Sztuczna inteligencja wypełnia rynek – w 2021 będzie warta 72 mld USD
Sztuczna inteligencja od pewnego czasu mocno zaznacza swoją obecność na rynku. Specjaliści twierdzą, że jeżeli rozwój tej technologii utrzyma się na obecnym poziomie, to do 2021 roku wartość całej branży SI wyniesie 72 mld dolarów. Do czego wkrótce doprowadzi sztuczna inteligencja i jak wpłynie na rynek?
Od 2017 roku obserwujemy na rynku profuzję aplikacji i narzędzi, w których wykorzystywana jest sztuczna inteligencja – SI (ang. artificial intelligence, AL). Coraz więcej firm decyduje się na wdrożenie SI w przeróżnych środowiskach. Są to jednak głównie małe projekty, choć nie tylko, pozwalające zaznajomić się z nowoczesną technologią. Niemniej, każdy taki projekt poszerza wiedzę na temat jej możliwości i ograniczeń. Dlatego też analitycy, w ciągu najbliższych lat, spodziewają się sporego wzrostu liczby większych wdrożeń rozwiązań opartych o sztuczną inteligencję. Specjaliści z Singularity University oraz firmy analitycznej Deloitte twierdzą, że rynek SI będzie rósł z roku na rok o 55,1%. W rezultacie w 2021 roku ma osiągnąć wartość 72 mld dolarów, czyli ponad 260 mld zł.
Sztuczna inteligencja – bariery wdrożeniowe
Choć wiele firm widzi ogromny potencjał w rozwiązaniach opartych o sztuczną inteligencję, związany przede wszystkim ze zwiększeniem ich konkurencyjności i przyspieszeniem niektórych procesów, to nadal ich większa część widzi poważne bariery. W 2017 roku przedsiębiorstwo Teradata zleciło firmie badawczej Vanson Bourne wykonanie badania. Z wyników przedstawionych w raporcie „State of Artificial Intelligence for Enterprises” wynika, że 80% respondentów już wdraża lub planuje wdrożenie technologii opartych o sztuczną inteligencję. Co więcej, 30% ankietowanych zamierza zwiększyć na nie wydatki w ciągu najbliższych 3 lat.
Jest też druga strona badania, otóż aż 91% badanych przedsiębiorstw widzi poważne bariery i kłopoty, które hamują wdrożenia. Dla 40% najtrudniejszy do przejścia jest brak odpowiedniej infrastruktury IT. Z kolei 30% uważa, że główną barierą jest brak wykwalifikowanych pracowników, którzy mogliby zarządzać systemami SI. Niewiele więcej, 33% jest zdania, że obecnie dostępne rozwiązania są dopiero w początkowej fazie rozwoju. 19% wątpi w to, że sztuczna inteligencja przyniesie jakiekolwiek korzyści biznesowe. Co ciekawe 20% obawia się, iż wdrożenie tej technologii doprowadzi do utraty pracy i źle wpłynie na morale pracowników.
Inną barierą powszechnego zastosowania systemów SI jest brak możliwości wykazania, w jaki sposób sztuczna inteligencja doprowadziła do podjęcia konkretnych decyzji. Istotne znaczenie ma tutaj stworzenie rozwiązań pozwalających na przeprowadzanie audytów działania inteligentnych systemów. Przykładowo, jeżeli rozwiązanie oparte o IS spowoduje zagrożenie dla człowieka z powodu podjęcia nieodpowiedniej decyzji oprogramowania, to konieczny jest dostęp do mechanizmów pozwalających przeanalizować przyczyny tej decyzji i w szybkim czasie wyeliminować błędy. Dzisiejsze systemy wykorzystujące mechanizmy sztucznej inteligencji działają często jak „czarne skrzynki”. Jednak analiza zawartych w nich danych jest niezwykle trudna, a często nawet niemożliwa.
Sztuczna inteligencja w polskim przemyśle?
