فهرست مطالب
هنوز تعریف دقیقی که تمامی دانشمندادن بر روی آن توافق داشته باشند از هوش مصنوعی ارائه نشده ولی اکثر تعریف ها را میتوان به شکل زیر دسته بندی کرد.
مانند انسان فکر میکند
منطقی فکر میکند
مانند انسان عمل میکند
منطقی عمل میکند
دو تعریف اول مربوط به فرآیندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار دارند.
هوش مصنوعی یا artificial intelligence شاخه ای از علوم رایانه است که هدف اصلی آن تولید ماشینهای هوشمندی است که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. هوش مصنوعی در حقیقت نوعی شبیه سازی هوش انسانی برای کامپیوتر است و منظور از هوش مصنوعی در واقع ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می تواند به تمامی ماشین هایی اطلاق شود که بگونهای همانند ذهن انسان عمل میکنند و میتوانند کارهایی مانند حل مسئله و یادگیری داشته باشند.
پایتون یک زبان برنامه نویسی «همه منظوره» (General-Purpose) به حساب میآید که دارای کاربردهای گوناگون بسیاری است. از این زبان در توسعه و برنامه نویسی وب، «شبکههای کامپیوتری» (Computer Network)، علم داده، هوش مصنوعی و سایر موارد استفاده میشود. یادگیری زبان پایتون به دلیل سادگی و خوانایی بالای سینتکس آن به میزان زیادی آسان است. این ویژگی خاص پایتون باعث شده است که این زبان به عنوان یک انتخاب بسیار عالی برای مهندسان در سطحهای گوناگون تازهکار تا پیشرفته در نظر گرفته شود و نیازی به داشتن تجربه زیاد در برنامه نویسی برای کار در زمینه هوش مصنوعی وجود نداشته باشد.
پایتون چون یکی از محبوبترین زبانهای برنامه نویسی هوش مصنوعی به حساب میآید، دارای کتابخانههای اثبات و طراحی شده گوناگون بسیاری است که میتوان با استفاده از آنها پردازشهای توسعه هوش مصنوعی را انجام داد.
برای یادگیری زبان پایتون میتواند از همین حالا شروع کنید.
روشهای متعددی وجود دارد که هوش مصنوعی میتواند تأثیر مثبتی بر عملکرد پزشکی داشته باشد، از طریق افزایش سرعت تحقیقات یا کمک به پزشکان در تصمیمگیری بهتر.
در اینجا چند نمونه از نحوه استفاده از هوش مصنوعی آورده شده است :
در سالهای اخیر استفاده از رباتها در جراحی محبوبیت زیادی پیدا کرده است . این رباتها به پزشکان کمک میکنند که روشهای درمانی پیچیده را با دقت، انعطافپذیری و کنترلی انجام بدهند که فراتر از تواناییهای انسانی باشد.
برای نمونه عملهای رباتیک به جراحان امکان استفاده از ابزارهای کوچیکتر برای برشهای دقیقتر رو میدهد؛ چرا که هوش مصنوعی در پزشکی با ترکیب سوابق پزشکی بیمار با دادههای زمان حال و همینطور استفاده از دادههای موجود از عملهای مشابه قبلی، روند عمل جراحی را موثرتر و قابل پیشبینیتر میکند.
این رباتها مجهز به بازوهای مکانیکی، دوربین و ابزار جراحی هستند که باعث افزایش مهارت، تجربه و دانش پزشکان برای انجام گونهی نوینی از جراحی می شوند. جراحان این بازوهای مکانیکی را بهوسیلهی یک رایانه کنترل میکنند و این ربات تصویری ۳ بعدی از محل جراحی، همراه با بزرگنمایی ارائه میدهد. این کار در گذشته امکانپذیر نبود و جراحان تنها بر قدرت چشمشان متکی بودند.
در جراحیهایی که به کمک رباتها انجام میشوند پس از جراحی، بیماران درد کمتری حس کرده و همچنین زمان بهبودی بیمار نیز کاهش پیدا می کند.
یک شرکت مشاور تکنولوژی به نام Accenture تخمین میزند که عملهای جراحی صورت گرفته با AI میتواند باعث صرفهجویی ۴۰ میلیارد دلاری در صنعت پزشکی آمریکا تا سال ۲۰۲۶ شود!?
گفتنی است که این رباتهای جراح تاالان موفق به انجام جراحی بدون کمک انسان نشدند. اما در آیندهای نهچندان دور شاهد خواهیم بود که این رباتها با AI و تکنولوژی یادگیری ماشینی، بهتنهایی در اتاقهای جراحی حضور دارند و جراحیهای موفقی انجام میدهند. تا رسیدن به این مرحله این رباتها در کنار پزشکان فعالیت کرده و نتایج خوبی رو به عنوان دستیار رقم میزنند.
