Τι ένωσε τους «γίγαντες» Amazon, Google, IBM και Microsoft

Τι ένωσε τους «γίγαντες» Amazon, Google, IBM και Microsoft
Photo: pixabay.com

Τι σημαίνει για την τεχνητή νοημοσύνη η νέα συμμαχία των μεγάλων εταιρειών τεχνολογίας.

του David Meyer

Μερικές από τις μεγαλύτερες εταιρείες τεχνολογίας συμφώνησαν την προηγούμενη εβδομάδα να αρχίσουν να παράγουν προϊόντα υγειονομικής περίθαλψης που θα χρησιμοποιούν ένα κοινό σύνολο προτύπων για να διευκολύνουν την ανταλλαγή ιατρικών δεδομένων μεταξύ νοσοκομείων. Επιπλέον, πρόκειται για ανοικτά πρότυπα και προδιαγραφές που στοχεύουν στην ενθάρρυνση της «ανταλλαγής δεδομένων χωρίς προβλήματα».

Η συμφωνία μεταξύ της Amazon, της Google, της IBM, της Microsoft, της Oracle και της Salesforce είναι μια καλή είδηση για τους επαγγελματίες της ιατρικής και τους ασθενείς τους, επειδή το να έχουν περισσότερες πληροφορίες διαθέσιμες βοηθά στην ταχεία διάγνωση και θεραπεία. Και η υλοποίηση του σχεδίου ίσως μεταφράζεται και σε μείωση κόστους και εξοικονόμηση πόρων μακροπρόθεσμα.

Το γεγονός ότι τα πρότυπα είναι ανοιχτά συνιστά επίσης μια πολύ καλή είδηση για τη μελλοντική ανταγωνιστικότητα της αγοράς πληροφορικής για την υγεία, διότι αναμένεται να μειώσει τα εμπόδια εισόδου για επιχειρήσεις που δεν διαθέτουν την κλίμακα που έχουν σήμερα αυτοί οι γίγαντες.

Όμως, η συμφωνία είναι επίσης καλή και για τους υπογράφοντες, όχι μόνο διότι επεκτείνει τις πιθανές αγορές τους, αλλά και επειδή θα βοηθήσει να τροφοδοτηθούν οι φιλοδοξίες τους για την τεχνητή νοημοσύνη. Τα περισσότερα δεδομένα μεταφράζονται σε εξυπνότερη τεχνητή νοημοσύνη. Και οι εταιρείες χρειάζονται πιο έξυπνη τεχνητή νοημοσύνη.

Δείτε π.χ. την περίπτωση της IBM και του κορυφαίου συστήματός της, Watson, το οποίο πρόσφατα βρέθηκε στο επίκεντρο της κριτικής από τη Wall Street Journal. Όπως φαίνεται, πάνω από μια ντουζίνα πελατών και συνεταίρων έχουν περιορίσει ή ολοκληρώσει τα πειράματά τους που περιλαμβάνουν τη χρήση του Watson στη θεραπεία καρκίνου.

Ιδού και το σχετικό απόσπασμα από το δημοσίευμα: «Σε πολλές περιπτώσεις, τα εργαλεία δεν προσέθεσαν μεγάλη αξία. Σε ορισμένες περιπτώσεις, ο Watson δεν ήταν ακριβής. Ο Watson μπορεί να παρασυρθεί από την έλλειψη δεδομένων σε σπάνιους ή επαναλαμβανόμενους καρκίνους και οι θεραπείες εξελίσσονται γρηγορότερα σε σχέση με την ταχύτητα με την οποία οι ανθρώπινοι εκπαιδευτές του Watson μπορούν να ενημερώνουν το σύστημα».