Skocz do zawartości
Forum Kopalni Wiedzy
KopalniaWiedzy.pl

Algorytmy sztucznej inteligencji pomogą lekarzom, ale ich nie zastąpią

Rekomendowane odpowiedzi

Dr inż. Marcin Sieniek jest absolwentem Akademii Górniczo-Hutniczej w Krakowie i tamtejszego Uniwersytetu Ekonomicznego. Na AGH otrzymał również doktorat z informatyki za badania w dziedzinie nauk obliczeniowych. W Google Health zajmuje się pracą nad zastosowaniem sztucznej inteligencji w diagnozie raka piersi. Oprócz Google pracował w zespole Autopilota Tesli oraz prowadził w Polsce startup z dziedziny social learning. Prywatnie gra w zespole rockowym i prowadzi bloga expat-pozytywnie.pl.

Jak trafia się do Google Health i dlaczego właśnie tam? To dość niszowa działka w działalności Google'a czy Alphabetu i wymagająca chyba szczególnych umiejętności?

W Google Health pomocne są przede wszystkim różnorodne umiejętności i doświadczenia. W Google pracuję od ponad 5 lat, początkowo jako inżynier oprogramowania w polskim biurze firmy. Jednak już od samego początku pracowałem nad wykorzystywaniem sztucznej inteligencji, a konkretniej określonych technik - tzw. uczenia maszynowego. Później kontynuowałem pracę nad moimi projektami w amerykańskich biurach Google. Dopiero wtedy, szukając ciekawych wyzwań wewnątrz firmy, znalazłem możliwość dołączenia do Google Research - działu firmy skupiającego się na badaniach nad rozwojem sztucznej inteligencji i jej wykorzystaniem w różnych dziedzinach życia.

Tam powstawał właśnie mały zespół badawczy zajmujący się zastosowaniem głębokiego uczenia maszynowego właśnie w radiologii. Proces selekcji do zespołu był wymagający - sprawdzano m.in. znajomość technik sztucznej inteligencji oraz udokumentowane doświadczenie w badaniach biotechnologicznych co akurat zupełnie przypadkiem było przedmiotem jednej z moich prac na studiach doktoranckich.

Pod koniec 2018 roku mój zespół stał się częścią nowego działu Google Health - łączącego w sobie nie tylko inżynierów oprogramowania, ale także doświadczenie i wiedzę lekarzy, prawników, etyków i specjalistów od procedur medycznych.

Jest Pan jednym ze współtwórców algorytmu, który lepiej diagnozuje raka piersi niż lekarze. Jak powstaje i działa taki algorytm?

Algorytm taki powstaje podobnie jak np. technologia która pozwala rozpoznawać co znajduje się na zdjęciu. Algorytm sztucznej inteligencji jest „szkolony” na istniejącym zbiorze danych, gdzie obrazom (w tym wypadku medycznym, czyli zdjęciom z mammografii) towarzyszą oznaczenia (w tym wypadku: czy wykryto nowotwór złośliwy i ewentualna informacja o jego umiejscowieniu). Takie zbiory danych powstają w ramach normalnej praktyki w szpitalach i centrach programów przesiewowych, jednak często na tym ich zastosowanie się kończy.

Takie algorytmy działają na bazie mechanizmu zwanego „sieciami neuronowymi”. Ich struktura inspirowana jest tym w jaki sposób informacje przetwarza ludzki mózg. Proces nauki przypomina w istocie proces w którym człowiek uczy się rozróżniać obrazy (np. dziecko rozpoznawać koty i psy, a radiolog rozpoznawać groźne guzy od nieszkodliwych zmian). W odróżnieniu jednak od radiologa, który w toku treningu może zobaczyć kilkadziesiąt-kilkaset nowotworów, komputer jest w stanie przetworzyć dziesiątki tysięcy przykładów w przeciągu jedynie kilku godzin.

Taki „wytrenowany” algorytm stosuje się następnie do oceny osobnego, nowego zbioru danych. Następnie inżynierowie mogą wprowadzić poprawki w procesie uczenia się albo w budowie modelu i powtórzyć testy. Dopiero gdy wyniki działania modelu zadowalają jego twórców, sprawdza się go na kolejnym zbiorze danych, np. pochodzących z innej instytucji lub z innego źródła.
Na tym właśnie etapie postanowiliśmy opublikować nasz artykuł w Nature.