Mimo iż wdrożenie mechanizmów SI jest trudne i kosztowne, to specjaliści twierdzą, że bardzo prawdopodobne jest, iż w niedługim czasie sztuczna inteligencja „rozleje” się po zachodnich fabrykach. W Polsce ten proceder może postępować trochę wolniej. Powód? Sporo rodzimych przedsiębiorstw nie odrobiło jeszcze lekcji z zakresu czwartej rewolucji przemysłowej, zostając tym samym nieco w tyle. Według raportu ASD Consulting, aż 84% polskich firm przemysłowych zbiera dane ręcznie, a ¼ z nich przetwarza je analogowo. Tylko 16% respondentów wspomaga się kodami kreskowymi i systemami skanowania. Niecałe 12% gromadzi cyfrowe informacje w sposób całkowicie zautomatyzowany.
W celu unowocześnienia polskich przedsiębiorstw wrocławska spółka wspierająca przedsiębiorstwa produkcyjne w cyfryzacji – DSR oraz firma specjalizująca się w rozwoju i adaptacji rozwiązań opartych na metodach SI – Alphamoon.ai stworzyły projekt AL 4Factory. W ramach tej inicjatywy realizują pogłębione audyty w firmach produkcyjnych. Ich głównym założeniem jest wyłonienie tych obszarów działalności, które nadają się do optymalizacji za pomocą sztucznej inteligencji.
Nie należy się jednak martwić tym, że roboty pozbawią ludzi miejsc pracy. Według twórców raportu, w niedalekiej przyszłości ludzka i sztuczna inteligencja będą się wzajemnie uzupełniać. Zarówno jedna, jak i druga będzie dostarczać unikatową wartość wypływającą z jej wyjątkowych, mocnych stron.
Zastosowanie SI w różnych branżach
Sztuczna inteligencja ma niezwykle szerokie zastosowanie. Specjaliści próbują za jej pomocą ułatwić pracę ludziom z różnych branż. Nawet z tych, w których na pierwszy rzut oka zastosowanie SI jest bezużyteczne czy niemożliwe. Polska firma QZ Solutions stworzyła ziBees, czyli aplikację do zarządzania pszczelimi pasiekami opartą o sztuczną inteligencję. Analizuje ona wykonane smartfonem zdjęcia i przesyła pszczelarzowi informacje o potencjalnych infekcjach warrozą (groźna choroba rozwijająca się na pszczołach miodnych i ich larwach). Z kolei firma Future Processing z Gliwic opracowała system, który pozwala na wizyjną kontrolę jakości. Zastosowane mechanizmy uczenia maszynowego analizują zdjęcia oraz filmy i automatycznie wykrywają defekty oraz anomalie występujące w produktach. Następnie sygnalizują wykryte odstępstwa.
Sztuczna inteligencja wykorzystywana jest także w sporcie. Rozwiązanie holenderskiej firmy SciSports potrafi analizować nagrania z meczów piłki nożnej celem dostarczenia informacji o potencjale konkretnego zawodnika czy drużyny. System ułatwia w ten sposób poszukiwania zawodników na określone pozycje. Pomaga także w opracowywaniu założeń szkoleniowych i taktycznych. Co tydzień system analizuje potencjał i wartość ponad 200 tys. zawodników, „przeglądając” ponad 1500 meczów rozgrywanych w 210 ligach.
SI – technologia wspomagająca bezpieczeństwo
Rozwiązania wykorzystujące sztuczną inteligencję i uczenie maszynowe wykorzystywane są w dużym stopniu przez firmy dostarczające oprogramowanie bezpieczeństwa. Przykładem mogą być mechanizmy analizy behawioralnej, które wykrywają podejrzane zachowania aplikacji. Inne to mechanizmy głębokiego uczenia będące podstawą systemów bezpieczeństwa opartych na predykcji zagrożeń. Następne to mechanizmy analizy zachowań użytkowników, które dzięki wykorzystaniu uczenia maszynowego pozwalają na podział użytkowników ze względu na poziom ryzyka. Używane są także rozwiązania, które, poza wykryciem potencjalnego zagrożenia, potrafią wskazać podatne na nie zasoby oraz odfiltrować fałszywe alarmy, a realne zagrożenie zgłosić dostawcy usług.
