اَبا اِباد

پزشکی قربانی هوش‌ مصنوعی

پزشکی قربانی هوش‌ مصنوعی

ادعا : احتمالا یکی از اولین مشاغلی که خیلی زود تحت تاثیر انقلاب هوش مصنوعی قرار خواهد گرفت، پزشکی خواهد بود. شاید کمتر از یک دهه‌ی آینده، وقتی هریک از ما بیمار شویم، به جای مراجعه به یک پزشک، به یک ایجنت هوش مصنوعی مراجعه کنیم. در پیش‌بینی قوی (strong prediction) وقتی که به مطب یک پزشک مراجعه می‌کنیم، پزشک از یک دستیار هوش مصنوعی در کنار خودش استفاده کند. شرح حال ما را بگیرد و به کمک دستیار هوش مصنوعی خودش، تشخیصی بدهد و بعد دوباره به کمک همان دستیار هوش مصنوعی، درمانی هم برای بیماری ما ارائه دهد.

البته در حالت پیش‌بینی ضعیف (weak prediction) ممکن است اصلا پزشکی انسانی در کار نباشد و همه‌ی کار را همان ایجنت هوش مصنوعی انجام دهد. اما چرا پزشکی؟ علت این مساله صرفا این نیست که این ایجنت هوش مصنوعی، قدرت یادگیری و پردازش بهتری از یک پزشک دارد. همین مساله در مورد مشاغل دیگر نیز صدق می‌کند.

بلکه دو ویژگی مهم این ایجنت‌هاست که نشان می‌دهد آن‌ها مشاغل پزشکی را زودتر از هر شغل دیگری تصاحب‌ خواهند کرد.

دلیل اول (قابلیت اتصال یا connectivity): شما وقتی به یک پزشک مراجعه می‌کنید، آن پزشک فقط شما را درمان نمی‌کند، بلکه او مرتبا با تجربه‌ی درمان بیماران مختلف، حالات مختلف را می‌بیند و بر مهارت و دانش او افزوده می‌شود. به همین خاطر، پزشکی که بیماران بیشتری را درمان کرده، احتمالا در تشخیص و درمان از پزشکی که تازه کارش را شروع کرده بهتر است. آن هم به این دلیل ساده که او مرتبا تجربه کرده و یاد گرفته است. او اگر بخواهد این تجربه‌اش را به یک پزشک دیگر منتقل کند، مسیر دشواری را در پیش دارد. پزشک دیگر هم باید مثل او آن شرایط را تجربه کند تا چیزهای جدیدی بیانوزد. چرا که انتقال این دانشی که از خلال تجربه به دست آمده، کار راحتی‌ نیست و هر پزشک، تجربیات خاص خودش را دارد. اما وقتی شما به یک پزشک هوش مصنوعی در تهران مراجعه می‌کنید، این پزشک همان پزشک هوش مصنوعی در ارومیه و زاهدان است. این الگوریتم‌ها همه یکی هستند و کاملا با هم متصل‌اند و یادگیری آن‌ها از هم جدا نیست و یک ایجنت است که یاد می‌گیرد. پس چیزی که او از درمان یک بیمار در تهران یاد می‌گیرد، برای درمان یک بیمار در زاهدان و ارومیه هم به دردش می‌خورد. او همه‌ی بیماران را می‌بیند نه یک تعداد محدود را. پس او داده‌های بیشتری برای یادگیری در اختیار دارد.

دلیل دوم (قابلیت بروزرسانی یا updatability) : بسیاری از پزشکان سعی می‌کنند خودشان را بروز نگه دارند. مثلا مرتبا مقالات و ژورنال‌های علمی را می‌خوانند، یا در همایش‌ها شرکت می‌کنند تا با دیگر پزشکان تعامل کنند و دانش خود را با هم به اشتراک بگذارند، یا مرتبا گایدلاین‌های پزشکی را مطالعه می‌کنند. مثلا مرتبا چک می‌کنند که سازمان بهداشت جهانی چه دستورالعملی صادر کرده یا انجمن قلب آمریکا چه گایدلاین جدیدی ارائه داده و روش‌های دیگری که هر پزشکی برای بروز نگه داشتن خودش استفاده می‌کند. یک پزشک ناچار است که مرتبا وقت بگذارد و این منابع را مطالعه کند. ممکن است روش درمانی که تا امروز مفید تلقی می‌شده، فردا مضر شناخته شود. اگر او همان روش مضر را به کار ببرد و کسی آسیب ببیند، این پزشک خیلی راحت به دردسر می‌افتد.

اما تمام این یادگیری مداوم، برای آن پزشک هوش مصنوعی، یک آپدیت سریع چند دقیقه‌ای در بانک داده‌های آن است. و این پزشک هوش مصنوعی، در همان لحظه‌ی اول انتشار گایدلاین جدید، با روش جدید همسو می‌شود و آن را از همان دقیقه‌ی ا‌ول به کار می‌گیرد.

– ابا اباد

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *