Това може да позволи на властите да се подготвят, да

...
Това може да позволи на властите да се подготвят, да
Коментари Харесай

Изкуствен интелект може да прогнозира следващата пандемия

Това може да разреши на управляващите да се приготвят, да подсигурят запаси, да предупредят лечебните заведения и да вкарат навременни незабавни ограничения

AI няма да ни избави от ковид, само че може да изиграе потребна роля при бъдещи епидемии
(снимка: CC0 Public Domain)

Изкуствен разсъдък е първият, забелязал, че се задава световна зараза. На 30 декември дребна компания за изкуствен интелект, наречена BlueDot, която употребява машинно самообразование за наблюдаване на огнища на инфекциозни болести по целия свят, сигнализира клиентите си (включително разнообразни държавни управления, лечебни заведения и бизнеси) за необикновен скок на броя на случаи на пневмония в Ухан, Китай. Ще изминат още девет дни, преди Световната здравна организация публично да отвори дума за Covid-19.

BlueDot не е единствената. Автоматизирана услуга, наречена HealthMap, също долавя първите признаци. Успява да го стори и компютърен модел, ръководен от Metabiota – компания от Сан Франциско.

Но до каква степен в действителност AI може да помогне за оправянето с световна зараза? На този въпрос е мъчно да се отговори, отбелязва MIT Technology Review. Фирми като BlueDot нормално са спестовни откъм елементи на кого тъкмо дават информацията си и по какъв начин се употребява тя. Казусът обаче отваря доста въпросителни, които е значимо да запомним и „ разплетем ”.

Нож с две остриета

Случаят с триумфа на изкуствения разсъдък докара до голям брой новинарски известия и прес-анонси – че AI е мощно ново оръжие против заболяванията, само че това е единствено частично правилно и рискува да стане нож с две остриета.

Например, прекомерното доверие във опциите на изкуствения разсъдък може да докара до решения, основани на неточна информация; може да пренасочи публични и държавни пари към противоречиви разработки за AI за сметка на съществени нововъведения, които в действителност заслужават подкрепа; най-накрая може да засегне и имиджа на AI – прекомерните упования и последващите разочарования могат да имат отрицателно въздействие: сриване на интереса и заличаване на опциите за финансиране в бъдеще.

Затова в резюме може да се каже по този начин: изкуственият разсъдък няма да ни избави от епидемията – но има възможност AI да изиграе по-голяма и потребна роля при бъдещите епидемии. Прогнозирането обаче е изправено пред редица провокации.

Успешните разработки

Компании като BlueDot и Metabiota употребяват редица логаритми за „ обработка на естествения език ”, с цел да следят новинарските излъчвания и формалните отчети по отношение на здравните грижи на разнообразни езици по целия свят, отчитайки споменаването на „ високоприоритетни ” болести като ковид или пък ендемични такива (като СПИН или туберкулоза). Техните принадлежности за прогнозиране могат да проучват и данни за самолетните пътувания.

Така те могат да отгатнат риска от поява на инфектирани хора по директните центрове по света. Резултатите са относително точни. Например, последният обществен отчет на Metabiota от 25 февруари предвижда, че на 3 март в целия свят ще има 127 000 случая на ковид. Това надвишава действителността с към 30 000, само че Марк Галиван, шеф на компанията в региона на научните данни, споделя, че сходно отклоняване е в рамките на допустимата неточност.

Изкуственият разсъдък дефинира и страните, за които е най-вероятно да рапортуват най-вече нови случаи, в това число Китай, Италия, Иран и Съединени американски щати.

Други AI системи наблюдават и обществените медии. Те проучват изявления в уеб сайтове като Фейсбук и Twitter и ги съпоставят с описания на болести, взети от публични източници като националните здравни институти, Световната организация за животинско здраве и световната база данни за микробни идентификатори.

Напредък в машинното образование

Успехът на въпросните разработки демонстрира до какъв брой надалеч е напреднало машинното самообразование през последните години. Когато през 2013 година Гугъл се опита да предвижда сезонния грип, нейният Flu Tracker не съумя да предскаже нищо.

Ключов фактор за напредъка на синтетичния разсъдък е „ безконтролното ” машинно образование, споделят учените. Това значи AI да се остави да разпознава лични поведенчески „ модели в шума ”, вместо да бъде квалифициран на авансово готови мостри.

„ Когато вършиме прогнози, би трябвало да търсите нов вид държание ”, споделя Дерек Уанг, основният изпълнителен шеф на друга компания за неестествен разумм – Stratifyd.

