AI (Artificial Intelligence, Sztuczna Inteligencja) to jednak coś więcej niż tylko gadające maszyny z filmów Science Fiction. To całe spektrum rozwiązań, od bardzo prostych: algorytmy oparte o drzewa decyzyjne, do bardzo złożonych typu AlphaGo, które ogrywa profesjonalnych graczy w Go. Jednak definiując AI warto się zastanowić nie „co?” jest jej sednem, ale „po co?” nam sztuczna inteligencja (oprócz zagłady wszechświata, zastąpienia nas przez bardziej efektywne formy życia itp.). Odpowiedź na to pytanie kryje się często poza oklepanymi demonstracjami gadających “po ludzku” botów, ale głębiej - w sytuacjach, kiedy sztuczna inteligencja całkowicie zmienia obraz postrzeganego przez nas świata, bądź wręcz ratuje nasze życie.
AI to dzisiaj modne słowo i nośny buzzword. Mnóstwo technologii podciąganych jest pod to hasło. Wyobraźnię mediów porusza dreszczyk grozy kryjący się za demonicznym obrazem sztucznego intelektu (wiecie o czym mówię - Skynet z Terminatora, Hal z Odysei Kosmicznej, zabójcze roboty kradnące nam naszą pracę itp.). Tak wygląda „życie na hype informacyjnym”. I faktycznie - jak popatrzymy na wykres Hype Cycle Gartnera to w obszarze „nadmuchanych oczekiwań” (ang. inflated expectations) znajduje się dzisiaj zarówno deep learning, jak i wirtualni asystenci - czyli dwa podstawowe trendy w obszarze sztucznej inteligencji. Zabójcze roboty nie znajdują się niestety w spektrum zainteresowań dużych firm badawczych. Chociaż …
Twój pacjent umrze za 7 dni
12-13 września tego roku odwiedziłem Bazyleę. Jako One2tribe zostaliśmy tam zaproszeni w ramach konkursu IBM Watson AI XPRIZE. Moim celem była prezentacja naszego rozwiązania podczas konferencji Intellgent Health AI. I podczas tego właśnie wydarzenia zobaczyłem najlepsze AI w życiu… (nie nasze niestety :))
Olśnienie miało miejsce podczas prezentacji “Ratowanie życia poprzez zaawansowaną analitykę, uczenie maszynowe i myślenie ukierunkowane na dane w szpitalach” (“Saving lives with advanced analytics, machine learning and data driven thinking in hospitals”). Prowadzący - José Pedro Almeida ze szpitala Sáo Joáo w Porto opowiedział intrygującą historię. Szpital, jako jednostka zbiera mnóstwo danych dotyczących historii pacjentów i chorób. Większość jednostek medycznych pracuje z big data (wielkimi zbiorami danych), ale dopóki dane te nie wspierają działania lekarzy ich wartość nie jest w pełni wykorzystywana. W szpitalu Sáo Joáo zespół IT podszedł do tego inaczej. Rozwiązanie Machine Learning (maszynowego uczenia się), analizuje wszystkie dane i sprowadza historię pacjenta do kilku/kilkunastu wskaźników. Z których najważniejszy to informacja czy Twój pacjent umrze w ciągu 7 dni (zdjęcie poniżej).
Jeśli nie dotarło do Was jak mocne jest to rozwiązanie (do mnie dotarło po dłuższej chwili), wyobraźcie sobie lekarza wracającego z dyżuru do domu, który dostaje SMS na telefon - „Twój pacjent umrze za 7 dni”.
Jak system to ustala? Na bazie nauki z historycznych danych (maszyna uczy się korelacji pomiędzy wieloma wskaźnikami itp.). Co ma robić w takiej sytuacji lekarz? To już zależy od niego… (system nie bierze odpowiedzialności za lekarza). Ale, jeśli na podstawie analizy setek wskaźników pacjent trafia do grupy zagrożenia, to jest to sygnał alarmowy, ratujący życie. I oczywiście mogą się zdarzyć fałszywe sygnały, ale w tej konkretnej sytuacji lepiej mieć 100 alarmów nietrafionych (tzw. false-positive), niż nie otrzymać informacji na czas.
Po co nam AI?
