Ο τομέας της τεχνητής νοημοσύνης (AI) υπάρχει από τα μέσα του 20ου αιώνα, αλλά τα τελευταία δύο χρόνια, έχει περάσει από την επιστημονική φαντασία σε επιστημονικό γεγονός με απίστευτο ρυθμό. Τα μεγάλα γλωσσικά μοντέλα (Large language models ,LLM) όπως το ChatGPT , έχουν κυριαρχήσει σε αυτόν τον χώρο. Τα LLM είναι ουσιαστικά συστήματα AI που μπορούν να κατανοήσουν, να δημιουργήσουν και να χειριστούν την ανθρώπινη γλώσσα σε διάφορους τομείς. Τα LLM αντιπροσωπεύουν μια τεχνολογική πρόοδο σε μια γενιά που υπόσχεται απίστευτη αλλαγή της φύσης της εργασίας για πολλούς. Οι γιατροί, είναι σημαντικό να ασχοληθούν με αυτήν τη μετασχηματιστική τεχνολογία τώρα, διαφορετικά κινδυνεύουν να μείνουν πίσω, καθώς αναδιαμορφώνει τον κόσμο και το επάγγελμά τους.
Η επανάσταση του LLM ετοιμάζεται εδώ και χρόνια, τροφοδοτούμενη από έναν τέλειο καταιγισμό τεχνολογικών εξελίξεων:
Αν και τα νευρωνικά δίκτυα υπάρχουν εδώ και πολύ καιρό, δεν υπάρχουν τόσα πολλά δεδομένα, σχετικά μιλώντας, για να εκπαιδευτούν οι ενδιαφερόμενοι. Αλλά τώρα, το Διαδίκτυο είναι περίπου 30 ετών, και ένας συγκλονιστικός όγκος δεδομένων είναι διαθέσιμος. Αν και είναι δύσκολο να υπολογιστεί, το Διαδίκτυο περιέχει πάνω από 50 τρισεκατομμύρια gigabyte δεδομένων. Για να το θέσουμε σε μια προοπτική, θα χρειαζόταν πάνω από 120 εκατομμύρια χρόνια για να κατεβάσετε όλα αυτά τα δεδομένα σε ένα μόνο μηχάνημα (υποθέτοντας 100 Mbps)! Έτσι, οι αλγόριθμοι έχουν πλέον πολλά δεδομένα για εκπαίδευση.
Η ταχεία εξέλιξη των μονάδων επεξεργασίας γραφικών (GPU) έχει επίσης αλλάξει το παιχνίδι για την τεχνητή νοημοσύνη τις τελευταίες δύο δεκαετίες. Η NVIDIA, μια εταιρεία που γίνεται πρωτοσέλιδο τον τελευταίο καιρό στην Αμερική, έχει αναπτύξει GPU που μπορούν να εκτελούν πάνω από 100 teraflops (τρισεκατομμύρια λειτουργίες κινητής υποδιαστολής ανά δευτερόλεπτο). Για να το θέσουμε σε προοπτική, ένα μόνο teraflop ισοδυναμεί με ένα τρισεκατομμύριο υπολογισμούς ανά δευτερόλεπτο! Με αυτό το είδος υπολογιστικής ισχύος, η εκπαίδευση τεράστιων μοντέλων τεχνητής νοημοσύνης που θα χρειάζονταν μήνες, μπορεί τώρα να γίνει μέσα σε λίγες μέρες έως εβδομάδες.
Το 2017, οι ερευνητές της Google στην εργασία τους “Attention Is All You Need”, παρουσίασαν μια νέα αρχιτεκτονική τεχνητής νοημοσύνης που ονομάζεται μετασχηματιστής. Αυτή η νέα δομή για τα τεχνητά νευρωνικά δίκτυα, έφερε επανάσταση στον τομέα της επεξεργασίας φυσικής γλώσσας, επιτρέποντας στα μοντέλα AI να σταθμίσουν τη σημασία διαφορετικών λέξεων σε μια μακρά σειρά, επιτρέποντάς τους να κατανοήσουν το πλαίσιο και το νόημα πολύ καλύτερα από πριν. Η μετασχηματιστική αρχιτεκτονική αποτελεί πλέον τη βάση για τα περισσότερα LLM με κορυφαίες επιδόσεις.
Αυτές οι εξελίξεις έθεσαν τα θεμέλια για μια καθοριστική στιγμή στην τεχνητή νοημοσύνη: τη δημόσια κυκλοφορία του ChatGPT τον Νοέμβριο του 2022. Το OpenAI διευκόλυνε την πρόσβαση σε LLM, έτσι ώστε πλέον ο καθένας να μπορεί να συνδεθεί στο διαδίκτυο και να αλληλεπιδράσει με ένα από τα πιο απίστευτα εργαλεία που έχουν σχεδιαστεί ποτέ. Η ανταπόκριση του κοινού ήταν συντριπτική, με 100 εκατομμύρια χρήστες να συρρέουν στην πλατφόρμα μέσα σε δύο μήνες. Η κυκλοφορία του ChatGPT αντιπροσωπεύει ένα σημαντικό ορόσημο στην εξέλιξη της τεχνητής νοημοσύνης, σηματοδοτώντας την αρχή μιας νέας εποχής κατά την οποία τα προηγμένα γλωσσικά μοντέλα δεν αποτελούν μόνο τομέα ερευνητών και τεχνολογικών κολοσσών, αλλά μια τεχνολογία στην οποία ο καθένας μας μπορεί να έχει πρόσβαση και να ασχοληθεί με αυτήν.
Ωστόσο, η νοοτροπία του «χρυσού» που περιβάλλει την τεχνητή νοημοσύνη εγείρει ανησυχίες ότι η ανάπτυξή της στην υγειονομική περίθαλψη θα μπορούσε να οδηγηθεί από λανθασμένα κίνητρα. Εάν οι βοηθοί τεχνητής νοημοσύνης σπεύσουν να εισέλθουν στην αγορά για να μεγιστοποιήσουν τα κέρδη τους αντί να βελτιώσουν τα θεραπευτικά αποτελέσματα των ασθενών, κινδυνεύουν να προκαλέσουν περισσότερο κακό παρά καλό.
Για να αποφευχθεί αυτό, η ιατρική κοινότητα πρέπει να διαμορφώσει προληπτικά την ανάπτυξη της τεχνητής νοημοσύνης της υγείας. Συμμετέχοντας στην έρευνα οι γιατροί, μπορούν να βοηθήσουν στη δημιουργία AI που ενισχύει τη λήψη κλινικών αποφάσεων, χωρίς να προσπαθεί να αντικαταστήσει την ανθρώπινη κρίση. Μπορούν να υποστηρίξουν τη διαφάνεια για τον μετριασμό της μεροληψίας και να διασφαλίσουν ότι η τεχνητή νοημοσύνη είναι δίκαιη σε όλους τους πληθυσμούς ασθενών. Μπορούν επίσης να προσφέρουν την κλινική τους σοφία που αποκτήσαν με κόπο, για να συμπληρώσουν την ακατέργαστη νοημοσύνη της τεχνητής νοημοσύνης, παρέχοντας ενσυναίσθηση και μια λεπτή κατανόηση της ασθένειας, για τη μεγιστοποίηση της αποτελεσματικότητας αυτών των εργαλείων.
Ακολουθούν ορισμένα βασικά βήματα που πρέπει να κάνουν οι γιατροί για να ασχοληθούν με την τεχνητή νοημοσύνη:
1. Εκπαιδευτείτε σχετικά με την τεχνητή νοημοσύνη και μείνετε ενημερωμένοι για τις τελευταίες εξελίξεις, ειδικά όσον αφορά τις εφαρμογές υγειονομικής περίθαλψης.
2. Υποστηρίξτε στον οργανισμό που ανήκετε τη συζήτηση μεταξύ σας και τη λήψη αποφάσεων σχετικά με την προμήθεια ή την ανάπτυξη συστημάτων AI. Τα υγειονομικά συστήματα αναζητούν πάντα την απόδοση επένδυσης (ROI) σε επενδύσεις τεχνητής νοημοσύνης, κάτι που είναι σωστό, αλλά πρέπει να διασφαλίσουμε ότι οι γιατροί και οι ασθενείς θα έχουν επίσης τα οφέλη.
3. Συμμετέχετε σε ερευνητικές μελέτες για τη δοκιμή ιατρικών εργαλείων τεχνητής νοημοσύνης και την παροχή σχολίων για τη βελτίωσή τους.
4. Συνεργαστείτε με επιστήμονες δεδομένων, ειδικούς δεοντολογίας, υποστηρικτές ασθενών και άλλους ενδιαφερόμενους για την ανάπτυξη κατευθυντήριων γραμμών για τον υπεύθυνο σχεδιασμό και την ανάπτυξη της ιατρικής τεχνητής νοημοσύνης.
5. Μοιραστείτε τις εμπειρίες και τις προοπτικές σας σχετικά με την τεχνητή νοημοσύνη, τόσο τις προκλήσεις όσο και τις ευκαιρίες, για να προωθήσετε την ανταλλαγή απόψεων στην ιατρική κοινότητα.
Όπως είπε και ο ιστορικός Melvin Kranzberg, «Η τεχνολογία δεν είναι ούτε καλή, ούτε κακή, ούτε είναι ουδέτερη» – ο αντίκτυπός της θα εξαρτηθεί από το πώς θα επιλέξουμε να την αναπτύξουμε και να την εφαρμόσουμε.» Εάν οι γιατροί συμμετάσχουν προληπτικά στη διαμόρφωση της τεχνητής νοημοσύνης, μπορούν να την κατευθύνουν προς μια θετική κατεύθυνση που τους δίνει τη δυνατότητα να παρέχουν καλύτερη φροντίδα στους ασθενείς, ελαφρύνοντας παράλληλα και τα βάρη της σύγχρονης πρακτικής.
