Kaip žaidimų lustas kada nors gali išgelbėti tavo gyvybę

NVIDIA korporacija

Jensenas Huangas, „Nvidia“ generalinis direktorius milijardierius, užsidirbo turtus tiekdamas dirbtinio intelekto algoritmams naudojamą aparatinę įrangą. Dabar jis lažinasi, kad AI netrukus taps nepakeičiama medicinos dalimi.

Dešimtojo dešimtmečio pradžioje Huangas pripažino, kad bendrosios paskirties kompiuterių lustų apribojimai ir kompiuterinių žaidimų augimas greičiausiai padidins specializuotų grafikos procesorių paklausą. Dešimtojo dešimtmečio pabaigoje ir 2000-aisiais jo įkurta įmonė sulaukė didžiulės sėkmės, gamindama aukščiausios klasės grafikos lustus žaidėjams.

Visai neseniai „Huang“ ir „Nvidia“ įveikė kitokią technologijų bangą, tiekdamos aparatinę įrangą, naudojamą gilaus mokymosi algoritmams, kurie buvo labai svarbūs pastaruoju metu dirbtinio intelekto renesansui, mokyti ir vykdyti. Gilus mokymasis reikalauja didžiulio mokymo duomenų kiekio ir galingos kompiuterio aparatinės įrangos, o „Nvidia“ grafikos procesoriai siūlo tik tinkamą lygiagretų apdorojimą, kad šie algoritmai veiktų.

Huangas dabar mano, kad dirbtinio intelekto algoritmai pakeis mediciną ir sveikatos priežiūrą, ir jis tikisi, kad ligoninės, gydytojai ir medicinos tyrėjai taps kita didele Nvidia klientų baze. Duomenų kiekis, kurį turi sveikatos priežiūra, yra didžiulis, ir tai puikus nestruktūrizuotų duomenų pavyzdys. Tačiau Huangas sakė, kad tų duomenų panaudojimas skaičiavimui yra gana ribotas MIT technologijų apžvalga . Viena sritis, kuri yra puikus pirmasis įrašas, yra medicininis vaizdavimas.

Vis daugiau mokslinių straipsnių rodo, kad gilus mokymasis iš esmės gali būti naudojamas automatizuoti ligos identifikavimą medicininiuose vaizduose. Stanfordo mokslininkai parodė, kad ši technika gali aptikti odos vėžys nuotraukose . „Google“ komanda nustatė, kad ji gali būti naudojama krūtinės ląstos rentgeno spindulių anomalijoms nustatyti. „Nvidia“ teigia, kad daugiau nei pusė pranešimų, pateiktų Tarptautinėje medicinos vaizdo skaičiavimo ir kompiuterinės intervencijos konferencijoje, kuri yra svarbiausias medicininio vaizdo gavimo įvykis, buvo susijęs su tam tikra gilaus mokymosi forma.

Ši 3-D širdies skilvelio vizualizacija buvo sukurta naudojant „Nvidia“ aparatinę įrangą. NVIDIA korporacija

„Nvidia“ jau bendradarbiauja su daugybe kompanijų, gaminančių medicininius vaizdo gavimo instrumentus, ir visos šios įmonės siekia savo sistemoms pridėti daugiau skaičiavimo analizės, sako Huangas. Jis mano, kad prie tokios sistemos taip pat turėtų būti galima prijungti esamą įrangą, kad būtų analizuojami vaizdai, o rezultatai būtų pateikiami technikai ir gydytojams.

Ateityje, pasak Huango, šios mašinos bus papildytos superkompiuteriais ir pavers juos moderniais, nuostabiais medicinos instrumentais, lygiai taip pat, kaip debesų kompiuterija padarė mobiliuosiuose telefonuose.

Praėjusį mėnesį „Nvidia“. paskelbė produktas, kurio tikslas yra padaryti kažką panašaus. Jį sudaro galingų kompiuterių lustų stovai, joje yra programinė įranga, skirta tokioms užduotims kaip MRT vaizdų paryškinimas ir ultragarsinių duomenų vizualizacijų kūrimas. Sistema taip pat galėtų palaikyti mašininio mokymosi metodus, skirtus ligos požymiams atpažinti vaizduose.

Jonas Gutagas MIT kompiuterių mokslo profesorius teigia, kad medicininis vaizdavimas bus pakeistas naudojant mašininį mokymąsi, o ypač gilųjį mokymąsi. Tačiau jis sako, kad tiesioginis AI poveikis medicinai bus medicininiuose tyrimuose. Jis sako, kad labai pasikeis tai, kaip atliekame tyrimus, ir tai turės netiesioginį poveikį priežiūrai. Galime peržiūrėti 20 000 Alzheimerio liga sergančių pacientų nuskaitymų ir sužinoti dalykų, kurių negalėjome išmokti plika akimi.

Susijusi istorija

Susijusi istorija Niekas iš tikrųjų nežino, kaip pažangiausi algoritmai daro tai, ką daro. Tai gali būti problema.

Guttagas sako, kad ši technologija ilgainiui atsidurs ir ligoninėse bei klinikose, tačiau viskas juda lėčiau. Jis sako, kad gali būti sunku priversti gydytojus ir pacientus priimti AI diagnozę, jei sistema taip pat nepateikia rekomendacijų ar gero paaiškinimo savo išvadai. Daugelį mašininio mokymosi modelių, ypač gilaus mokymosi atveju, sunku ištirti (žr. „The dark secret at the heart of AI“).

Iššūkiai neišgąsdino vis daugiau įmonių, dabar norinčių mokslinių tyrimų pažangą paversti klinikinėmis priemonėmis. JAV maisto ir vaistų administracija jau patvirtino kai kuriuos AI metodus klinikiniam naudojimui, įskaitant technologija diabetinės retinopatijos požymiams nustatyti tinklainės vaizduose, a produktas insulto požymiams atpažinti atliekant KT tyrimus ir a debesies pagrindu sukurta onkologijos platforma .

Tačiau tiesiog nerealu įsivaizduoti, kad daugelis gydytojų darbų galėtų būti automatizuoti. Algoritmai gali padėti jiems analizuoti daugiau duomenų, nei būtų įmanoma kitu atveju, ir jie galėtų geriau atlikti paprastas diagnozės formas. Tačiau paciento prognozė ir gydymo galimybės gali priklausyti nuo daugelio veiksnių, įskaitant unikalią to asmens ligos istoriją. Tokiomis aplinkybėmis mašinai priimti sprendimus yra daug sudėtingiau.

Nepaisant iššūkių, „Nvidia“ galimybės yra per geros, kad būtų galima ignoruoti.

Atul Butte UCSF medicinos mokyklos profesorius ir technologijų naudojimo sveikatos priežiūros srityje ekspertas teigia, kad ligoninės neišvengiamai investuos daugiau į techninę įrangą, reikalingą gilaus mokymosi algoritmams vykdyti. Jis sako: UCSF ir kitur yra dėstytojų, kurie jau naudoja Nvidia plokštes ir įrangą, kad mokytų gilaus mokymosi modelius apie medicininius vaizdus, ​​​​įskaitant mamografiją, ultragarsą ir kt.

paslėpti