Nešto mora da se promeni ako želimo da veštačka inteligencija bude korisna sledeći put, ali možda vam se to neće svideti. Veštačka inteligencija je odmah, na početku, videla šta nam se sprema, bar tako priča kaže. Kompanija koja se bavi veštačkom inteligencijom pod nazivom BlueDot i koja koristi mašinsko učenje da bi nadgledala pojavu zaraznih bolesti širom sveta, 30. decembra je upozorila svoje klijente – uključujući razne vlade, bolnice i preduzeća – na neobičan porast broja slučajeva upale pluća u Vuhanu u Kini. Prošlo je još devet dana pre nego što je Svetska zdravstvena organizacija zvanično označila ono što svi znamo kao Covid -19.
BlueDot nije bila usamljena u objavljivanju upozorenja. Automatizovana usluga pod nazivom HealthMap u dečjoj bolnici u Bostonu, takođe je primetila te prve znakove, kao i model koji je radila kompanija Metabiota , sa sedištem u San Francisku. To što je veštačka inteligencija mogla da primeti izbijanje na drugoj strani sveta prilično je neverovatno, a rana upozorenja spasavaju živote.
Koliko je veštačka inteligencija zaista pomogla u rešavanju trenutne epidemije? Na to je teško odgovoriti. Kompanije, kao što je BlueDot , obično ne govore mnogo o tome kome tačno pružaju informacije i kako se one koriste. Stručnjaci kažu da su uočili epidemiju istog dana kad i veštačka inteligencija. Ostali projekti u kojima se veštačka inteligencija koristi kao dijagnostički alat или se koristi kako bi se pronašla vakcina još su u vrlo ranoj fazi. Iako budu uspešni, trebaće vremena – sigurno meseci – da se te inovacije pruže zdravstvenim radnicima kojima su potrebni. Oduševljenje nadmašuje stvarne mogućnosti. U stvari, priča koja se pojavila u mnogim vestima i u štampi – da je veštačka inteligencija novo moćno oružje protiv bolesti – samo je delimično tačna i rizikuje da postane kontraproduktivna.
Dakle, činjenice su sledeće: veštačka inteligencija nas neće spasiti od korona virusa – svakako ne ovog puta, ali postoje sve šanse da će igrati veću ulogu u budućim epidemijama – ako izvršimo neke velike promene. Većina neće biti laka. Neke nam se neće svideti. Postoje tri glavne oblasti u kojima bi veštačka inteligencija mogla da pomogne: predviđanje, dijagnoza i lečenje.
Predviđanje
Kompanije kao što su BlueDot i Metabiota koriste niz algoritama za obradu prirodnog jezika kako bi nadgledali vesti i zvanične izveštaje na različitim jezicima o zdravstvenoj zaštiti širom sveta, označavajući da li spominju visoko prioritetne bolesti, kao što je korona virus или više endemske bolesti, kao što su HIV или tuberkuloza. Rezultati su relativno tačni. Na primer, poslednji javni izveštaj kompanije Metabiota , od 25. februara, predviđao je da će 3. marta biti 127.000 kumulativnih slučajeva širom sveta. Pogrešio je za oko 30.000, ali direktor kompanije kaže da je to još uvek na u granicama dozvoljene greške. Takođe su navedene zemlje koje će najverovatnije prijavljivati nove slučajeve, uključujući Kinu, Italiju, Iran i Sjedinjene Države. Opet: nije loše.
Drugi takođe prate društvene medije. Stratifyd, kompanija za analizu podataka sa sedištem u Šarlotu, Severna Karolina, razvija veštačku inteligenciju koji pregleda objave na društvenim mrežama, kao što su Fejsbuk i Tviter i kombinuje ih s opisima bolesti preuzetih iz izvora kao što su Nacionalni zdravstveni instituti, Svetska organizacija za zdravlje životinja i globalna bazu podataka identifikatora gena, koja čuva informacije o sekvenciranju genoma.