Autonomiczne centra danych
Mechanizmy sztucznej inteligencji są obecnie testowane i wdrażane przez operatorów największych ośrodków przetwarzania danych. Specjaliści są zdania, że w ciągu najbliższych lat znajdą one masowe zastosowania. Głównym powodem są coraz bardziej skomplikowane systemy IT z uwagi na modne teraz środowiska hybrydowe, które wykorzystują usługi chmurowe i kolokacyjne oraz firmowe centra danych. Mało efektywny, tradycyjny sposób zarządzania środowiskami w wielu przypadkach musi zostać zastąpiony nowym, by firmy mogły nadążyć administrowaniem ciągle przyrastającymi danymi. W tym celu wykorzystuje się rozwiązania oparte o sztuczną inteligencję, które mają ogromny potencjał ułatwienia i uproszczenia zarządzania. Najczęściej są to mechanizmy uczenia maszynowego, które monitorują i automatyzują zarządzanie niektórymi segmentami środowiska.
W centrach danych montuje się czujniki, które zbierają dane o pamięciach masowych, routerach, przełącznikach, serwerach, urządzeniach do dystrybucji zasilania i samych zasilaczach. Następnie te dane analizują algorytmy, które wykorzystują właśnie uczenie maszynowe. Na bieżąco oceniają one wydajność systemów i w razie potrzeby reagują automatycznie, zmieniając parametry lub wysyłając administratorowi alarm. Jest to jednak stosunkowo trudne zadanie. Aby mechanizmy sztucznej inteligencji mogły działać efektywnie, to środowisko wymaga zainstalowania ogromnej liczby sensorów mierzących parametry pracy urządzeń. Dlatego właśnie sztuczna inteligencja nie jest jeszcze stosowana na masową skalę.
Tak czy inaczej, sama sztuczna inteligencja nigdy nie zapewni przedsiębiorstwom wszystkiego, co potrzebne do ich prawidłowego funkcjonowania. Może oczywiście wspomóc wiele procesów, optymalizując je, zarządzając zasobami czy tworzyć dokładniejsze i skuteczniejsze przewidywania. Jednak nigdy nie będzie działać autonomicznie, ponieważ potrzebuje czegoś, na czym może pracować. Bez innych podsystemów nie ma czego optymalizować i czym zarządzać. Dlatego zawsze potrzebne będą bazy danych czy systemy operacyjne, co nas bardzo cieszy. Mało tego, do prawidłowego działania inteligentnych systemów niezbędna jest niezwykle stabilna infrastruktura, którą zapewniamy.
Źródła:
Polecamy także:
Gartner potwierdza – sztuczna inteligencja fundamentem przyszłych systemów IT
Gartner potwierdza – sztuczna inteligencja fundamentem przyszłych systemów IT – część 2
Człowiek ustępuje pola maszynom. Do 2040 roku mogą nam dorównać inteligencją
Gdzie nie popatrzeć – wszędzie możemy się zetknąć z działaniami, które mają nam ułatwić życie lub wręcz przeciwnie - „inteligentnie” oszukać.
Czym jest Sztuczna Inteligencja, która jeszcze kilkadziesiąt lat temu kojarzyła się jedynie z filmami SF? Najogólniej mówiąc, jest to gałąź informatyki, w ramach której zdalne komputery mogą wykonywać czynności będące zazwyczaj domeną ludzi, szczególnie tych wymagających użycia ludzkiego intelektu czy logiki. Tak rozumiana definicja uznaje niemal każdy program komputerowy wykorzystujący choćby ułamek ludzkiej inteligencji, za przejaw SI. Skoro definicja jest tak szeroka, najlepiej byłoby ja uszczegółowić, w tym celu podzielę programy na trzy grupy ze względu sposób rozumienia przez nie sztucznej inteligencji.
Typy programów Inteligentnych
Grupa 1
To te maszyny, których celem jest dokładne odwzorowanie działania ludzkiego umysłu, określa się je mianem silnej sztucznej inteligencji. Ciężko jednak opisać grupę, która w dużej mierze funkcjonuje w sferze domysłów i teorii. Na ten moment nie powstał system, który w dużej mierze odwzorowuje sposób myślenia człowieka z jego plusami i minusami. Celem takich programów jest wyjaśnienie jak działa ludzki mózg.
