Алгоритмы жизни и смерти: как понять искусственный интеллект, который будет лечить людей?

Алгоритмы жизни и смерти: как понять искусственный интеллект, который будет лечить людей?

Когда речь заходит о применении машинного обучения, чаще всего разговоры ведут о медицинской сфере. И это не удивительно: огромная индустрия, которая генерирует феноменальный объем данных и доходов, в которой технологические достижения могут улучшать или спасать жизни миллионов людей. Едва ли неделя проходит без появления исследования, которое предполагает, что алгоритмы очень скоро будут лучше экспертов выявлять пневмонию или болезнь Альцгеймера - заболевания сложных органов, от глаза до сердца. И все к этому идет, но…

Проблемы переполненных больниц и перегруженного медперсонала отравляют государственные системы здравоохранения и приводят к росту расходов на частные системы здравоохранения. И здесь, опять же, алгоритмы предлагают заманчивое решение. Сколько раз на самом деле нужно посетить врача? Можно ли заменить эти посещения умным чатботом - который будет оснащен портативными диагностическими тестами, используя последние достижения в области биотехнологий? Ненужные посещения можно было бы сократить, и пациентов можно было бы диагностировать и направлять к специалистам быстрее, не дожидаясь первичной консультации.

Как и в случае с алгоритмами искусственного интеллекта, цель состоит не в том, чтобы заменить врачей, а в том, чтобы дать им инструменты для сокращения повседневных или повторяющихся частей работы. С ИИ, который может исследовать тысячи сканов за минуту, «скучная рутина» остается на машинах, и доктора могут сосредоточиться на тех частях работы, которые требуют более сложного, тонкого, основанного на опыте суждения о лучших методах лечения и потребностях пациента.

Высокие ставки

И все же, как и в случае с алгоритмами ИИ, существуют риски, связанные с их использованием - даже для задач, которые считаются обыденными. Проблемы алгоритмов «черного ящика», которые принимают необъяснимые решения, достаточно серьезны, когда вы пытаетесь понять, почему автоматизированный чатбот-рекрутер не впечатлялся вашим рассказом во время собеседования. В контексте здравоохранения, где принимаемые решения могут означать жизнь или смерть, последствия алгоритмического сбоя могут быть фатальными.

Нейронные сети прекрасно справляются с обработкой большого количества тренировочных данных и установления связей, поглощением нижележащих закономерностей или логики системы в скрытых слоях линейно алгебры; будь то обнаружение рака кожи по фотографиям или обучение письму псевдошекспировским языком. Однако они ужасно объясняют нижележащую логику обнаруженных ими отношений: есть кое-что большее, чем просто строка цифр, статистические «веса» между слоями. И они не могут отличить корреляцию от причинно-следственной связи.