Na tym jednak nie kończymy pracy. Zanim taki model znajdzie praktyczne zastosowanie w szpitalach na całym świecie, muszą zostać przeprowadzone próby kliniczne i o na różnych populacjach pacjentów, musimy także ocenić skuteczność modelu na danych pochodzących z innych aparatów mammograficznych.

Niejednokrotnie informowaliśmy o systemach SI radzących sobie w pewnych zadaniach lepiej od lekarzy. Skąd się bierze ta przewaga sztucznej inteligencji?

Warto powiedzieć, że to „potencjalna” przewaga. Raczej patrzymy na to jako na wsparcie i usprawnienie procesów diagnostycznych lekarzy. To potencjalne usprawnienie bierze się kilku źródeł: po pierwsze, w procesie uczenia się algorytm może przeanalizować dużo więcej przypadków niż pojedynczy lekarz w procesie nauki (z drugiej strony ludzie wyciągają wnioski szybciej – maszyna potrzebuje więcej przykładów). Co więcej automat nie ma skłonności do zaspokojenia swoich poszukiwań jednym „znaleziskiem” i jest mniejsze ryzyko, że umknie mu inne, często ważniejsze. Wreszcie, system sztucznej inteligencji pozwala na „nastrojenie” go na pożądany przez daną placówkę medyczną poziom czułości i swoistości.


« powrót do artykułu

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
21 godzin temu, KopalniaWiedzy.pl napisał:

Skąd się bierze ta przewaga sztucznej inteligencji?

Z inteligencji.

21 godzin temu, KopalniaWiedzy.pl napisał:

Raczej patrzymy na to jako na wsparcie i usprawnienie procesów diagnostycznych lekarzy.

Po co ich zawczasu stresować.

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
Cytat

Czy, Pana zdaniem, istnieją szanse, że jeszcze za naszego życia SI przewyższy lekarzy w każdej dziedzinie związanej z medycyną?

Zdecydowanie nie. Odczyt obrazów medycznych to jedno z bardziej żmudnych i powtarzalnych zadań lekarzy. Nawet w radiologii, praca specjalisty jest dużo bardziej złożone niż tylko interpretacja obrazu. Np. radiologowie korelują zmienne kliniczne z obrazami, kontaktując się nieraz z lekarzem prowadzącym celem zrozumienia kontekstu pacjenta, uczestniczą w tzw. przedoperacyjnych konferencjach multidyscyplinarnych, przeprowadzają interwencje sterowane radiologicznie itd.

A moim zdaniem zdecydowanie nie wiadomo. Może się równie dobrze okazać że nastąpi to za 30 lat. 

"Korelowanie zmiennych klinicznych z obrazami" to jest dość ogólne stwierdzenie i na dodatek algorytmy robią to lepiej niż ludzie, kwestia tylko odpowiedniej dostępności do danych. 

Zrozumienie kontekstu pacjenta i te konferencje to faktycznie może być trudne do zastąpienia ale takie sytuacje są rzadkie - lekarz określa jednostke chorobową na podstawie kryteriów diagnostycznych a ten proces można spokojnie zautomatyzować. poza tym co oni robią na tych konferencjach przedoperacyjnych? Dyskutują nad taktyką , a nie nad tym jaka jest diagoza czy wynik obrazowania, także szkolenie radiologia tylko po to aby się wypowiedział na temat taktyki prowadzenia operacji jest chyba troszkę nad wyrost. Co do interwencji operacyjnych pod kontrolą radiologiczną - to też nie widzę problemy aby inne SI się tym zajmowało - kwestia odpowiedniej mocy obliczeniowej do analizy obrazu na bieżąco etc. więc człowiek może być przez długi czas tańszy. Natomiast jeśli chodzi o samą diagnostykę - czyli główne zajęcie radiologa, to będzie to jedna z pierwszych specjalizacji które staną się zbędne. Chirurg wytrzyma najdłużej bo będzie tańszy niż robot + SI. Wydaje mi się że specjalizacje lekarskie się połączą i będą lekarze nadzorujący pewne procesy etc. ale poszczególne specjalne zadania jak opis wyników radiologii, EKG, diagnozowanie chorób i dopasowywanie leków etc. będą robić SI i to już niedługo (10 lat temu w ogóle temat SI nie istniał w mainstremie). Lekarze przyszłości wejdą bardziej na metapoziom w stosunku do tego co jest teraz (czyli przestaną być radiologami, kardiologiami etc.). Obecnie ten metapoziom jest nie obsadzony dlatego nie ma żadnej nawigacji medycznej etc. 

