Ahli Biologi Telah Mengajarkan Komputer Untuk Memprediksi Durasi Hidup Seseorang - Pandangan Alternatif

Daftar Isi:

Ahli Biologi Telah Mengajarkan Komputer Untuk Memprediksi Durasi Hidup Seseorang - Pandangan Alternatif
Ahli Biologi Telah Mengajarkan Komputer Untuk Memprediksi Durasi Hidup Seseorang - Pandangan Alternatif
Anonim

Ahli biologi Australia telah menciptakan sistem kecerdasan buatan (AI) yang mampu memprediksi umur seseorang dengan akurasi 69% dari satu foto organ tubuhnya, menurut sebuah artikel yang diterbitkan di Scientific Reports.

"Cuckoo" cybernetic

Dalam beberapa tahun terakhir, berkat perkembangan matematika dan pertumbuhan daya komputasi komputer, para ilmuwan memiliki kesempatan untuk membuat jaringan saraf yang kompleks, sistem kecerdasan buatan yang mampu melakukan tugas-tugas non-sepele dan bahkan “berpikir” secara kreatif, menciptakan contoh-contoh baru seni dan teknologi.

Misalnya, pada tahun lalu saja, para ilmuwan telah menciptakan AI yang mampu memainkan permainan Go Cina kuno yang "tak terhitung", menelusuri surat kabar untuk peristiwa paling penting dalam sejarah, menulis skrip untuk permainan komputer, mewarnai foto dan video "seperti Van Gogh" dan menggambar. Di awal tahun, para ilmuwan meluncurkan sistem AI yang dapat membedakan tahi lalat dari kanker kulit lebih baik daripada dokter kulit yang paling berpengalaman.

Oakden-Rainer dan rekan-rekannya mengambil ide ini lebih jauh, menciptakan sistem kecerdasan mesin yang dapat menentukan durasi hidup seseorang dari foto-foto organ dalamnya yang diperoleh dengan tomograf komputer.

Program ini disebut jaringan saraf dalam atau ultra-presisi - struktur multilayer dari beberapa puluh atau ratusan jaringan saraf yang lebih sederhana. Masing-masing tidak memproses data mentah, tetapi produk analisis yang diperoleh oleh jaringan yang terletak di atas, yang memungkinkan untuk menyederhanakan masalah yang sangat kompleks dan menyelesaikannya menggunakan sumber daya komputasi yang relatif sederhana.

Jaringan ini tidak dapat menyelesaikan masalah segera setelah dibuat - seperti manusia, mereka harus belajar dari kesalahan mereka sendiri untuk waktu yang lama sebelum mendapatkan jawaban yang benar.

Video promosi:

Keajaiban kecerdasan buatan

Untuk pelatihan semacam itu, Oakden-Rainer dan rekan-rekannya menggunakan koleksi beberapa ribu foto dada dan perut yang diambil dengan pemindai tomografi selama pengamatan kesehatan terhadap 40 pasien. Kumpulan gambar ini, menurut para ilmuwan, sudah cukup bagi gagasan mereka untuk dapat mencapai tingkat prediksi yang biasanya ditunjukkan oleh dokter ketika mencoba "dengan mata" untuk menentukan umur pasien mereka.

Setelah memastikan bahwa sistem yang mereka ciptakan dengan benar memprediksi harapan hidup dari foto-foto organ pasien yang sudah meninggal, para ilmuwan memeriksa bagaimana sistem itu akan mengatasi pekerjaan dalam kondisi "pertempuran". Untuk melakukan ini, mereka merekrut sekelompok delapan pasien muda dan tua, menerangi dada mereka dengan tomograf, dan mengamati kehidupan mereka selama beberapa tahun berikutnya.

Ternyata, program ini benar-benar dapat mengatasi tugas yang diberikan dengan baik - program ini memprediksi harapan hidup 69% relawan dengan tepat, dengan benar menemukan pasien mana di klinik yang akan meninggal dalam lima tahun ke depan.

Karena para ilmuwan tidak tahu bagaimana jaringan saraf dalam bekerja "dari dalam" dan bagaimana mereka sampai pada kesimpulan, masih belum jelas secara pasti fitur-fitur khusus apa yang digunakan komputer untuk memprediksi kematian seseorang. Pada saat yang sama, keakuratan prediksi yang relatif tinggi untuk orang yang menderita penyakit paru obstruktif atau gagal jantung, mendukung fakta bahwa penyakit semacam itu paling kuat memengaruhi "opini" AI.

Memperluas database dan melibatkan lebih banyak relawan dalam eksperimen, para ilmuwan berharap, akan secara signifikan meningkatkan kualitas prediksi dan membuatnya lebih akurat untuk orang yang tidak menderita penyakit jantung dan paru-paru parah. Sekarang, menurut Oakden-Rainer, timnya sedang "melatih" versi baru jaringan saraf berdasarkan foto 12 ribu pasien, yang secara signifikan akan meningkatkan keakuratan prediksi.

Direkomendasikan: