Kā spēļu mikroshēma kādreiz varētu glābt jūsu dzīvību

NVIDIA korporācija

Jensens Huangs, Nvidia izpilddirektors miljardieris, ir nopelnījis bagātību, piegādājot aparatūru, ko izmanto mākslīgā intelekta algoritmiem. Tagad viņš sader, ka mākslīgais intelekts kļūs par neatņemamu medicīnas sastāvdaļu.

Deviņdesmito gadu sākumā Huangs atzina, ka vispārējas nozīmes datoru mikroshēmu ierobežojumi un datorspēļu pieaugums, visticamāk, palielinās pieprasījumu pēc specializētiem grafikas procesoriem. 90. gadu beigās un 2000. gados viņa līdzdibinātais uzņēmums guva milzīgus panākumus, izgatavojot augstas klases grafikas mikroshēmas spēlētājiem.

Pavisam nesen Huang un Nvidia ir braukuši uz atšķirīgu tehnoloģiju vilni, piegādājot aparatūru, ko izmanto, lai apmācītu un palaistu padziļinātas mācīšanās algoritmus, kas ir bijuši atslēgas nesenajai mākslīgā intelekta renesansei. Padziļinātai apmācībai ir nepieciešams milzīgs apmācības datu apjoms un jaudīga datora aparatūra, un Nvidia grafikas procesori piedāvā tikai pareizo paralēlās apstrādes veidu, lai šie algoritmi darbotos.

Huangs tagad uzskata, ka mākslīgā intelekta algoritmi radīs revolūciju medicīnā un veselības aprūpē, un viņš paredz, ka slimnīcas, ārsti un medicīnas pētnieki būs nākamā lielākā Nvidia klientu bāze. Veselības aprūpes datu apjoms ir milzīgs, un tas ir lielisks nestrukturētu datu piemērs. Un tomēr šo datu skaitļošanas izmantošana ir diezgan ierobežota, sacīja Huangs MIT tehnoloģiju apskats . Viena no jomām, kas ir ideāls pirmais ieraksts, ir medicīniskā attēlveidošana.

Arvien vairāk pētījumu liecina, ka dziļu mācīšanos principā var izmantot, lai automatizētu slimību identificēšanu medicīniskajos attēlos. Stenfordas pētnieki ir parādījuši, ka šī tehnika var atklāt ādas vēzis fotogrāfijās . Google komanda atklāja, ka to var izmantot, lai identificētu anomālijas krūškurvja rentgenstaros. Nvidia saka, ka vairāk nekā puse no rakstiem, kas tika prezentēti Starptautiskajā konferencē par medicīnisko attēlu skaitļošanu un datorizētu iejaukšanos, kas ir vissvarīgākais notikums medicīniskās attēlveidošanas jomā, ietvēra kādu dziļu mācīšanos.

Šī sirds kambara trīsdimensiju vizualizācija tika izveidota, izmantojot Nvidia aparatūru. NVIDIA korporācija

Nvidia jau sadarbojas ar vairākiem uzņēmumiem, kas ražo medicīniskās attēlveidošanas instrumentus, un visi šie uzņēmumi vēlas savām sistēmām pievienot vairāk skaitļošanas analīzes, saka Huangs. Viņš uzskata, ka vajadzētu būt iespējai pieslēgt arī esošo aprīkojumu šādai sistēmai, lai attēli tiktu analizēti un rezultāti tiktu prezentēti tehniķiem un ārstiem.

Nākotnē Huangs saka, ka šīs iekārtas tiks papildinātas ar superdatoriem, pārvēršot tos par moderniem, pārsteidzošiem medicīnas instrumentiem, tāpat kā mākoņdatošana ir darījusi mobilos tālruņus.

Pagājušajā mēnesī Nvidia paziņoja produkts, kura mērķis ir kaut kas līdzīgs šim. Tas sastāv no jaudīgu datoru mikroshēmu plauktiem, un tajā ir ielādēta programmatūra tādiem uzdevumiem kā MRI attēlu asināšana un ultraskaņas datu vizualizāciju izveide. Sistēma varētu arī atbalstīt mašīnmācīšanās metodes, lai attēlos identificētu slimības pazīmes.

Džons Guttags MIT datorzinātņu profesors saka, ka medicīniskā attēlveidošana tiks pārveidota, izmantojot mašīnmācīšanos un jo īpaši dziļo mācīšanos. Tomēr viņš saka, ka vistiešākā mākslīgā intelekta ietekme uz medicīnu būs medicīnas pētniecībā. Viņš saka, ka būs dramatiskas izmaiņas, kā mēs veicam pētniecību, un tas netieši ietekmēs aprūpi. Mēs varam aplūkot 20 000 Alcheimera slimnieku skenējumu un uzzināt lietas, ko mēs nevarējām uzzināt ar neapbruņotu aci.

Saistīts stāsts

Saistīts stāsts Neviens īsti nezina, kā vismodernākie algoritmi dara to, ko viņi dara. Tā varētu būt problēma.

Guttag saka, ka tehnoloģija galu galā nonāks arī slimnīcās un klīnikās, taču lietas virzās lēnāk. Viņš saka, ka var izrādīties grūti panākt, lai ārsti un pacienti pieņemtu AI diagnozi, ja sistēma nesniedz arī ieteikumus vai labu skaidrojumu savam secinājumam. Daudzus mašīnmācības modeļus, īpaši dziļās mācīšanās gadījumā, ir ļoti grūti nopratināt (skatiet AI tumšo noslēpumu).

Problēmas nav biedējušas arvien lielāku skaitu uzņēmumu, kas tagad vēlas pētniecības sasniegumus pārvērst klīniskos instrumentos. ASV Pārtikas un zāļu pārvalde jau ir apstiprinājusi dažas AI metodes klīniskai lietošanai, tostarp tehnoloģija lai identificētu diabētiskās retinopātijas pazīmes tīklenes attēlos, a produkts insulta pazīmju atpazīšanai CT skenēs un a uz mākoņiem balstīta onkoloģijas platforma .

Bet vienkārši nav reāli iedomāties, ka lielu daļu no tā, ko dara ārsti, varētu automatizēt. Algoritmi varētu palīdzēt viņiem analizēt vairāk datu, nekā citādi būtu iespējams, un viņi varētu uzlabot vienkāršus diagnozes veidus. Bet pacienta prognoze un ārstēšanas iespējas var būt atkarīgas no daudziem faktoriem, tostarp no šīs personas unikālās slimības vēstures. Spriedumu pieņemšana šādos apstākļos mašīnai ir daudz grūtāka.

Neatkarīgi no izaicinājumiem Nvidia iespējas ir pārāk labas, lai tās ignorētu.

Atuls Butte , UCSF Medicīnas skolas profesors un eksperts par tehnoloģiju izmantošanu veselības aprūpē, saka, ka slimnīcas neizbēgami ieguldīs vairāk aparatūrā, kas nepieciešama, lai palaistu dziļās mācīšanās algoritmus. Viņš saka: UCSF un citur ir mācībspēki, kas jau izmanto Nvidia plates un aprīkojumu, lai apmācītu padziļinātus medicīnisko attēlu modeļus, tostarp mammogrāfiju, ultraskaņu un citus.

paslēpties