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach

Może algorytmy nie zastąpią wysokiej klasy specjalistów ale 90% lekarzy których spotkałem można spokojnie zastąpić algorytmem napisanym w Microsoft Basicu na commodore c64.

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
W dniu 20.02.2020 o 15:52, Warai Otoko napisał:

Lekarze przyszłości wejdą bardziej na metapoziom w stosunku do tego co jest teraz

To jest coś coś z czym SI poradzi sobie wielokrotnie lepiej i taniej, lekarze niedomagają najbardziej właśnie na takim metapoziomie.

W dniu 20.02.2020 o 15:52, Warai Otoko napisał:

Zdecydowanie nie. Odczyt obrazów medycznych to jedno z bardziej żmudnych i powtarzalnych zadań lekarzy.

To brzmi jak żart. Zakładając że to cytat z tego wywiadu, to jest to żart podwójny.

W dniu 20.02.2020 o 17:02, Astro napisał:

Wzór do naśladowania to nie jest. Następna taka bohaterka zerwie kulkę.

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
W dniu 22.02.2020 o 09:48, peceed napisał:

To jest coś coś z czym SI poradzi sobie wielokrotnie lepiej i taniej, lekarze niedomagają najbardziej właśnie na takim metapoziomie.

Owszem, ale właśnie nie od razu poradzi sobie taniej i lepiej. Najpierw powstaną i powstają już SI specjalizowane, dopiero później powstaną meta-SI potrafiące żonglować tymi "wąskimi". Dlatego lekarze zostaną "zepchnięci" na ten metapoziom, bo nie będzie jeszcze SI które lepiej i taniej to zrobią (podejrzewam, ze głównym problemem będzie agregacja danych). Co nie znaczy że w dalszej przyszłości SI nie zastąpi lekarzy (i nie tylko) całkowicie. Opisuje pewne etapy procesu zmian. 

 

W dniu 22.02.2020 o 09:48, peceed napisał:
W dniu 20.02.2020 o 15:52, Warai Otoko napisał:

Zdecydowanie nie. Odczyt obrazów medycznych to jedno z bardziej żmudnych i powtarzalnych zadań lekarzy.

To brzmi jak żart. Zakładając że to cytat z tego wywiadu, to jest to żart podwójny.

Informacja dla innych użytkowników - ja tego nie napisałem, jest to cytat z cytatu :P

Edytowane przez Warai Otoko

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
Godzinę temu, Warai Otoko napisał:

Owszem, ale właśnie nie od razu poradzi sobie taniej i lepiej. Najpierw powstaną i powstają już SI specjalizowane, dopiero później powstaną meta-SI potrafiące żonglować tymi "wąskimi"

Tutaj widzę echa jakiegoś przekonania, że obcowanie z wiedzą medyczną wymaga specjalnego namaszczenia. Tymczasem to wiedza jak każda inna.
AI mogące działać na poziomie meta już są. Wystarczy zobaczyć co się dzieje z branżą call-center.

Godzinę temu, Warai Otoko napisał:

Dlatego lekarze zostaną "zepchnięci" na ten metapoziom

Aby być zepchniętym trzeba mieć kwalifikacje, co w przypadku lekarzy wymagałoby zrobienia nowej specjalizacji. 

Godzinę temu, Warai Otoko napisał:

bo nie będzie jeszcze SI które lepiej i taniej to zrobią

AI jest już tańsza od zwykłego pracownika w call center.

Godzinę temu, Warai Otoko napisał:

podejrzewam, ze głównym problemem będzie agregacja danych

Jasne, bo pan lekarz szybciej ogarnie w głowie "papierki" dotyczące określonego pacjenta od SI. Chyba tylko jak będzie je miał w komputerze w specjalnej aplikacji.