Grupa 2
To grupa, która czerpie ze sztucznej inteligencji, tyle ile jest wymagane i potrzebne do prawidłowego funkcjonowania różnego typu systemów. Nazywana jest słabą sztuczną inteligencją, ponieważ opiera się na założeniu, że człowiek potrafi tworzyć systemy działające podobnie do niego, nawet z wyłączeniem pewnych błędów myślowych, jednak systemy te w żaden sposób nie odpowiadają na pytanie – jak funkcjonuje ludzki umysł?
Grupa 3
To rodzaj sztucznej inteligencji, który plasuje się pomiędzy dwoma poprzednimi, a więc jest inspirowany ludzkim umysłem. Większość współczesnych systemów rozwijających sztuczną inteligencje bazuje na tym rozwiązaniu. Opiera się na ludzkim analizowaniu wiedzy, logice i przetwarzaniu danych, ale ze zdecydowanie większymi możliwościami szybkości obliczeniowej od zwykłego człowieka. Pośrednia sztuczna inteligencja zakłada, że ludzki umysł służy jako wskazówka w opracowywaniu systemów sztucznej inteligencji, ale celem prac nie jest perfekcyjne odwzorowanie sposobu myślenia człowieka, a jedynie wyciągnięcie najlepszych modeli działania.
Z analizy obecnie rozwijanych grup systemów inteligentnych wynika, że nie istnieje na ten moment Sztuczna inteligencja mogąca zastąpić człowieka, maszyna w pełni autonomiczna i zdolna do samostanowienia. Dysponując tylko częściową wiedzą o możliwościach ludzkiego umysłu i tajemnicach, jakie jeszcze skrywa, możemy jedynie dywagować, kiedy czeka nas kolejna rewolucja w sferze sztucznej inteligencji.
| Kadr z serialu "Westworld" / HBO
Ewolucja Inteligentnych systemów
Podział systemów inteligentnych ze względu na poziom podobieństwa do działania ludzkiego mózgu nie jest jedynym słusznym podziałem. Warto również zwrócić uwagę na poziom wyspecjalizowania i autonomii danego systemu. Tutaj mamy pole do zrozumienia różnić pomiędzy wyobrażeniami na temat sztucznej inteligencji a faktycznym stanie wiedzy i badań na ten temat. W ciągu ostatnich kilkudziesięciu lat pojęcie sztucznej inteligencji nabrało innego znaczenia, ponieważ z obszarów wyobraźni przeszło w sferę rzeczywistości. Na ten moment możemy mówić o dwóch etapach rozwoju sztucznej inteligencji.
Wyspecjalizowana sztuczna inteligencja (SI)
Stworzona w celu realizowania konkretnych zadań. Przykładem mogą być wszelkie systemy rekomendacji, sugerujące nam produkty i usługi na bazie naszej wcześniejszej aktywności. Podobnie wygląda to w przypadku programów do stawiania diagnozy na bazie wpisanych symptomów i wyników badań albo systemy predykcji, które na bazie przykładów i obliczenia prawdopodobieństwa oraz ryzyka proponują nam najlepsze strategie działania.
Część z tych systemów posiada macierz osobowościową oraz jest samoświadoma, ale ich ogólne możliwości, także autonomiczne są bardzo ograniczone. Umiejętności systemów wyspecjalizowanych są bardzo uszczegółowione, ponieważ same systemy stwarzane są w konkretnych celach, takich jak prowadzenie samochodu, obliczanie prawdopodobieństwa wystąpienia jakiejś choroby, lub wyszukiwanie ciągu danych.
Część z nich może posiadać minimalną ilość empatii, to tzw. przyjazne SI, a więc systemy, które stworzone zostały w konkretnym celu, mogą myśleć odrębnie od swojego właściciela, a dla nas zupełnie abstrakcyjnie. Przykładowo robot, którego celem jest tworzenie ekologicznego papieru, będzie zupełnie inaczej od nas myślał i może stworzyć inny system lub strategie tworzenia tego papieru w sposób, na jaki nikt z ludzi by nie wpadł. Istotny w definicji przyjaznej sztucznej inteligencji jest jej brak możliwości do ulepszania się (nadpisywania kodu źródłowego).
Ostateczna wizja SI: "Matrix", czyli roboty przejmują władzę nad światem | Kadr z filmu "Matrix" / materiały prasowe
Ogólna sztuczna inteligencja (OSI)
Mniej popularny i rozwijany dział, opiera się na systemach, które mają rozumować w sposób ogólny i wszechstronny. Ogólna Sztuczna Inteligencja to cyfrowa świadomość, która ma możliwość samodzielnej oceny sytuacji, posiada wirtualną osobowość. Tego typu systemy w założeniu powinny posiadać własną autonomie i zdolność do ulepszania się, a przede wszystkim uczenia na podstawie wtłaczanych do nich danych. OSI jest wykorzystywane w tworzeniu czatbotów i innych narzędzi do komunikowania się z ludźmi, ponieważ na podstawie analizy setek tekstów, poznają ludzkie emocje i zachowania, które później są w stanie powtarzać, dopasowując odpowiedzi do konkretnych sytuacji. Mimo wysiłków, by zbliżyć psychikę OSI do transludzkiej ich zachowania społeczne i cele są w widoczny sposób obce.
Zarówno wyspecjalizowana sztuczna inteligencja, jak i ogólna sztuczna inteligencja cieszą się taką samą popularnością wśród teoretyków, ale wśród praktyków dominuje przekonanie, że jedyną sztuczna inteligencją jest ta, która służy ludziom, a nie funkcjonuje na równi z nimi. Z pewnością SI jest bardziej popularna i użyteczna na ten moment dla ludzi, to na niej bazuje zdecydowana większość współczesnych inteligentnych systemów. Z kolei OSI bardzo działa na wyobraźnie i jej rozwój przypomina trochę zabawę w boga przez naukowców, bo czy nadając maszynie samoświadomość, jesteśmy w stanie przewidzieć jej przyszłe zachowania?
Sztuczna inteligencja wkracza w nasze życie bardzo szybko, jednak daleko jej na ten moment do wszechstronności ludzkiego umysłu. W artykule Jamesa Barrata Artificial Intelligence and the End of the Human Era, połowa przepytanych ekspertów SI uważa, że istnieje 50 proc. prawdopodobieństwa na osiągnięcie przez AI ludzkiego poziomu przed 2040 rokiem. Biorąc pod uwagę szybkość rozwoju tej dziedziny i jej popularność, możemy być w niedługim czasie świadkami narodzin Superinteligencji, przewyższającej możliwości jej twórcy.
Sztuczna inteligencja w medycynie: czy i dlaczego jej potrzebujemy?
Zdaniem prof. Marka Gzika, dziekana Wydziału Inżynierii Biomedycznej Politechniki Śląskiej, percepcja człowieka, nawet najlepszego specjalisty, nie jest w stanie kompleksowo ogarnąć dostępnej i ciągle poszerzającej się wiedzy medycznej pochodzącej z tysięcy ośrodków badawczych i naukowych. Jak, korzystając z niej, postawić trafną diagnozę i zaordynować skuteczną terapię dla konkretnego pacjenta? Czy może w tym pomóc sztuczna inteligencja?
Piotr Buszman, wicedyrektor ds. badań przedklinicznych, kierownik pracowni doświadczalnej Centrum Badawczo-Rozwojowego American Heart of Poland przekonuje, że mówiąc o AI w medycynie powinniśmy zadać sobie zasadnicze pytanie: dlaczego chcemy, i dlaczego powinniśmy wprowadzać sztuczną inteligencję do medycyny?
- AI ma tu już swoje zastosowanie. To prawda, że na razie jest ono ograniczone, ale wchodzi do praktyki klinicznej przede wszystkim tam, gdzie wiemy, że sobie nie radzimy. Zwłaszcza w obrazowaniu - radiologii, histopatologii - wymienia prof. Buszman i dodaje, że algorytm sztucznej inteligencji pozwala skutecznie analizować określone obszary i wskazywać na te, na które lekarz powinien zwrócić uwagę.
