Μέσα σε λίγα μόλις λεπτά, η Τεχνητή Νοημοσύνη καταφέρνει αυτό που έκαναν οι ιατρικές ομάδες για μήνες
Μια νέα αμερικανική έρευνα δείχνει ότι εργαλεία τεχνητής νοημοσύνης που δημιουργούν κώδικα από απλές οδηγίες σε φυσική γλώσσα μπορούν να κατασκευάσουν αξιόπιστα προγνωστικά μοντέλα σε χρόνο-ρεκόρ.
Η εξέλιξη αυτή ενδέχεται να άρει ένα από τα μεγαλύτερα εμπόδια της επιστήμης δεδομένων και να φέρει τις αναλύσεις πιο κοντά και πιο γρήγορα, στην κλινική πράξη.
Από μήνες δουλειάς… σε λίγα λεπτά
Στα ερευνητικά εργαστήρια, η ανάλυση δεδομένων είναι συχνά η πιο χρονοβόρα και απαιτητική φάση. Καθαρισμός αρχείων, συγγραφή κώδικα, αλλεπάλληλοι έλεγχοι, η διαδικασία μπορεί να διαρκέσει μήνες πριν προκύψουν αξιοποιήσιμα αποτελέσματα.
Ερευνητές από το University of California, San Francisco και το Wayne State University αποφάσισαν να μετρήσουν στην πράξη τη διαφορά. Ανέθεσαν σε ανθρώπινες ομάδες αλλά και σε συστήματα τεχνητής νοημοσύνης την ίδια αποστολή: να δημιουργήσουν μοντέλα πρόβλεψης για τον κίνδυνο πρόωρου τοκετού, αξιοποιώντας δεδομένα από περισσότερες από 1.000 εγκυμοσύνες.
Το αποτέλεσμα ήταν εντυπωσιακό. Εκεί που έμπειροι προγραμματιστές θα χρειάζονταν ώρες ή και ημέρες για να γράψουν λειτουργικό κώδικα, ορισμένα συστήματα Τεχνητής Νοημοσύνης παρήγαγαν πλήρη και αξιοποιήσιμα «σκριπτ» μέσα σε λίγα μόλις λεπτά. Η αυτοματοποίηση αυτή επέτρεψε γρήγορες δοκιμές και βελτιώσεις, χωρίς την ανάγκη μεγάλων τεχνικών ομάδων.
Ακόμη και μια μικρή ομάδα, αποτελούμενη από έναν μεταπτυχιακό φοιτητή και έναν μαθητή λυκείου, κατάφερε με τη βοήθεια της Τεχνητής Νοημοσύνης να αναπτύξει βιώσιμα μοντέλα και να φτάσει μέχρι την υποβολή επιστημονικής δημοσίευσης μέσα σε λίγους μήνες, όπως αναφέρει η SciTechDaily.
Το σοβαρό ιατρικό διακύβευμα
Η μελέτη δεν ήταν ένα απλό τεχνολογικό πείραμα. Η πρόωρη γέννηση αποτελεί την κύρια αιτία νεογνικής θνησιμότητας και συνδέεται με μακροχρόνια κινητικά και γνωστικά προβλήματα στα παιδιά. Μόνο στις ΗΠΑ, περίπου 1.000 μωρά γεννιούνται πρόωρα κάθε μέρα.
Για να εντοπίσουν πρώιμα προειδοποιητικά «σήματα», οι ερευνητές συγκέντρωσαν μικροβιολογικά δεδομένα από περίπου 1.200 εγκύους, προερχόμενα από εννέα διαφορετικές μελέτες. Πρόκειται για τεράστιους όγκους πληροφοριών, που οι παραδοσιακές μέθοδοι δυσκολεύονται να επεξεργαστούν αποτελεσματικά.
Δεν ήταν η πρώτη φορά που αυτά τα δεδομένα αναλύθηκαν. Περισσότερες από 100 διεθνείς ομάδες είχαν ήδη εργαστεί πάνω τους στο πλαίσιο των διαγωνισμών DREAM Challenges. Αν και τα περισσότερα μοντέλα αναπτύχθηκαν μέσα σε τρεις μήνες, η συγκέντρωση, αξιολόγηση και δημοσίευση των αποτελεσμάτων χρειάστηκε σχεδόν δύο χρόνια, μια καθυστέρηση που αποτυπώνει το τεχνικό βάρος της βιοϊατρικής έρευνας.
Πώς η γενετική ΤΝ αλλάζει τον ρυθμό των ανακαλύψεων
Σε δεύτερη φάση, οι επιστήμονες ζήτησαν από οκτώ συστήματα τεχνητής νοημοσύνης να δημιουργήσουν μοντέλα από τα ίδια δεδομένα, χωρίς ανθρώπινη βοήθεια στον προγραμματισμό. Τα τέσσερα από αυτά παρήγαγαν λειτουργικό κώδικα, με επιδόσεις συγκρίσιμες -και σε ορισμένες περιπτώσεις ανώτερες- από τις καλύτερες ανθρώπινες ομάδες.
Το πιο εντυπωσιακό; Ολόκληρο το έργο, από τον σχεδιασμό μέχρι την υποβολή του επιστημονικού άρθρου, ολοκληρώθηκε σε μόλις έξι μήνες.
Οι ερευνητές επισημαίνουν ότι μεγάλα γλωσσικά μοντέλα μπορούν πλέον να δημιουργούν ολοκληρωμένα «pipelines» [μέσα πληροφορίας] ανάλυσης σε R ή Python, φτάνοντας επίπεδα αντίστοιχα με εκείνα κορυφαίων διεθνών διαγωνισμών.
Η ανθρώπινη εποπτεία παραμένει κρίσιμη
Ωστόσο, κρατούν και τις απαραίτητες επιφυλάξεις. Δεν λειτούργησαν όλα τα συστήματα εξίσου καλά, ενώ ορισμένα μπορεί να παράγουν λανθασμένα ή ασυνεπή αποτελέσματα. Η ανθρώπινη εποπτεία παραμένει κρίσιμη, τόσο για τη διατύπωση των σωστών ερωτημάτων, όσο και για τον έλεγχο της εγκυρότητας των αναλύσεων.
Το βασικό μήνυμα είναι σαφές: η τεχνητή νοημοσύνη δεν αντικαθιστά τον επιστήμονα, αλλά μπορεί να τον απελευθερώσει από τις πιο χρονοβόρες τεχνικές διαδικασίες.
Αν η τάση αυτή συνεχιστεί, η μετάβαση από τα ακατέργαστα δεδομένα στις πρακτικές εφαρμογές για τους ασθενείς θα μπορούσε να επιταχυνθεί θεαματικά και αυτό στην ιατρική, μπορεί να κάνει τη διαφορά ζωής.