Edytowane przez peceed

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
Teraz, peceed napisał:

Tutaj widzę echa jakiegoś przekonania, że obcowanie z wiedzą medyczną wymaga specjalnego namaszczenia.

Absolutnie nie trafiony domysł. 

1 minutę temu, peceed napisał:

Aby być zepchniętym trzeba mieć kwalifikacje, co w przypadku lekarzy wymagałoby zrobienia nowej specjalizacji. 

No i tak to własnie widzę. Będą się przekwalifikowywać powoli. 

2 minuty temu, peceed napisał:

Jasne, bo pan lekarz szybciej ogarnie w głowie "papierki" dotyczące określonego pacjenta od SI.

oczywiście że nie, chodzi o to że "Pan lekarz"  ma dostęp do wielu różnych danych z różnych źródeł - ich agregacja będzie wymagała sporo zachodu i środków, dlatego taki widzę okres przejściowy. Stworzyć model to pikuś w porównaniu do stworzenia systemu akwizycji i agregacji odpowiednich danych, mówię o kwestiach jakościowych. Dużo łatwiej jest to zrobić gdzie mamy jasne źródło danych - sygnał EKG, EEG, obraz MRI etc. natomiast co do "metadanych" należałoby najpierw stworzyć i przetestować system który odpowiednio repreznetowałby wszelkie potrzebne informacje kliniczne i inne i dopiero z takiego systemu można by pobierać dane z których można by takie modele budować. Nie wspomnę o zmianie infrastrukty informatycznej która by była do tego potrzebna + procedury medyczne. 

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
1 minutę temu, Warai Otoko napisał:

należałoby najpierw stworzyć i przetestować system który odpowiednio repreznetowałby wszelkie potrzebne informacje kliniczne i inne i dopiero z takiego systemu można by pobierać dane z których można by takie modele budować.

W medycynie obieg informacji opiera się na dokumentach. Wypisy, opisy, diagnozy, itd. AI łyka to w ułamki sekund.
Nie potrzeba ręcznego budowania, formatów danych itd. Jesteśmy już na innym poziomie.

3 minuty temu, Warai Otoko napisał:

Nie wspomnę o zmianie infrastrukty informatycznej która by była do tego potrzebna

Dowolna komercyjna chmura. Odpowiedni software jest gotowy w tym sensie, że wymaga tylko konfiguracji.

13 minut temu, Warai Otoko napisał:

Będą się przekwalifikowywać powoli. 

Nie zdążą. Konie też nie wygrały z silnikiem spalinowym :P

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach
35 minut temu, peceed napisał:

W medycynie obieg informacji opiera się na dokumentach. Wypisy, opisy, diagnozy, itd. AI łyka to w ułamki sekund.
Nie potrzeba ręcznego budowania, formatów danych itd. Jesteśmy już na innym poziomie.

Owszem, ale AI nie wie co jest czym i do czego w jakim stopniu jest potrzebne. Dla AI to tylko dane. 

37 minut temu, peceed napisał:

Dowolna komercyjna chmura. Odpowiedni software jest gotowy w tym sensie, że wymaga tylko konfiguracji.

nie chodzi mi o system przetwarzania danych i przetsrzeń obliczeniową tylko o system wprowadzania tych danych i procedury żeby odpowiedneio to robić. 

38 minut temu, peceed napisał:

Nie zdążą. Konie też nie wygrały z silnikiem spalinowym

nie mówię że przyszłości lekarze nie skończą jak te "konie pociągowe" ale proces zmian może nie być tak gwałtowny jak sugerujesz. 

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach

Jeśli chcesz dodać odpowiedź, zaloguj się lub zarejestruj nowe konto

Jedynie zarejestrowani użytkownicy mogą komentować zawartość tej strony.

Zarejestruj nowe konto

Załóż nowe konto. To bardzo proste!

Zarejestruj się

Zaloguj się

Posiadasz już konto? Zaloguj się poniżej.