- Należy jednak zauważyć, że obecnie jeszcze nie AI, a określone algorytmy pomagają nam w praktyce, szczególnie w dużych badaniach przesiewowych, dla których brakuje nam kadr. To już się dzieje - mówi ekspert.
Jako przykład podaje „kioski” w których zadaje się pacjentom - według określonych algorytmów - szereg pytań, a w wyniku analizy odpowiedzi pacjenci są kierowani na właściwą ścieżkę diagnostyczną.
- Na razie AI wspiera lekarzy, szczególnie tam, gdzie dostęp do nich jest ograniczony - podkreśla prof. Buszman i zaznacza, że w przyszłości AI może okazać się nieodzowna chociażby z tego właśnie względu.
To narzędzie ma swoje ograniczenia
Prof. Zbigniew Nawrat, dyrektor kreatywny Fundacji Rozwoju Kardiochirurgii im. prof. Zbigniewa Religi w Zabrzu, prezydent Międzynarodowego Stowarzyszenia na rzecz Robotyki Medycznej do wielkich nadziei dotyczących AI w medycynie podchodzi bardzo ostrożnie.
Jako przykład przywołuje system IBM Watson okrzyknięty wielkim osiągnięciem w stawianiu diagnozy przez AI. Za ogromne pieniądze został on wprowadzony do kilkunastu szpitali, ale okazało się, że diagnozę na wysokim poziomie skuteczności potrafi postawić jedynie w kilku chorobach onkologicznych.
- Watson analizuje ok. 200 tys. różnego rodzaju informacji i efektem jest diagnoza, tymczasem lekarze potrafią to często zrobić na podstawie jednej rozmowy z pacjentem. Na razie trudno zatem wskazać na wielkie sukcesy AI w medycynie. Są one widoczne na przykład w grach, gdzie sztuczna inteligencja świetnie sobie radzi. Dotyczy to jednak gier, w których istnieje kilka niezmiennych reguł. Rzeczywistość dotycząca ludzi jest jednak inna - podkreśla prof. Nawrat.
Jego zdaniem AI, która jest działem robotyki, ma takie same kłopoty jak sama robotyka w aplikacji do różnych dziedzin. Musi się nauczyć miejsca, w którym będzie wykonywała określone zadanie. - AI nie rozwiąże wielu naszych problemów. Jest nam jednak potrzebna, zwłaszcza w obszarach, w których lekarz nie ma dostępu do różnych danych. Im mniej inwazyjna jest chirurgia, tym bardziej musimy liczyć w diagnostyce na procesory i algorytmy - podkreśla prof. Nawrat.
Wskazuje też na inną przyczynę, z powodu której będziemy musieli coraz bardziej bazować na AI - nasza własna inteligencja maleje. Rosła od wieków i było tak z pokolenia na pokolenie, jednak pewne rozwiązania, np. upowszechnienie kalkulatorów, spowodowały obniżenie inteligencji ludzi w zakresie zadań arytmetycznych. Nie używamy już swojego mózgu tak, jak kiedyś, bo wykorzystujemy narzędzia wspomagające naszą pamięć i obliczenia.
- AI, podobnie jak roboty - podkreśla prof. Nawrat - to tylko narzędzia o znacznych ograniczeniach. To od lekarzy będzie zależało jak będą wykorzystywane i na ile będą skuteczne.
Pułapek nie brakuje
Zdaniem prof. Piotra Sankowskiego z Instytutu Informatyki Uniwersytetu Warszawskiego, członka Rady Centrum Narodowego Centrum Badań i Rozwoju, choć dzisiaj tworzymy sztuczną inteligencję i budujemy sieci neuronowe, to jednak często nie rozumiemy jak naprawdę działa AI.