Rad ovih kompanija je svakako impresivan. Pokazuje koliko je napredovalo mašinsko učenje poslednjih godina. Pre nekoliko godina kompanija „Gugl“ je pokušala pomoću svog programa da predvidi izbijanje gripa, ali sklonjen je 2013, kada nije uspeo da predvidi nalet gripa te godine. Šta se promenilo? Uglavnom se svodi na sposobnost najnovijeg softvera da preslušava mnogo širi spektar izvora.
Takođe je ključno nenadzirano mašinsko učenje. Omogućavanje veštačkoj inteligenciji da identifikuje sopstvene obrasce buke, umesto da se obučava na izabranim primerima, naglašava stvari koje možda niste ni pomislili da tražite. Nekoliko gradova na putu virusa. To bi moglo da dozvoli vlastima da se pripreme, upozori bolnice i uvede mere zaštite. Kako opseg epidemije raste, predviđanja postaju manje specifična. Upozorenje Metabiote da će u narednoj nedelji biti pogođene određene zemlje možda je bilo tačno, ali teško je znati šta učiniti sa tim informacijama.
Štaviše, svi ti pristupi će postati manje tačni kako se epidemija razvija, uglavnom zato što je teško doći do podataka kojima treba snabdeti veštačku inteligenciju da bi došla do tačnih predviđanja. Izvori vesti i zvanični izveštaji nude nedosledne opise. Došlo je do zabune u vezi sa simptomima i kako se virus prenosi između ljudi. Mediji mogu da preteruju, a vlasti da umanjuju značaj. Predviđanje kuda se bolest može proširiti sa stotina lokacija u desetinama zemalja daleko je teži zadatak od određivanja mesta gde bi se jedna epidemija mogla širiti u prvih nekoliko dana.
Rana dijagnoza
Osim što prognoziraju tok epidemije, mnogi se nadaju da će veštačka inteligencija pomoći da se identifikuju ljudi koji su zaraženi. Ona ovde ima dokazane rezultate. Modeli mašinskog učenja za ispitivanje medicinskih slika mogu uhvatiti rane znakove bolesti koji lekarima promiču, od očnih bolesti preko bolesti srca do raka. Ipak, ti modeli obično zahtevaju mnogo podataka da bi bili obučeni.
U posljednjih nekoliko nedelja na mreži je objavljeno pregršt radova koji sugerišu da mašinsko učenje može dijagnostikovati Covid -19 pomoću CT skeniranja plućnog tkiva ako je osposobljeno da na slikama uoči znakove bolesti. Stručnjaci kažu da bi trebalo da očekujemo da će veštačka inteligencija uspeti da otkrije znake Covid -19 kod pacijenata. Ipak, nije sasvim sigurno da li je to pravi postupak. Kao prvo, fizički znakovi bolesti možda se neće pojaviti u skeniranju sve do izvesnog vremena nakon infekcije, što ga ne čini korisnim kao postupak pri ranoj dijagnostici.
Lečenje
Podaci su takođe bitni ako veštačka inteligencija treba da pomogne u razvoju lečenja bolesti. Jedna tehnika prepoznavanja mogućih kandidata za lek je upotreba algoritama generativnog dizajna, koji daju ogroman broj potencijalnih rezultata, koje treba dobro pregledati kako bi se istakli oni koje vredi pogledati pažljivije. Ova tehnika se, na primer, može koristiti za pretraživanje miliona bioloških или molekularnih struktura. U teoriji, veštačka inteligencija se može koristiti i za predviđanje evolucije korona virusa. To je zadivljujuća mogućnost, ali daleko smo od toga. Još uvek nemamo dovoljno informacija o tome kako virus mutira da bismo mogli to da saznamo.
U međuvremenu, poslednja prepreka mogu biti ljudi na vlasti. Veštačka inteligencija neće moći da sama predvidi izbijanje bolesti, bez obzira na to koliko podataka dobije. Da bi se iskoristile sve potencijalne mogućnosti veštačke inteligencije biće potrebno mnogo podataka, vremena i pametna koordinacija između različitih ljudi. A sve to nam trenutno nedostaje.