Zaloguj się

  • Podobna zawartość

    • przez KopalniaWiedzy.pl
      W niedawno opublikowanym wywiadzie Mark Zuckerberg stwierdził, że prawdopodobnie jeszcze w bieżącym roku firma Meta (właściciel Facebooka), podobnie jak inne wielkie firmy, będzie dysponowała systemem sztuczne inteligencji zdolnym do programowania na poziomie średnio doświadczonego inżyniera (mid-level engineer).
      Początkowo wdrożenie takich systemów będzie bardzo kosztowne i będą one musiały zyskać na wydajności, jednak z czasem dojdziemy to momentu, w którym bardzo duża część kodu używanych przez nas aplikacji, w tym kodu algorytmów sztucznej inteligencji, nie będzie pisana przez ludzi, a przez sztuczną inteligencję, stwierdził założyciel Facebooka.
      Słowa Zuckerberga to tylko jeden z sygnałów, że branżę programistyczną mogą w najbliższym czasie czekać olbrzymie zmiany. Sami programiści z jednej strony tworzą algorytmy sztucznej inteligencji, które w przyszłości mogą ich zastąpić, z drugiej zaś, coraz częściej korzystają z ich pomocy. Jeszcze na początku 2023 roku tylko 10% programistów używało AI do pomocy w programowaniu, pod koniec roku 2023 już 63% firm używało lub wdrażało użycie narzędzi AI pomagających w programowaniu. Pod koniec ubiegłego roku odsetek ten wzrósł do 80%.
      Zuckerberg nie jest jedynym wśród wiodących biznesmenów z branży IT, który zapowiada szybkie nadejście olbrzymich zmian. We wrześniu Matt Garman, szef Amazon Web Services, zasugerował, że w ciągu najbliższych 2 lat większość inżynierów oprogramowania przestanie zajmować się programowaniem. Zaś kilka miesięcy wcześniej prezes Nvidii stwierdził, że uczenie się programowania nie jest dobrym pomysłem, gdyż dzięki rozwojowi AI ludzki język staje się najważniejszym językiem programowania.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      Pomiędzy lipcem 2021 roku a lutym 2023 roku 12 centrów mammograficznych w Niemczech brało udział w programie, w którym badania mammograficzne były wspomagane przez system sztucznej inteligencji. Radiolodzy sami decydowali, kiedy wykorzystać AI, a kiedy wykonać badania tradycyjnymi metodami. W tym czasie we wspomnianych centrach 119 radiologów przebadało 463 094 kobiety w wieku 50–69 lat. W przypadku 260 739 z nich diagnoza była wspomagana przez sztuczną inteligencję, pozostała część stanowiła grupę kontrolną.
      W grupie, w której badania wspomagane były przez AI, odsetek wykrytych nowotworów piersi wyniósł 0,67%, podczas gdy w grupie badanej tradycyjnymi metodami było to 0,57%. Ponadto tam, gdzie do badania użyto AI odsetek pań poddanych pogłębionej diagnostyce wyniósł 3,74%, a w grupie kontrolnej – 3,83%. Wartość predykcyjna dodatnia (PPV) dla grupy badanej przez AI wynosiła 17,9%, dla grupy kontrolnej – 14,9%. PPV pokazuje tę część podejrzanych wyników mammografii, które w pogłębionej diagnostyce rzeczywiście reprezentują chorobę.
      Najważniejszym wskaźnikiem przydatności algorytmu sztucznej inteligencji w badaniach mammograficznych jest fakt, że zwiększył on wykrywalność choroby bez zwiększania potrzeby przeprowadzenia pogłębionej diagnostyki. To już kolejne badania, które pokazały, że algorytmy sztucznej inteligencji rzeczywiście wspomagają pracę radiologów i mogą ratować życie kobiet.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      W latach 1967–1978 roku Włoska Wyprawa Archeologiczna ISMEO prowadziła pierwsze badania w Shahr-i Sokhta (SiS) w Iranie. Szybko okazało się, że miasto składało się z trzech obszarów: mieszkalnego, cmentarza i przemysłowego. Jego największy rozkwit przypadł na połowę III tysiąclecia przed naszą erą, gdy obszar mieszkalny zajmował 80 hektarów. Miasto uznano za jeden z najważniejszych ośrodków na wschodzie Wyżyny Irańskiej. Zidentyfikowano tam cztery okresy kulturowe podzielone na 10 faz konstrukcyjnych, które datowano na od 2. połowy IV tysiąclecia do połowy III tysiąclecia. W południowej części miasta znaleziono duży cmentarz o powierzchni około 20 hektarów, a w jednym z grobów planszę do gry i bierki.
