کد خبر : 77832 دوشنبه 17 اردیبهشت 1397 - 05:15:58
روش-هوشمندانه-پیاده‌سازی-هوش-مصنوعی-در-پزشکی

هوش مصنوعی چطور می‌تواند از شطرنج درس بگیرد؟

روش هوشمندانه پیاده‌سازی هوش مصنوعی در پزشکی

سیناپرس: دانشمندان توانستند تا با روش پیشنهادی گری کاسپارف که پس از شکست او در برابر هوش مصنوعی ای‌بی‌ام ارائه شده بود، راهکاری جدید برای بهره‌گیری از هوش مصنوعی در خدمات پزشکی ایجاد کنند که دقت تشخیص و درمان را به‌شدت بالا می‌برد.

تقریبا از زمانی که هوش مصنوعی باری نخستین بار توانست تا استاد بزرگ شطرنج جهان یعنی گری کاسپارف را شکست بدهد می‌گذرد. هوش مصنوعی‌ای که این استاد گران‌قدر شطرنج را شکست داد، دیپ بلو نام داشت توسط شرکت آی‌بی‌ام طراحی شده بود. به‌این‌ترتیب موجی جدید از فناوری آغاز شد و انسان‌ها یاد گرفتند که به‌زودی هوش مصنوعی توانایی غلبه بر آن‌ها در بسیاری از موارد را خواهد داشت. بااین‌وجود پس از گذشت دو دهه، هنوز پیشرفت پیش‌بینی‌شده محقق نشده است و انگار هنوز در دهه 90 میلادی هستیم.

ترس از آخرالزمان احتمالی به‌واسطه هوش مصنوعی یکی از دلایل اصلی مبارزه با پیشرفت هوش مصنوعی به‌حساب می‌آید ولی به نظر می‌رسد که دانشمندان بدون توجه به این دست از دیدگاه‌های عامیانه، به کار خود ادامه می‌دهند و در حال حاضر تمرکز جدید آن‌ها، استفاده از هوش مصنوعی در خدمت صنایع خدمات پزشکی و سلامت است.

هوش مصنوعی در خدمات سلامتی: نقاط قوت و محدودیت‌ها

ابتدا برای درک بهتر این موضوع باید به یاد بیاورید که هوش مصنوعی ترکیبی از فناوری‌های مختلفی است که باهم به یک فرصت ایدئال برای بهبود بهره‌وری در خدمات کلینیکی سلامت منتهی می‌شوند. برای مثال بیمارستان چشم‌پزشکی مورفیلدز در لندن از سیستم هوش مصنوعی دیپ مایند گوگل استفاده می‌کند.

این کار موجب می‌شود که این بیمارستان بتواند اسکن قرنیه چشمان بیماران را به‌صورت بسیار دقیقی انجام داده و بتواند با دقت بسیار بالایی به شناسایی بیماری‌ها دست بزند.

دیگر مثال این موضوع را می‌توان مرکز سلامتی بابیلون در لندن دانست که از یک ربات چت کننده برای برنامه‌ریزی زمان‌بندی مراجعه بیماران استفاده می‌کند. از این مثال‌ها می‌توان درک کرد که هوش مصنوعی هم مزایا و هم معایب خود را برای رده سلامت به همراه داشته است. این ساختار می‌تواند نشان‌های بسیار زیادی را در بیمار بیابد که شاید از دید پزشک مخفی بمانند ولی نقطه‌ضعف آن این است که تجربه و ادراک انسانی در صنایع پزشکی، چیزی است که نمی‌توان آن را با هیچ ماشینی جایگزین کرد.

یادگیری از شطرنج

پس‌ازاین‌که کاسپارف از هوش مصنوعی بلو مایند شکست خورد، ایده جالبی را ارائه کرد. او گفت بهتر است به‌جای این‌که انسان‌ها به مبارزه با هوش مصنوعی در بازی شطرنج بپردازند، در کنار هوش مصنوعی به مسابقه با رقیب خود دست بزنند. نتیجه این امر یک بازی جدید به نام شطرنج پیشرفته بود که موجب می‌شود تا انسان و هوش مصنوعی پابه‌پای هم کارکرده و همکاری داشته باشند.

این امر در حقیقت مهارت‌هایی را به همراه آورده است که پیش از آن امکان‌پذیر نبودند. تجربه و عملکرد انسانی با دقت ماشینی ترکیب‌شده و یک نتیجه ایدئال و جذاب را به همراه داشته است. حال هوش مصنوعی درزمینهٔ خدمت سلامت و پزشکی نیز می‌تواند از ساختاری مشابه بهره‌مند شود. انسان و ماشین می‌توانند دست‌به‌دست هم داده و برای بهبود سلامتی انسان‌های دیگر تلاش کنند که نتیجه این امر موجب شده است تا بهبود بسیار عظیمی در تشخیص و درمان بیماری‌ها به وجود بیاید.

البته از سوی دیگر باید گفت که یادگیری ماشینی می‌تواند به‌تدریج این روند را بهتر هم بکند زیرا سیستم‌های ماشینی می‌توانند با یادگیری در طول زمان خود را تقویت کنند و همین امر برای انسان‌ها نیز صادق است. به‌این‌ترتیب می‌توان انتظار داشت که آینده هوش مصنوعی در صنایع پزشکی، بسیار روشن باشد.

منبع: thenextweb

ترجمه: احمد محمدحسینی

نظرات شما

[کد امنیتی جدید]