Какво да се прави с предсказанията

Важен въпрос е и какво да се прави с предсказанията. Първоначалното прогнозиране на BlueDot вярно дефинира шепа градове като значими пунктове по пътя на вируса. Това, на доктрина, може да разреши на управляващите да се приготвят, да се подсигурят запаси, да се предупредят лечебните заведения да са в подготвеност, да се вкарат навременни незабавни ограничения за ограничение на болестта.

Но към този момент за управляващите е доста мъчно да преценяват до каква степен и по какъв начин да базират решенията си на AI-моделиране. Оказва се, че предизвестието на Metabiota кои страни ще бъдат наранени в границите на една седмица може и да е вярно, само че е мъчно да се реши какво да прави с тази информация.

Все повече „ звук ”

Трети фактор е въпросът за намаляването на точността с разгръщане на епидемията. Всичко прогнози стават все по-малко точни с разпространяването на болестта. Нужни са надеждни данни за епидемията, с които AI би трябвало да се зареди, само че те стават все по-трудно налични.

За сметка на това „ шумът ” е от ден на ден. Източниците на вести и публични отчети рисуват все по-шарена картина. Възниква комплициране по отношение на признаците и по какъв начин вирусът минава сред хората. Медиите могат да мултиплицират или изкривят информацията; управляващите също могат да повлияят или да понижат значимостта на данните.

„ Шумът постоянно е зложелател на логаритмите за машинно образование ”, споделя Уанг. И съгласно Марк Галиван, шеф на Metabiota, ежедневните прогнози на компанията са били по-лесни през първите две седмици.

Следващ значим въпрос е способността на новия програмен продукт да „ слуша ” задоволително и съществени източници. Тук една от най-големите спънки е неналичието на диагностични проучвания, споделя Галиван. „ В идеалния случай бихме имали тест, с цел да открием неотложно новия ковид и да тестваме всички най-малко един път дневно ”, добавя той.

Освен това няма данни за смяната на държанието на хората. Не се знае кой работи от у дома, кой е под карантина, кой мие или не мие ръцете си. Ако желаете да предскажете какво ще се случи, имате потребност от точна картина на това, което става сега, само че такава липсва.

Компромис с персоналните данни

Самите здравни данни също са незадоволителни. Ахмер Инам от Pactera Edge, съветник по данни и AI, споделя, че инструментите за прогнозиране биха били доста по-добри, в случай че данните за публичното здраве не са затворени в държавните организации, както е в доста страни. Но по какъв начин да стане по този начин, че тези данни да бъдат „ отворени ”?

Ако изкуственият разсъдък се нуждае от тях като надеждни източници, с цел да бъде потребен, то ние би трябвало да приемем, че нашите персонални здравни данни ще бъдат „ дъвкани ” от изкуствения разсъдък. Това е неуместен компромис: с цел да реализираме по-добри прогнози от машинното образование, би трябвало да се извиним с част от неприкосновеността на персоналните си данни и да ги споделяме с държавни управления и частни компании.

Дарън Шулте, лекар по медицина и изпълнителен шеф на Apixio – построила AI за добиване на информация от пациентски регистри – счита, че за разбор на данните би трябвало да се отвори здравна документи от здравните архиви. Това може да разреши на AI автоматизирано да разпознава лица, които са най-изложени на риск от болест като Covid-19, заради предишни болести или хронични положения. Тогава ресурсите могат да бъдат ориентирани вярно към тези хора, които се нуждаят най-вече от тях.

„ Съществува технология за четене на регистрите на пациенти и добиване на животоспасяваща информация ”, споделя Шулте. Проблем е и, че тези регистри попадат из голям брой бази данни и се ръководят от разнообразни здравни служби, което ги прави по-трудни за разбор. „ Бих желал да пусна изкуствения разсъдък в този огромен океан от данни ”, споделя той. „ Но нашите данни са разхвърляни в дребни езера, а не в един огромен океан ”.

Факторът време

Времето също е фактор. „ Вирусите не работят в границите на геополитическите граници ”, споделя Ахмер Инам. Той счита, че страните би трябвало да вземат решение, посредством някакво интернационално съглашение, да разгласяват данни в действително време за поставяните диагнози и болнични приеми, които по-късно могат да бъдат включени в световни модели на машинно самообразование за прогнозиране на пандемии.

Разбира се, това към този момент е единствено благопожелание. В разнообразни елементи на света има разнообразни правила за неприкосновеността на здравните данни. Нови техники за обработка на данни като диференциална дискретност и самообучението на база синтетични данни (а не действителни данни) могат да предложат решение, но технологията към момента има много да се усъвършенства. Изготвянето на интернационално съглашение за шерването на данните пък ще отнеме още повече време.
Източник: technews.bg

СПОДЕЛИ СТАТИЯТА


Промоции

КОМЕНТАРИ
НАПИШИ КОМЕНТАР