      Datowanie wykazało, że gra pochodzi z lat 2600–2700 p.n.e. W grobie nie znaleziono żadnej innej planszy, założono więc, że wszystkie bierki pochodzą z tej jednej gry i że jest ona kompletna. Planszę do gry złożono w pobliżu głowy zmarłej osoby, w pobliżu zaś stał koszyk z bierkami i kostkami. Plansza jest podobna do wcześniej znajdowanych plansz, ale istnieją między nimi też duże różnice. Kształt planszy z SiS jest niezwykle podobny do słynnej Królewskiej Gry z Ur, jednak gra z SiS ma więcej bierek i nie ma na niej rozety, która wydaje się bardzo ważnym elementem tego typu gier, znanych pod zbiorową nazwą „gier na 20 kwadratach”.
      Z Bliskiego Wschodu i spoza niego znamy ponad 100 plansz, w pewnej mierze do siebie podobnych, a w wielu aspektach różnych, które klasyfikowane są pod tą nazwą. Znaleziono je w Turkmenistanie czy Indiach. Podobnej gry używali Egipcjanie ok. 1580 roku p.n.e. Prawdopodobnie zapoznali się z nią za pośrednictwem Hyksosów. Podobne gry były popularne przez około 2000 lat.
      Autorzy nowych badań zaprzęgli algorytmy sztucznej inteligencji, do pracy nad odgadnięciem zasad gry. Wykorzystanie metod obliczeniowych do badań starożytnych gier, pozwala na symulowanie tysięcy możliwych zestawów zasad i wybranie tych najbardziej prawdopodobnych czy pasujących do gry i bierek.
      Gra z Shahr-i Sokhta wydaje się grą strategiczną – rodzajem wyścigu – podobną do Królewskiej Gry z Ur, ale bardziej złożoną. Zdaniem naukowców, mamy tutaj do czynienia z grą 2-osobową, a celem gracza jest przesunięcie przez pola planszy wszystkich 10 swoich bierek, zanim zrobi to przeciwnik. W grze gracze posługują się kostką i mogą wykorzystywać swoje bierki zarówno do jak najszybszego dotarcia do celu, jak i do blokowania ruchów przeciwnika. Badacze sugerują, że dodatkowe bierki, dzięki którym gra różni się np. od gry z Ur, dodawały jej złożoności. Widzimy wśród nich na przykład rozety, podobne do rozet, które w grze w Ur narysowane są na planszy. W przeciwieństwie do Królewskiej Gry z Ur, w przypadku gry z SiS losowość odgrywa mniejszą rolę, a większa rolę gra strategia.
      Po określeniu najbardziej prawdopodobnych zasad, grę z SIS przetestowało 50 doświadczonych graczy, który ocenili ją i porównali z Królewską Grą z Ur. Przyznali, że gra z SiS jest bardziej wymagająca pod względem strategii niż gra z Ur.
      Szczegóły badań zostały opublikowane na łamach Journal of the British Institute of Persian Studies. Gra z Shahr-i Sokhta została znaleziona w bogato wyposażonym grobie, ale nie był to grób królewski, co wskazuje, że była bardziej dostępna niż gra dla najwyższej elity.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      Troje naukowców – Elizabeth A Barnes z Colorado State University, Noah S Diffenbaugh z Uniwersytetu Stanforda oraz Sonia I Seneviratne z EHT Zurich – zebrało dane z 10 modeli klimatycznych i przeanalizowało je za pomocą algorytmów sztucznej inteligencji. Na łamach Environmental Research Letters poinformowali, że z tak przeprowadzonych badań wynika, iż globalne temperatury będą rosły szybciej niż zakładano, a jeszcze za naszego życia niektóre regiony doświadczą średniego wzrostu temperatury przekraczającego 3 stopnie Celsjusza.
