沃森的炒作:为什么不是AI接管肿瘤?

由于沃森,IBM的人工智能(AI)项目,一举成名在游戏节目冒险!在2011年,它似乎已经踏上世界舞台。

在接二连三,沃森建立合作伙伴关系与著名的医疗机构,如美国政府的退伍军人事务,斯隆凯特林,梅奥诊所,和克利夫兰诊所,将人工智能应用于癌症治疗。

然而,沃森的后续进军世界附近的肿瘤不去任何地方顺利作为其统治的冒险!所做的。虽然沃森已成为多年来更准确,在癌症诊断,错误的建议比错过了问题更为严重的后果冒险!因此,许多知名医疗机构之间的协作和IBM悄然结束。

为什么沃森的可怕的计算能力不足肿瘤?

它归结为赢得游戏节目和战胜癌症非常不同的任务,沃森和沃森训练不同。

它可以归结为这样一个事实:赢得游戏节目和癌症诊断非常不同的任务,所以沃森训练不同的工具;结果,取得了不同程度的成功。

数据训练人工智能算法

人工智能有两个组件:培训和推理。在人工智能程序可以部署决策(推理),它需要训练,这样它将达到一个最低级别的错误在其预测分析。

训练一个AI程序类似于教学生。人工智能软件和学生需要帮助建立一个系统的思考使用外部信息,这样他们就可以在未来解决相同或相似的问题。

的协议解决问题的方程,也称为一个算法,设计到人工智能软件。然后,在训练中,算法分析现有数据——如学生从教科书学习——建立参数。这是一个思维过程,AI可以使用在未来的分析。

IBM ' s的华生胜利岌岌可危!在2012年。信贷:IBM

监督培训,该算法适用于完全标记的数据集。换句话说,有一个清晰的关系输入(“问题”)和输出(“回答”)的值。输入值的算法计算之后,它会即时和准确反馈,如果计算匹配输出(“回答”)。通过这种方式,它可以迅速调整增加其下次的机会获得正确的答案。

在无人监督的培训,没有标记的数据。因此更具挑战性的学习算法的参数之间的关系。在semi-supervised学习,只有一些数据标记;结果的有效性semi-supervised介于监督学习和无监督学习。

不同的数据训练冒险!和肿瘤

当设置的任务赢得冒险!或董事会游戏,比如国际象棋,人工智能软件将搜索结果最有可能导致国际象棋胜利——将军或一个正确答案冒险!
这种人工智能的训练比赛监督问题,随着数据集包含大量的先前的象棋比赛或对问题和答案冒险!这些数据集是完全标记,用明确的输入和结果之间的关系。

另一方面,完全标记数据集训练沃森的肿瘤并不可行。因为许多实验室结果定量分析和AI擅长处理和分析图像扫描,火车沃森是相对简单的诊断。一个2018年的论文在肿瘤学家报道说,沃森就能达到非常高的精度处理清楚,像诊断定义的任务。

然而,它与非结构化更难火车沃森,缩写,通常病人的主观信息,如医生的笔记和出院总结,占近80%的病人的记录。

冒险!和肿瘤不同的任务

与冒险!,沃森已经完美的场景。问答的格式是具体而明确的。沃森训练与测试和测试问题写在同一风格。因此,收集和分析数据的准备是相对简单的。沃森需要巨大的计算能力危机通过大量数据并确定最有可能的答案。

另一方面,肿瘤包含更多的复杂性。事实上,肿瘤是滚成一个几个问题:诊断、筛选信息从以前的出版物和非结构化分析患者信息》杂志上。尽管人工智能实验室结果的定量数据分析,它还没有能力分析文本丰富的上下文和细微差别。

几乎每个期刊文章和医生的注意是由一个不同的作者,写的,每个人都有不同的术语和缩写的使用。分析的内容和不同的组件之间的关系(基因突变,症状,信号通路,等等)在十页,密集写杂志文章比解剖一句话要复杂得多冒险!的问题。人类发现它比较容易找出哪些多个点的纸是最重要的在一个特定的上下文;相比之下,Ais如沃森可以很容易地不接这样的细微差别。

同样,医生的笔记通常包含不完整的信息和细节模糊或不按时间顺序组织。人类可以决定哪些细节是更重要的在一个特定的上下文,但AI只能工作根据定义的协议;因此,这些系统没有灵活地权衡一个类型的细节和其他人在一个纸上,在接下来的论文做相反的事情。

此外,有工程师所说的“未知的未知”,这可能会引入偏见影响你的分析没有你意识到这一点。这里,未知的未知的可能机制,与癌症基因,通路,或交互的连接没有被确认。虽然这些也对人类构成问题,我们的大脑更灵活评估未知的未知的意义。然而,人工智能更有效地评估这些变量没有先前的指令。最后,如果医生有偏见,那么沃森通过训练他们的笔记将继承他们的偏见;偏见可能影响诊断的准确性。

因此,收集和准备数据分析期刊文章和医生的笔记将混乱。相同的肿瘤学家纸诊断显示沃森的熟练程度也观察到沃森得分差时间,复杂的建议,如治疗时间。此外,沃森期间表现不一致的评价不同类型的癌症,做的事情更好的在一些比其他的类型。

什么沃森在药

人工智能系统,如沃森仍然可以在医学领域有广泛的应用。人工智能或excel AI-powered机器人在执行重复任务定义的步骤,如简单的常规手术的眼睛或头发,分析x射线或其他扫描,检查病人之间的办公室访问和处理行政账单或索赔。

沃森还成功分析清楚,结构化数据,如遗传信息。例如,北卡罗莱纳大学最近发表了一篇论文在沃森的有效性基因组学。在一项研究中,华生是能够识别未知突变被证明是重要的治疗建议。

前进

现在,人工智能已经在制造业广泛应用。通过接管任务重复、单调乏味的和危险的,AI让人类做更复杂和微妙的解决问题。这样,AI和人类可以并肩工作,以实现更高的效率和更低的不准确。

同样的教训可以应用于医疗,AI的更卑微的任务,使人类处理模糊和复杂。

算法的同时,不断培训与新数据,如小说基因,通路和生物标志物,可能会加强人工智能的学习,提高其准确性。