Γιατί είναι τόσο σημαντική η τεχνητή νοημοσύνη στην εποχή του κορωνοϊού;

pixabay.com

Παρά τα πολλά υποσχόμενα εγχειρήματα, ωστόσο, καμία εφαρμογή τεχνητής νοημοσύνης δεν είναι έτοιμη να χρησιμοποιηθεί ευρέως σήμερα. Θα χρειαστούν πιθανώς μήνες ή χρόνια μέχρις ότου η τεχνολογία να είναι έτοιμη να προσφέρει απτά αποτελέσματα.

του Jonathan Vanian

Είμαι συγκρατημένα αισιόδοξος σχετικά με το ρόλο της τεχνητής νοημοσύνης στη διαχείριση της πανδημίας του κορωνοϊού.

Η ομάδα DeepMind της Google, για παράδειγμα, διερευνά τεχνικές βαθιάς μάθησης για τη μοντελοποίηση της δομής των πρωτεϊνών του ιού, οι οποίες θα μπορούσαν να είναι χρήσιμες στην ανάπτυξη εμβολίου. Εντωμεταξύ, ο Λευκός Οίκος ζήτησε από ερευνητές να αναπτύξουν τεχνικές μηχανικής μάθησης για να αναλύσουν γρήγορα σχεδόν 30.000 μελέτες που σχετίζονται με κορωνοϊούς για να κατανοήσουν καλύτερα τον θανατηφόρο ιό.

Παρά τα πολλά υποσχόμενα εγχειρήματα, ωστόσο, καμία εφαρμογή τεχνητής νοημοσύνης δεν είναι έτοιμη να χρησιμοποιηθεί ευρέως σήμερα. Θα χρειαστούν πιθανώς μήνες ή χρόνια μέχρις ότου η τεχνολογία να είναι έτοιμη να προσφέρει απτά αποτελέσματα.

«Δεν έχω δει κάτι στο οποίο η τεχνητή νοημοσύνη να μπορεί ακόμη να μας βοηθήσει κλινικά», δήλωσε ο Eric Topol, ιδρυτής και διευθυντής του μη κερδοσκοπικού ερευνητικού μεταφραστικού ινστιτούτου Scripps. Πρόσφατα δημοσίευσε το βιβλίο Deep Medicine, στο οποίο χρονολογεί τις πρόσφατες εξελίξεις στον τομέα της τεχνητής νοημοσύνης και της υγειονομικής περίθαλψης, μεταξύ άλλων θεμάτων.

Ο Topol πιστεύει πολύ στον ολοένα και σημαντικότερο ρόλο της τεχνητής νοημοσύνης στην ιατρική βιομηχανία. Η χρήση τεχνητής νοημοσύνης για την ανάλυση βάσεων δεδομένων φαρμάκων και την ανακάλυψη αποτελεσματικών θεραπειών κατά των κορωνοϊών (και άλλων ασθενειών) θα μπορούσε να είναι χρήσιμη, αλλά δεν έχει ακόμη δει κάποια συγκεκριμένη τεχνική που να έχει προχωρήσει από το στάδιο της έρευνας σε κλινικό περιβάλλον.

Ένας άλλος πολλά υποσχόμενος τομέας είναι η χρήση της τεχνητής νοημοσύνης για την ανάλυση δεδομένων που σχετίζονται με την υγεία, τα οποία συλλέγονται από φορητές συσκευές όπως έξυπνα ρολόγια ή θερμόμετρα συνδεδεμένα στο Διαδίκτυο. Ο Topol, για παράδειγμα, ανέφερε την νεοσύστατη εταιρεία Kinsa Health, που πουλάει έξυπνα θερμόμετρα και μέσω ανάλυσης δεδομένων από τα προϊόντα που έχει πουλήσει μπορεί να εντοπίσει τη θέση των εστιών κορωνοϊού στη Φλόριντα.

Η ερευνητική ομάδα του Topol διεξάγει μια μελέτη για τον κορωνοϊό με χρήση τεχνητής νοημοσύνης που σχετίζεται με την ανάλυση δεδομένων καρδιακού ρυθμού από έξυπνα ρολόγια. Παρόλο που η ομάδα του δεν διαθέτει αρκετά δεδομένα, ελπίζει ότι μόλις λάβει πληροφορίες θα είναι σε θέση να χρησιμοποιήσει τεχνικές τεχνητής νοημοσύνης για να εντοπίζει περιοχές όπου οι καρδιακοί παλμοί των ανθρώπων φαίνεται να αυξάνονται κατά τη διάρκεια της ανάπαυσης, που μπορεί να αποτελεί ένα πιθανό σημάδι ότι έχουν πυρετό. Αυτό θα μπορούσε τελικά να υποδείξει ότι ο Covid-19 αναπτύσσεται σε μια συγκεκριμένη κοινότητα, λέει ο Topol.

«Η ανάλυση αυτών των δεδομένων είναι καθαρά θέμα τεχνητής νοημοσύνης» λέει, εξηγώντας ότι η ομάδα του θα χρησιμοποιήσει νευρωνικά δίκτυα – λογισμικό που μαθαίνει να αναγνωρίζει μοτίβα σε τεράστιες ποσότητες δεδομένων – για να αναλύσει τα δεδομένα. Επειδή αυτές οι μελέτες βασίζονται σε τεράστιο όγκο δεδομένων, τα νευρωνικά δίκτυα θα μπορούσαν να είναι κρίσιμα για την ανάλυση όλων αυτών των πληροφοριών.

Το αν θα πετύχει η μελέτη του δεν είναι ξεκάθαρο. Αλλά τα διδάγματα από τις υφιστάμενες μελέτες με χρήση τεχνητής νοημοσύνης δεν θα είναι άσκοπα γιατί μια νέα πανδημία μπορεί να βρίσκεται προ των πυλών.

Σχετικά άρθρα