A mesterséges intelligenciának kiemelt szerep jut a koronavírus elleni háborúban
Az a történelmi esemény valószínűleg mindenkinek megvan, amikor a többszörös sakkvilágbajnok Garri Kaszparovot 1997-ben legyőzte az IBM szuperszámítógépe, a Deep Blue. Az viszont talán kevésbé közismert, hogy néhány évvel később, 2005-ben Kaszparov kezdeményezésére a playchess.com megrendezett egy olyan freestyle, online sakktornát, amelyen a számítógép és az ember szólóban és csapatban, ember-számítógép-kentaurként is indulhatott, és a tornát egy kentaur csapat nyerte meg. Ilyen versenyeket a mai napig rendeznek, és az ember-gép-kentaurok még a 2010-es évek közepén is vezették a kentaurranglistákat. Bár a számítógépek teljesítménye folyamatosan fejlődik, Kaszparov még a közelmúltban is a kentaurok további erőfölényét várta.
A 2005-ös, első freestyle torna ráadásul egészen különös felfedezést hozott: a győztes, ZackS nevű csapatot két közepes tudású sakkjátékos - Steven Cramton és Zackary Stephen - és három közepesen erős számítógép - egy AMD 3200+-on, egy 2.8 MHz-es és egy 1.6 MHz-es Pentiumon futtatott Fritz, Shredder, Junior és Chess Tiger sakkszoftver - alkotta. A legjobb csapatban nem volt benne sem a legjobb játékos, sem a legjobb számítógép. A győztes csapat stratégiája az volt, hogy mindhárom MI-t megkérdezték, mi legyen a következő lépés, és ha nem megegyező választ adtak, akkor a játékosok újabb kört futtattak velük. A játéktervező Nicky Case szerint a 2005-ös freestyle sakktorna arra világított rá, hogy a mesterséges intelligencia a válaszok megtalálásában a legjobb, az ember pedig a kérdések feltevésében. A két játékos lényegében coacholta az MI-ket a tornán: addig faggatta őket kérdésekkel, amíg elő nem álltak a lehető legjobb válasszal.
A mesterséges intelligenciát az elmúlt évtizedekben rendszerint az ember felett diadalmaskodó gonoszként ábrázoltuk, és ma is gyakran így gondolunk rá. Az MI-alkalmazások aktuális fejlesztési irányai alapján azonban az MI jövője - kockázataival és veszélyeivel együtt természetesen - sokkal inkább a kooperáció az emberrel, semmint az ember teljes kiiktatása vagy akár legyőzése. Bár kétségtelen, hogy az MI fejlődése minden emberi képesség területén a határaink felé halad, egyelőre még mindig a kreativitás és a logika, az intuíció és a számítási kapacitás, azaz az ember és a gép kombinációja tűnik a nyerő párosításnak.
Az MI-t szinte minden fronton bevetették
Jó példa erre, hogy miként vetették be a meglévő mesterséges intelligenciát a koronavírus legyőzése érdekében az egyes kormányok, kutatóintézetek, nagyvállalatok, startupok és befektetők.
Az USA-ban a Fehér Ház a Microsoft és az IBM részvételével nyílt programot indított több tízezer tudományos dolgozat MI segítségével történő elemzésére, hogy jobban megértsék a vírus működését. A videokártyákat gyártó, kaliforniai székhelyű Nvidia és a kínai online kereskedő, az Alibaba MI-vel támogatta a Covid-tünetek felismerését a CT-felvételeken. Számos biotechvállalat a vírus működésének megértése és a gyógyszerfejlesztés támogatása érdekében vetette be az MI-t, egyes idősotthonok és kórházak pedig MI-alapú, passzív betegfigyelő megoldásokkal kezdtek el kísérletezni az ápolók biztonsága érdekében, valamint a járvány során mutatkozó szakemberhiány miatt.
A befektetők mélyen a zsebükbe nyúltak
A CB Insights üzleti elemző platform információi szerint az MI-alapú egészségügyi megoldásfejlesztőkbe az elmúlt 5 év trendjét folytatva 2020-ban ismét rekordösszegben érkeztek kockázatitőke-pénzek: a szektor 4,5 milliárd dollárnyi befektetésnél járt 2020 szeptemberének végén. A koronavírus-járvány nem lassította, hanem inkább tovább gyorsította a folyamatokat. Számos 100 millió dollárt meghaladó összegű befektetésre is sor került, elsősorban a gyógyszerfejlesztést célzó MI-megoldások területén.
Új megközelítések és gyorsaság a gyógyszerkutatásban
A kórokozók működésének megértésére és az egyes gyógyszerekre adott reakciók modellezésére évek óta számos kutató használja a mesterséges intelligenciát, abban a reményben, hogy az akár évekkel felgyorsíthatja a gyógyszerkutatás menetét. A járvány kitörése óta startupok, nagyvállalatok és kutatóintézetek is az MI-re támaszkodva próbáltak meg belelátni a vírus szerkezetébe, megtalálni a hatásosnak tűnő új vegyületeket vagy akár a más célokra már jóváhagyással rendelkező és a Covid ellen is bevethető gyógyszereket.
