TRÍ TUỆ NHÂN TẠO PHÂN QUYỀN VÀ NGÀNH MÁY TÍNH HỌC ĐÃ THAY ĐỔI Y HỌC NHƯ THẾ NÀO?

0
54
Trí tuệ nhân tạo và ngành máy tính học là gì?

Đây được gọi là những công nghệ của thế kỷ 21.

Trí tuệ nhân tạo là lý thuyết và sự phát triển của các hệ thống máy tính có thể thực hiện các nhiệm vụ đòi hỏi trí thông minh của con người, như nhận thức thị giác, nhận dạng giọng nói, đưa ra quyết định và dịch thuật các ngôn ngữ.

Ngành máy tính học sử dụng các thuật toán về cách thực hiện các tác vụ như dự đoán hoặc phân loại mà không cần lập trình sẵn. Về bản chất, các thuật toán được thực hiện nhờ dữ liệu hơn là lập trình.

Có nhiều cấp độ học tập về máy móc và trí tuệ nhân tạo nguyên sơ, bắt đầu với:

– Học tập giám sát

– Học tập không giám sát

– Học tập chuyên sâu

Mỗi cấp độ mất một lượng lớn dữ liệu để tạo ra các thông tin hữu dụng có liên quan với một tốc độ và tính chính xác tương đương, nếu không muốn nói là tốt hơn so với con người. Đây là ưu thế lớn của trí thông minh nhân tạo và ngành kĩ thuật máy tính.

Làm thế nào để sự phân quyền được áp dụng?

Công nghệ phân quyền có nhiều lợi ích.

Cụ thể là bảo mật dữ liệu và khả năng tạo ra môi trường hợp tác. Điều này cũng có thể áp dụng cho trí tuệ nhân tạo phân cấp. Mô hình máy tính học giữ dữ liệu an toàn và đảm bảo sự riêng tư. Bằng cách nào? Chúng liên lạc qua lại và giữ dữ liệu trên thiết bị của người dùng cuối cùng. Thêm vào đó, khi các mô hình tiếp tục được bồi dưỡng và cải thiện, chúng sẽ cung cấp quyền truy cập cho tất cả mọi người trong mạng. Bằng cách này, việc bắt buộc phải có một tổ chức độc quyền tập trung là không cần thiết. Việc này rất quan trọng bởi vì trước giờ tổ chức này luôn là nơi cuối cùng quyết định số phận của những khám phá trong tương lai.

Chúng hoạt động như thế nào?

Công nghệ Blockchain cho phép các bên tương tác với nhau.

Những tương tác này dựa trên một bộ quy tắc kinh doanh đã được thống nhất. Các quy tắc có thể định nghĩa chuyển khoản thanh toán hoặc các bộ quy tắc chung chung được gọi là hợp đồng thông minh. Một mạng lưới phân tán của các bên sẽ thiết lập nhiều bộ quy tắc để xác minh các giao dịch được đề xuất trên một hợp đồng thông minh. Các hợp đồng sẽ được sử dụng để xác định cách thức mà các bên tương tác với nhau. Loại mạng lưới này có thể đặt nền tảng cho một flatform. Một điều cần thiết phải làm lúc này là phát triển hệ thống tập hợp dữ liệu và các mô hình học tập chuyên sâu, nếu không sẽ gây một sự tốn kém lớn cho các tổ chức tập trung.

Trong thời đại này, điện thoại di động và máy tính bảng trở thành những thiết bị điện toán chính của nhiều người. Do nhu cầu thực tế ngày nay và xu hướng thời đại, người tiêu dùng thường xuyên phải mang theo các thiết bị này bên mình. Chính vì vậy, mức độ tương tác của người dùng với bộ cảm biến cao hơn, tạo ra một lượng dữ liệu lớn cần được bảo vệ riêng tư. Vì tính chất nhạy cảm của dữ liệu, nhiệm vụ của các thiết bị điện tử là loại bỏ những rủi ro về thất thoát và bị đánh cắp dữ liệu. Để làm được điều này, các dữ liệu cần được lưu trữ vào một kho tập trung. Do đó, các mô hình được tích hợp kiến thức về dữ liệu người dùng hứa hẹn sẽ cải thiện đáng kể khả năng sử dụng bằng cách cung cấp các ứng dụng thông minh hơn.

Công nghệ này áp được ứng dụng cho y học như thế nào?

Trong thế giới của y học, có nhiều dự án như Neuron đã phát triển một số sản phẩm thú vị trong phiên bản beta. Các sản phẩm này sẽ hướng dẫn và dạy cho người sử dụng cách đào tạo AI (trí thông minh nhân tạo) phân tán; nói cách khác, làm thế nào để đào tạo ra một huấn luyện viên. Người dùng có thể biết được làm thế nào để xây dựng các tập dữ liệu về sức khoẻ của họ, cũng như họ có thể truy cập vào các tập dữ liệu này ở đâu.

Các mô-đun đi kèm và tầm nhìn máy tính

Một sản phẩm sử dụng AI và ML (máy tính học) để tự động điền các thông số vật lý của bạn vào ứng dụng chỉ bằng cách chụp một bức ảnh selfie. Mô-đun Selfie2BMI sử dụng Mạng thần kinh sâu rộng tối tân và các kỹ thuật tối ưu hóa để dự đoán một loạt các đặc điểm giải phẫu bao gồm chiều cao, cân nặng, BMI, độ tuổi và giới tính chỉ từ khuôn mặt của bạn. Bên cạnh các phương pháp giải phẫu quan trọng này, nó còn theo dõi 23 thuộc tính mặt như da, tóc rụng, nếp nhăn, răng và các thuộc tính khác.

