Можеме ли да создадеме свет без болести?

Дали е можно да се има свет без болести? Болеста е збор што повеќето (ако не и сите) луѓе се чувствуваат непријатно кога го слушаат или тие или некој што го познаваат. За среќа, Макс Велинг, професор по машинско учење на Универзитетот во Амстердам и член на Канадскиот институт за напредни истражувања, и неговиот тим од претприемачи создадоа систем за анализа на податоци за дијагноза на болести кај пациентите. Забавен факт: тој го режира AMLAB (Amsterdam Machine Learning LAB) и ко-режира QUVA Lab (Qualcomm-UvA Lab). Овде ќе видиме како овој прекрасен човек и неговиот тим претприемачи (Синтија Дворк, Џефри Хинтон и Јудеа Перл) направија неверојатни откритија за да го ослободат светот од болести.

Загриженоста на Макс Велинг

Некои од фактите што Велинг ги истакнува за време на неговиот TEDx говор го привлекуваат вниманието на фактот дека има моменти кога лекарот може да пропушти нешто за време на дијагнозата на пациент. На пример, тој вели дека „половина од медицинските процедури немаат научни докази“. Таа дијагноза се прави првенствено преку сопствената пракса и знаењето стекнато во училиште, додека Макс вели дека треба да има некаква форма на аналитичка прогноза за други можни болести. Понатаму, тој објаснува дека на некои пациенти може да им биде поставена погрешна дијагноза и да завршат назад во болница, во која прецизира дека е 8 пати поголема веројатноста да умрат. Најинтригантно е ова прашање кое отсекогаш постоело. Причината е толку едноставна колку што мора да се направат грешки кои за жал би можеле да чинат некого или неколку луѓе живот. Не само тоа, како што вели Велинг, секоја година има 230 милиони медицински процедури кои чинат половина трилион долари. Како и секоја индустрија која се обидува да обезбеди услуга за да им помогне на другите, чини пари; дополнително, тоа значи дека болниците и оние кои се задолжени за финансирање медицински центри треба да ги слушаат иноваторите кои се обидуваат да ја унапредат индустријата во подобра насока. Сепак, да се биде штедлив е секогаш корисен.

Зачувување на приватноста

Велинг изјави дека тој и неговиот тим направиле 3 пробиви. Еден од нив е компјутер кој може да ја зачува приватноста во болница; Понатаму, компјутерите можат да анализираат и многу податоци за дополнително да ја подобрат дијагнозата на пациентите кои се доста болни. Овој софтвер е именуван Машински учител. Во суштина, компјутерот испраќа барање до базата на податоци на болницата, која одговара на барањето, а потоа машинскиот ученик ќе го промени одговорот со „додавање шум на него“. За повеќе детали ве молиме Кликни тука (Макс Велинг поблиску го објаснува тоа помеѓу минути 5:20 – 6:06). Со други зборови, како што објаснува Макс, компјутерот сака да се „подобри себеси“ преку дијагноза и „да изгради подобар модел на податоци“. Сето ова е благодарение на Синтија Дворк, кој е истакнат научник од Microsoft Research. Таа се фокусира на зачувување на приватноста врз основа на математичка основа. За повеќе за неа и за она што го направила, Кликни тука. Накратко, ова прво откритие не само што покажува дека Макс сака да ги почитува личните информации на пациентите, туку исто така сака да им обезбеди на болниците поцврста основа за дијагноза.

Длабоко учење

Вториот пробив беше изнесен на виделина од Offефри Хинтон. Јан Лекун, Јошуа Бенџо и Џефри објаснија дека: „Длабокото учење открива сложена структура во големи множества на податоци со користење на алгоритам за заднинско пропагирање за да покаже како машината треба да ги промени своите внатрешни параметри што се користат за пресметување на претставата во секој слој од претставата во претходниот слој“. Во лаички термини, тоа и помага на машината да се разбере подобро преку нејзините сложени слоеви преку нејзините најдлабоки параметри (за понатамошни детали прочитајте го остатокот од прегледот што го напишаа тројцата господа).

Каузалност наспроти корелација

Третиот и последен пробив е повеќе заедничка идеја за понатамошна диференцијација на каузалноста од корелацијата. Макс чувствува дека алатките на Јудеа Перл можат да помогнат да се разликуваат овие два концепта и организирај се. Во суштина, улогата на Јудеа е да помогне да се даде поголема структура на податоците што може да се направи доколку досиејата на пациентите се дигитално префрлени во базата на податоци. Работата на Перл е доста сложена, па ако сакате дополнително да разберете кои се неговите „алатки“. Кликни тука.

Желбата на Макс

Велинг сумираше на крајот од неговата Разговор за TEDX дека сака да ја зачува приватноста преку машинскиот ученик. Второ, да се ангажираат малолетници за податоци и научници со цел дополнително да се подобри дијагнозата за да се заштедат пари и животи. И на крај, тој сака да ја револуционизира здравствената заштита со тоа што подобро ќе им служи на болниците, лекарите и пациентите преку технологија која може да помогне да се скратат посетите во болниците и да се искористат парите поефикасно. Ова е убава визија за здравствената заштита бидејќи не само што сака да ја почитува медицинската индустрија, туку сака и да помогне да се спасат животи додека мисли на буџетите на болниците и медицинските центри.