Proszę czekać |
Proszę czekać
|
| Strona Główna | | | Impressum | | | Kariera | tel.:(+48) 22 440 15 00 |
| creditreform@creditreform.pl |
Program Deep Patient nie ma zbyt dużej wiedzy medycznej. Zapewne nie wie, że uderzenie w głowę może wywoływać wstrząs mózgu lub że diabetycy nie powinni zjadać dziesięciu czekolad na raz. Nie wie nawet, że kość ramienia jest połączona z kością nadgarstka. Ale naukowcy w 2015 roku dali mu dostęp do bazy medycznej, będącej w zasadzie tylko gigantycznym zbiorem informacji o przypadkowych chorobach. Jednak po przeanalizowaniu związków między tymi ślepymi drobiazgami, Deep Patient nie tylko był w stanie zdiagnozować prawdopodobieństwo wystąpienia poszczególnych chorób u poszczególnych pacjentów, ale w niektórych przypadkach był dokładniejszy niż lekarze. Co więcej, dotyczyło to również niektórych chorób, których ci sami lekarze nie potrafią diagnozować, ani nie znają przyczyn ich występowania. Można powiedzieć, że korzystamy z systemów diagnostycznych „czarnej skrzynki”, które nie potrafią wyjaśnić swoich przewidywań, ale w niektórych przypadkach, są znacznie dokładniejsze niż ludzcy lekarze.
To jest przyszłość, nie tylko dla medycyny. System nawigacji w telefonie, przewidywania typu, tłumaczenie językowe, rekomendacje muzyczne i wiele innych funkcji już opiera się na uczeniu maszynowym.
Oparty na sztucznej inteligencji program AlphaGo Google rutynowo pokonuje najlepszych graczy, mimo że nie wie nic o Go, oprócz tego, czego nauczył się z analizy 60 milionów ruchów w 130 tysiącach nagranych gier. O pewnym zagraniu AlphaGo, które spowodowało, że niektórzy komentatorzy dosłownie zaniemówili, pewien mistrz Go, Fan Hui, powiedział: „To nie jest ludzkie zagranie. Nigdy nie widziałem człowieka, który grałby w ten sposób ”. Potem cicho dodał: „Tak pięknie, tak niesłychanie piękne”.
Algorytmy głębokiego uczenia działają, ponieważ wychwytują, lepiej niż jakikolwiek człowiek, złożoność, płynność, a nawet piękno wszechświata, w którym wszystko wpływa na wszystko inne naraz. Zaczynamy akceptować fakt, że prawdziwa złożoność świata znacznie przewyższa prawa i modele, które opracowujemy, aby to wyjaśnić.