I tutaj dochodzimy do tego “Po co nam AI?”. Dzisiaj potrafimy mierzyć miliardy rzeczy. Jesteśmy otoczeni internetem, nosimy go ze sobą w kieszeni a świat inteligentny wpada w nasze życie setkami komunikatów (systemy biznesowe, serwisy społecznościowe, smsy, powiadomienia z aplikacji, urządzenia IOT). Jesteśmy info-stworzeniami, ale kompletnie nie jesteśmy do tego przygotowani. O ile nasz organizm reaguje prawidłowo na bodźce ze środowiska nie-elektronicznego (ciepło, zimo, zagrożenie), o tyle kompletnie nie radzimy sobie z bodźcami z infosfery. Mówiąc wprost - często mamy mnóstwo informacji, a jesteśmy coraz głupsi (mamy dane, ale nie mamy intuicji co z nich wynika). W medycynie jest to szczególnie ważne, bo dzisiaj w tej dziedzinie zbiera się rzędy wielkości więcej danych, niż jeszcze kilka czy kilkanaście lat temu (link do raportu na ten temat znajduje się na końcu artykułu).
Szczególny rodzaj daru - intuicja
Spójrzmy na inny przykład, także dotyczący medycyny. Pochodzi on z książki Charlesa Duhigga „Mądrzej, Szybciej, Lepiej” i dotyczy oddziału intensywnej terapii dla noworodków (NICU, neonatal intensive care). Znowu musicie sobie to wyobrazić - dziesiątki inkubatorów i piszczących urządzeń z dzieciakami w środku. Wszystkie dzieci wymagają monitoringu i analizy wielu parametrów życiowych. Do tego zdenerwowani rodzice i ogromne poczucie odpowiedzialności połączone z ciągłym strumieniem danych przeplatanym dziecięcym płaczem. Beth Crandall (badaczka na którą powołuje się Duhigg) przeprowadziła wywiady z pielęgniarkami. Te, które radziły sobie najlepiej, posiadały szczególny rodzaj daru - intuicję pozwalającą stwierdzić kiedy coś z dzieckiem jest „nie tak”.
W podanym w książce przykładzie, pielęgniarka Darlene potrafiła przez szybę inkubatora stwierdzić problem ze zdrowiem dziecka. Coś, na granicy jej intuicji krzyczało, że mały pacjent ma problem ze zdrowiem (mimo podawanych przez urządzenia, całkiem poprawnych parametrów życiowych). Zapytana o intuicję, Darlene wskazywała na dziwny odcień koloru skóry dziecka. Alarm powodowało coś, co nie pasowało do jej obrazu zdrowego dziecka. Intuicja okazała się słuszna, a po kontakcie z lekarzem okazało się, że mały pacjent ma infekcję.
Czy AI może być rozszerzeniem naszej intuicji?
Sztuczna inteligencja to dzisiaj mechanizm pozwalający na ogarnięcie złożoności otaczającego nas świata. Mam na myśli miliony bitów informacji docierających do nas przez wiele kanałów, w wielu postaciach. Żeby nasz mózg mógł przyjąć informację - na przykład podnieść alarm na wiadomość, że tracimy pacjenta czy klienta - potrzebujemy warstwy uczącej się. Czegoś, co na bazie historii danych (doświadczeń) sugeruje reakcję czy uruchamia nowy tok myślenia - jak u wspomnianej wyżej Darlene, czy w szpitalu Sáo Joáo.
Celem dobrego AI jest więc sprowadzenie wielu komunikatów docierających do nas ze złożonego świata do prostej intuicji… “Mój pacjent może umrzeć za 7 dni”. Tylko tyle i aż tyle.
Poniżej lista inspiracji i danych, na które powołuję się powyżej. Taka mała bibliografia.
Film dokumentalny AlphaGo, Netflix (Greg Kohs) - o tym czym faktycznie jest algorytm AlphaGo i że do dominacji maszyn nad światem jeszcze daleko https://www.netflix.com/pl/title/80190844
“Mądrzej, Szybciej, Lepiej” (C.Duhigg) - genialna książka o motywacji, postrzeganiu świata i mechanizmach naszego mózgu (PWN / Audioteka).
5 Trends Emerge in the Gartner Hype Cycle for Emerging Technologies, 2018 (Gartner Inc.) - czyli AI jest na Hype (warto poczytać sobie co oznaczają poszczególne fazy krzywej Gartnera, ale to zostawiam dociekliwym) https://www.gartner.com/smarterwithgartner/5-trends-emerge-in-gartner-hype-cycle-for-emerging-technologies-2018/
Everyone Is Talking About AI—But Do They Mean the Same Thing? (David Pring-Mill) - no właśnie… czym jest AI? https://singularityhub.com/2018/03/15/everyone-is-talking-about-ai-but-do-they-mean-the-same-thing/
Czym jest AI jeszcze raz (Alexander Hentschel, Yasmine Nadery, AxiomZen) https://medium.com/axiomzenteam/what-most-people-dont-understand-about-ai-and-the-the-state-of-machine-learning-ed007a987108
Volume and Value of Big Healthcare Data (Ivo D. Dinov) - jak zmieniło się przetwarzanie danych w medycynie? https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4795481/