A MI-alapú gyógyszerkutatási fejlesztések globális vezetője a Google. A cég egyik évek óta fejlesztett MI-algoritmusa a biológia nagy kihívását, a fehérjestruktúrák és működésük megértését célozza. A járvány alatt a Google a koronavírushoz kapcsolható fehérjeszerkezetek értelmezésére vetette be algoritmusát, és az eredményeket közzé is tette.
Rapidtesztek MI-támogatással
Az MI-alapú képelemzési megoldások lényegében orvosi diagnosztikai eszközökké alakítják a közönséges mobiltelefonokat is. Egy idei példa: az MI-hátterű vérveszteség-monitoring eszközöket fejlesztő, kaliforniai Gauss Surgical összeállt az otthoni teszteket fejlesztő, észak-karolinai Cellex-szel, és mobiltelefonos kiértékelésű otthoni koronavírus-antigén tesztet fejlesztettek. A teszt jelenleg az amerikai gyógyszerfelügyelet, az FDA-jóváhagyásra vár.
Az egészségügyi MI-fejlesztések talán legaktívabb területe az MI bevetése az orvosi képalkotás területén a felvételek elemzésére, az elváltozások, kórokozók vagy betegségek beazonosítására. Az MI nagyobb precizitást, költségcsökkenést és gyorsaságot ígér. A járvány kitörése után a folyamatban lévő fejlesztések közül többet is arra a célra vetettek be, hogy azonosítsák a koronavírust és annak hatását például tüdő-CT felvételeken.
A Facebook a New York-i Egyetem Langone Health egészségügyi központjával együttműködésben olyan MI-algoritmuson dolgozik, amely a jelenlegi megoldásoknál lényegesen kevesebb információ alapján állít elő hasonlóan jó minőségű MRI-felvételeket. Az MRI-felvételek időigényét 60 percről 15 percre szeretnék rövidíteni. Ezen a területen is a Google az egyik vezető MI-fejlesztő: a cég szakértői azt állítják, az orvosok előtt egy évvel képesek azonosítani a tüdőrákot, és olyan pontossággal ismerik fel a melldaganatot, amivel lényegesen meghaladják az orvosi kiértékelés hatékonyságát.
Elosztott tanulás (federated learning) a személyes adatok védelme érdekében
Az egészségügyi célú adatfeldolgozás egyik kulcskérdése a személyes adatok védelme. Ennek egyik lehetséges megoldása az elosztott tanulásalapú MI-alkalmazások, amelyek helyben, a felhasználó birtokában lévő eszközökön futnak, így a felhasználó kezében tartják az érzékeny, személyes adatait. (Az elosztott tanulás első tömeges bevetése az autocomplete funkció volt Android mobiltelefonokon, de azóta minden olyan területen indultak ilyen fejlesztések, ahol szenzitív felhasználói adatokat kezelnek.)
Az Nvidia egyik úttörője volt a technológiának az egészségügyben: a cég a 2018-ban bemutatott Clara nevű egészségügyi hardver-szoftver keretrendszerébe építette be az elosztott tanulást. A koronavírus-járvány alatt röntgenfelvételek elemzésére vetették be az Nvidia megoldását egy kórházakkal közös nemzetközi projekt keretében.
A processzorgyártó Intel szintén piacon van elosztott tanulásra épített MI-chipekkel; a vállalat agydaganatok felismerésére veti be a személyes adatokat helyben kezelő, mégis tanulásra képes MI-technológiát.
Idősotthonok és kórházi osztályok passzív figyelése
A magas fertőzési kockázatot jelentő helyeken számos kísérlet indult a járvány alatt a koronavírusra utaló tünetek és más, hasonló kockázatok emberi jelenlét nélküli, passzív, MI-alapú felismerésére, hogy csökkentsék a fertőzésveszélyt és mérsékeljék a szakemberhiányt. (Egy példa erre az MIT CSAIL laborjának a rendszere.) A fejlesztés alatt álló rendszerek egészen biztosan bevetésben maradnak a jövőben is, hogy kezelni lehessen az egészségügyi kockázatokat és a szakemberhiányt.
Kaszparov 2017-es, Deep Thinking című könyvének megjelenése kapcsán mesélt arról, hogy volt idő, amikor az emberek annyira nem bíztak a felvonókban, hogy nem szálltak be, ha nem volt a liftben felvonókezelő alkalmazott. Ma viszont az utasok nagy része valószínűleg akkor nem szállna fel egy repülőgépre, ha azt mondanák nekik, hogy pilóta ugyan van, de nem működik a robotpilóta. Az önvezető autókkal várhatóan ugyanez történik majd – állítja a könyvben Kaszparov.
Még egy lépéssel távolabbról szemlélve ember és gép kapcsolatát, úgy tűnik, hogy a 18-19. század gazdasági fejlődése az ember és a mechanikus gépek kooperációjáról, a 20. századé ember és számítógép együttműködéséről, a 21. század pedig az ember és a mesterséges intelligencia közös munkájáról szól majd.
A szerző közgazdász, az Accorde Alapkezelő Zrt. munkatársa.
Kapcsolódó cikkek a Qubiten:
Programajánló! Az Energiahajó legújabb részében szakértőink arról vitáznak majd, hogy ki áll nyerésre Európa energiaellátásáért folyó harcban, és vajon milyen arcát fogja nekünk mutatni az orosz medve a következő években? Február 22-én, hétfőn 18:00-tól Facebook Live-on. Ne maradj le!