      Autorzy badań stwierdzili, że w 34 ze zdefiniowanych przez IPCC 43 regionów lądowych Ziemi średni wzrost temperatury przekroczy 1,5 stopnia Celsjusza do roku 2040. W 31 z tych 34 regionów należy spodziewać się wzrostu o 2 stopnie do roku 2040. Natomiast do roku 2060 w 26 regionach średnia temperatura wzrośnie o ponad 3 stopnie.
      Regionami narażonymi na szybszy niż przeciętny wzrost temperatur są południowa Azja, region Morza Śródziemnego, Europa Środkowa i niektóre części Afryki Subsaharyjskiej.
      Profesor Diffenbaugh zauważył, że ważne jest, by nie skupiać się tylko na temperaturach globalnych, ale zwracać uwagę na temperatury lokalne i regionalne. Badając, jak rośnie temperatura w poszczególnych regionach, będziemy mogli określić, kiedy i jakie skutki będą odczuwalne dla społeczności i ekosystemów tam żyjących. Problem w tym, że regionalne zmiany klimatyczne są trudniejsze do przewidzenia. Dzieje się tak dlatego, że zjawiska klimatyczne są bardziej chaotyczne w mniejszej skali oraz dlatego, że trudno powiedzieć, jak dany obszar będzie reagował na ocieplenie w skali całej planety.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      „Ala ma kota” to pierwsze i – prawdę mówiąc – jedyne zdanie, jakie pamiętam z elementarza. I właśnie to zdanie, które kolejne pokolenia poznają dzięki legendarnemu „Elementarzowi” Falskiego prowadzi nas przez „Prosto o AI. Jak działa i myśli sztuczna inteligencja” autorstwa Roberta Trypuza. Niewielki format książeczki sugeruje, że znajdziemy w niej niezbyt wiele informacji. Nic bardziej mylnego. To elementarz, skoncentrowana skarbnica wiedzy o technologii, która już teraz w znaczącym stopniu zmienia ludzkie życie.
      Robert Trypuz jest praktykiem. To specjalista w dziedzinie Semnatic Web i inżynierii danych. Doktorat z informatyki i telekomunikacji uzyskał na Uniwersytecie w Trydencie, jest też doktorem habilitowanym filozofii z KUL. I, co widać w książce, jest entuzjastą sztucznej inteligencji, o której potrafi bardzo ciekawie pisać.
      Z „Prosto o AI” dowiemy się na przykład jak wygląda programowanie AI w porównaniu z programowaniem klasycznym, jak AI rozumie tekst, czym jest osadzanie słów oraz jakie rewolucyjne podejście pozwoliło na skonstruowanie dużych modeli językowych, w tym najbardziej znanego z nich ChataGPT. Przeczytamy o sieciach konwolucyjnych w medycynie, uczeniu ze wzmacnianiem, autor – pamiętajmy, że jest również filozofem – opisuje, czym jest sztuczna wolna wola, zatem czy AI ma wolną wolę.
      W ostatnim zaś odcinku znajdziemy rozważania na temat wpływu sztucznej inteligencji na proces edukacji. Nie ma w tym zdaniu pomyłki, odcinku, a nie rozdziale. Historia jest mianowicie taka, że treści zawarte w tej książce nie zostały napisane do tej książki. Pisałem je jako scenariusze odcinków programu, który nigdy nie powstał, pisze Robert Trypuz we wstępie. I może właśnie pochodzenie tekstu, który zamienił się w książkę, powoduje, że tak łatwo można przyswoić zawarte w niej informacje.
      Dla kogo jest zatem „Prosto o AI”? Dla każdego z nas, kto nigdy bardziej nie zagłębił się w tajniki sztucznej inteligencji. Tutaj znajdzie jej podstawy wyjaśnione w prosty sposób. Większości czytelników pogłębienie wiedzy do tego stopnia w zupełności wystarczy, jakąś zaś część zachęci, by sięgnąć po kolejne, bardziej szczegółowe i specjalistyczne pozycje. Ja czytałem książkę Trypuza z olbrzymim zainteresowaniem i przyjemnością.
  • Ostatnio przeglądający   0 użytkowników

    Brak zarejestrowanych użytkowników przeglądających tę stronę.

×
×
  • Dodaj nową pozycję...