Bộ kiểm tra huyết thanh

Một cách sử dụng cải tiến khác mà Neuron đã phát triển là các cơ quan đàm thoại cao siêu nhằm tăng cường kinh nghiệm kiểm tra sau khi dùng máu, cho phép người dùng thảo luận và trả lời bất kỳ câu hỏi nào trên 400 nhân tố chỉ thị về máu. Nó được huấn luyện về hàng trăm ngàn tài liệu y tế và các câu hỏi thường gặp phổ biến để trả lời các câu hỏi phức tạp về kết quả máu. Cơ quan này có thể cá nhân hoá cuộc trò chuyện dựa trên độ tuổi, giới tính và điều kiện tiên quyết của người dùng để cung cấp các câu trả lời có liên quan và hướng dẫn sử dụng nội dung tương tác.

Bộ giải mã thử nghiệm gen

Một cơ quan đàm thoại cao siêu được thiết kế để nâng cao kinh nghiệm tư vấn di truyền bằng cách cung cấp câu trả lời cho những câu hỏi từ đơn giản đến phức tạp mang tính chất cá nhân. Nó có một bộ nhớ để ghi lại tất cả các lượt truy cập và khuyến nghị nó đã đưa ra trong từng lượt. Khi có những câu hỏi chưa từng gặp, nó đi tìm câu trả lời trong một tập dữ liệu khổng lồ. Nó cũng có thể chuyển câu hỏi của bạn tới những người đồng nghiệp khác của nó để trả lời.

Bộ giải mã thuốc

Một mô-đun đi kèm được tập huấn về liều lượng thuốc, phản ứng phụ và các hướng dẫn khác để trả lời các câu hỏi cá nhân. Nó sẽ được kết nối với cơ quan khuyến cáo về dược liệu học nếu có kết quả gen.

Tại sao lại là công nghệ quan trọng này mà không là gì khác?

Nó sẽ tạo một tương tác lớn hơn và phù hợp hơn với người dùng.

AI có thể giải quyết một số vấn đề chính về sức khỏe, từ đó tạo cho người sử dụng cơ hội để kiểm soát việc chăm sóc sức khoẻ của họ.

Những gánh nặng còn tồn tại

Các giải pháp này có thể hướng dẫn người tham gia tìm và thu thập dữ liệu y tế của chính mình. Hầu hết mọi người không có thông tin y tế của họ, họ không biết bắt đầu từ đâu và nếu họ có quan tâm đi chăng nữa, kiến ​​thức về khoa học máy tính của họ còn rất hạn chế. Chúng cũng thúc đẩy và hỗ trợ cộng đồng các nhà phát triển mã nguồn mở để giúp cải tiến công cụ trên các cụm nền tảng, để tạo điều kiện cho việc tích hợp và thu thập dữ liệu và trình bày các thuật toán để giải thích dữ liệu: một Kaggle phân tán cho sinh học cá nhân.

Dữ liệu hữu cơ và phi thị trường

Blockchain được sử dụng như một kế toán trong cả ba lần để chúng tôi có thể theo dõi và xác thực nguồn dữ liệu. Điều này cho phép đưa ra dự đoán tuyệt vời, có thể kiểm tra nguồn gốc của dữ liệu và thực hiện các dữ liệu pháp y và quy trình KYD (Know Your Data).

Ngoài ra đối với vấn đề dữ liệu thiên lệch, công nghệ tạo ra một dịch vụ chăm sóc sức khoẻ an toàn hơn cho người bệnh. Ví dụ, dữ liệu từ các thử nghiệm đối chứng ngẫu nhiên thường có xu hướng thiên lệch. Bản chất có tính chọn lọc cao của các thử nghiệm có hệ thống thường thiên vị đàn ông hơn phụ nữ, người cao tuổi và những người có điều kiện y tế bổ sung cho những người đang được nghiên cứu; phụ nữ mang thai hầu hết bị bỏ qua.

Mối quan tâm về bảo mật

Mọi người có thể sẽ do dự khi chia sẻ dữ liệu y tế của họ qua các mạng lưới nơi có nhiều hacker đang hoành hành. Bằng cách phân quyền dữ liệu trên tất cả người dùng, Neuron được mã hóa theo thời gian và trở thành bất biến. Hơn nữa, nó còn giải quyết yêu cầu của HIPAA bằng cách duy trì thông tin trên thiết bị cạnh, không phải trong đám mây hoặc trên một máy chủ tập trung.

Cơ hội phía trước

Trong khi ngành công nghiệp chăm sóc sức khoẻ vẫn còn chưa thể tạo ra một bác sĩ robot, thì vẫn tồn tại những bác sĩ đa khoa và bác sĩ chuyên khoa. Các bác sĩ đa khoa tương tự như GAI (AI đa khoa), không thể tiếp cận được ở thời điểm phát triển công nghệ này. Nhưng các bác sĩ chuyên khoa giống như AI sẽ dễ dàng tiếp cận để thực hiện hơn. Ban Y khoa Hoa Kỳ (ABMS) liệt kê hơn 150 chuyên khoa và chuyên khoa phụ khoa. Neuron có tiềm năng là công nghệ dẫn đầu trong lĩnh vực này.