады. Перлдің жұмысы өте күрделі, сондықтан оның «құралдары» не екенін түсінгіңіз келсе мында басыңыз.

Макстың тілегі

Веллинг оның соңында қорытындылады TEDX баяндамасы ол машина үйренушісі арқылы құпиялылықты сақтағысы келеді. Екіншіден, ақша мен өмірді үнемдеу үшін диагнозды одан әрі жақсарту үшін кәмелетке толмағандар мен ғалымдарды тарту. Соңында, ол ауруханаларға баруды қысқартуға және ақшаны тиімді пайдалануға көмектесетін технология арқылы ауруханаларға, дәрігерлерге және пациенттерге жақсырақ қызмет көрсету арқылы денсаулық сақтау саласында төңкеріс жасағысы келеді. Бұл денсаулық сақтау саласына тамаша көзқарас, өйткені ол медицина саласына құрметпен қарап қана қоймай, сонымен қатар ауруханалар мен медициналық орталықтардың бюджетін ойлай отырып, өмірді сақтап қалуға көмектескісі келеді.