- Książkowa definicja sztucznej inteligencji tłumaczy ją jako naśladowanie tego, w jaki sposób myśli człowiek. Obecnie jednak ta AI, która odnosi spektakularne sukcesy, jak chociażby Deep Blue wygrywający z Kasparowem w szachy, nie myśli tak jak człowiek. Mamy przykłady, gdzie AI i uczenie maszynowe święci triumfy, ale patrząc na procesy zachodzące w środku nie wszystko jesteśmy w stanie zrozumieć. To dotyczy także głębokich sieci neuronowych - przekonuje prof. Sankowski.
- Przed badaczami i naukowcami stoi zatem ogrom pracy. To samo dotyczy zastosowania sztucznej inteligencji w medycynie - podkreśla specjalista.
Jak przekonuje, przed badaczami sztucznej inteligencji pojawia się wyzwanie stworzenia algorytmów, które będziemy w stanie zrozumieć. Kiedy ludzie zaczęli używać algorytmów głębokiego uczenia maszynowego, zaczęli sobie zdawać sprawę z własnej niewiedzy. Okazało się na przykład, że AI odróżnia kota od psa nie na postawie tego co widzi, ale np. dlatego, że zdjęcie kota jest robione zazwyczaj w pomieszczeniu, a psa - na trawie.
- Takich pułapek jest wiele. Słynnym przykładem jest algorytm rozpoznawania nowotworów stworzony na Uniwersytecie Stanforda. Nie nauczył się ich rozpoznawania, ale tego, na jakiej maszynie zostało zrobione zdjęcie. Oczywistością jest zatem, że narzędzia jakimi obecnie dysponujemy, nie mogą podejmować decyzji medycznych - podkreśla prof. Sankowski.
Przyda się takie wsparcie
Jak przekonuje Marcin Bruszewski, dyrektor generalny Philips Health Tech na Polskę i Kraje Bałtyckie, każdy pacjent chciałby trafić do lekarza z dużym doświadczeniem, który ma jednak oparcie w narzędziach wykorzystujących sztuczną inteligencję.
- Takie zestawienie daje największą pewność podejmowania trafnych decyzji i zaordynowania najskuteczniejszej terapii. Ideałem byłaby sytuacja, kiedy doświadczony lekarz ma czas dla pacjenta i może długo analizować jego przypadek. Niestety, świat nie jest idealny - lekarzy i personelu pielęgniarskiego brakuje. W sukurs przychodzi nam technologia - uczące się maszyny, algorytmy, statystyka - generalnie predykcja realizacji działań w oparciu o AI - stwierdza dyrektor Philips Health Tech.
Zdaniem Dariusza Wiśniewskiego, COO w firmie BrainScan, w której powstało oprogramowanie oparte o AI do automatycznej analizy badań z tomografii komputerowej głowy, sztuczna inteligencja oparta o uczenie maszynowe długo jeszcze nie będzie mogła samodzielnie podejmować decyzji. To jedynie narzędzie, ale pożądane i jedyne, które może pomóc w sytuacji niedoborów kadrowych w ochronie zdrowia. - AI przyspieszając procesy decyzyjne może tę lukę kadrową załatać - podkreśla.
Jak wyjaśnia Marek Witulski, dyrektor działów Diagnostic Imaging i Advanced Therapy w Siemens Healthcare, istnieje wiele barier, które towarzyszą rozwojowi sztucznej inteligencji w medycynie. Można je podzielić na dwa obszary. Pierwszy to tworzenie oprogramowania, algorytmów AI i baz danych. Drugi to legislacja.
- Obecne regulacje nie pozwalają nam na wprowadzenie do użytku samouczących się narzędzi. Musimy nauczyć czegoś aplikację, a następnie zamrozić jej stan wiedzy. Dopiero wówczas może zostać dopuszczona na rynku medycznym - mówi dyrektor Witulski dodając, że największe bariery stanowią jednak te psychologiczne.
Wszystkie wypowiedzi zanotowano 30 czerwca 2020 roku podczas sesji „Sztuczna inteligencja w medycynie” w ramach V Kongresu Wyzwań Zdrowotnych Online.
Materiał chroniony prawem autorskim - zasady przedruków określa regulamin.