پزشکان از طریق این ربات ها از راه دور با بیماران خود می توانند در ارتباط باشند، غیبت پزشکان در این بیمارستان به هیچ وجه حس نمی شود.
همچنین این ربات ها که ظاهری پاندا شکل دارند می توانند یک فرد ۶۰ کیلیویی را با خود حمل کنند و به بیماران در جابجایی کمک کنند، به غذای بیماران رسیدگی کنند و علائم حیاتی بیمار از جمله میزان دمای بدن، ضربان قلب و میزان اکسیژن را چک کرده و پیام را به پزشک بفرستند.
ربات های پرستار با پشتیبانی ۸ الی ۱۰ بیمار و همچنین با انجام دادن کار ۳ یا ۴ پرستار بیشترین کمک را در این دوران کرونا به پزشکان کردند، بجای خود پرستار یا پزشک با بیماران در ارتباط بودند و مانع مبتلا شدن پزشکان یا پرستاران به کرونا شده اند.
برخلاف انسان ها، هوش مصنوعی هرگز نیازی به خواب ندارد. مدلهای یادگیری ماشینی را میتوان برای مشاهده علائم حیاتی بیمارانی که مراقبتهای ویژه دریافت میکنند و در صورت افزایش عوامل خطر خاص به پزشکان هشدار می دهند به کار گرفت.
در حالی که دستگاههای پزشکی مانند مانیتورهای قلب میتوانند علائم حیاتی را ردیابی کنند، هوش مصنوعی میتواند دادههای آن دستگاهها را جمعآوری کند و به دنبال شرایط پیچیدهتری مانند سپسیس(عفونت خون) باشد.
هوش ماشینی در تفکیک دادهها فوق العاده عمل میکنه؛ بهویژه زمانیکه دادههایی با حجم زیاد دربارهی موضوعی خاص، در اختیارش قرار بگیرد. این مشخصه برای تشخیص بیماریها بسیار مفید و امیدوارکننده است.
نتایج تصویربرداری پزشکی (رادیولوژی)، سوابق پزشکی بیمار، ژنتیک و… می توانند با هم ترکیب شوند تا نتایج تشخیص بیماری بهبود پیدا کند. همچنین ابزارهای AI می توانند روشهای درمانی خاص را به پزشکان پیشنهاد کنند که این توانایی بهصورت عملی هم مورد استفاده قرار گرفته است. یک نمونه از این توانایی مربوط به تشخیص سرطان پوست هست.
ژنومیک شاخهای از بیولوژی مولکولیه که با ساختار، تکامل، عملکرد و نقشهی ژنها سروکار داره. این علم با استفاده از اطلاعات به دست آمده از DNA افراد، اقدام به تشخیص بیماری میکنه.
هنگامیکه این علم با هوش ماشینی تلفیق بشه، می تواند بیماری سرطان و بیماریهای قلبی و عروقی رو در مراحل اولیه تشخیص بدهد. افزون بر این میتواند مشکلات پزشکی که شخص ممکنه در آینده با اون مواجه بشود، از روی ژنهای اون شخص مشخص کند.
بهعلاوه محققان به کمک الگوریتم یادگیری عمیق، امکان پیشبینی ناراحتیهای قلبی رو آزمایش کردن و در این آزمایش به این نکته رسیدن که یادگیری ماشینی بهتر از انسان می تواند آناتومی قلب رو بر اساس امواج فراصوت طبقهبندی کند. گفتنی هست که این تکنولوژی در اروپا در موارد اورژانسیِ مربوط به حملهی قلبی، مورد استفاده قرار گرفته است.
کاربردهای هوش مصنوعی در پزشکی در تشخیص عفونتهای قلبیِ تهدیدکننده، واقعا ستودنی هست. تشخیص عفونتهای قلبی مشکله هست ولی اغلب اونها رو می شود با تجویز و مصرف آنتیبیوتیک بهمدت حدودا یک هفته معالجه کرد.
هوش مصنوعی در حال حاضر نقش برجسته ای در تصویربرداری پزشکی ایفا می کند. تحقیقات نشان داده است که هوش مصنوعی با استفاده از شبکه های عصبی مصنوعی می تواند به اندازه رادیولوژیست های انسانی در تشخیص علائم سرطان سینه و همچنین سایر شرایط موثر باشد. علاوه بر کمک به پزشکان در تشخیص علائم اولیه بیماری، هوش مصنوعی همچنین میتواند با شناسایی بخشهای حیاتی از تاریخچه بیمار و ارائه تصاویر مربوطه به آنها، تعداد خیرهکننده تصاویر پزشکی را که پزشکان باید پیگیری کنند، را فراهم کند.
برای تشخیص عفونتهای قلبی، عمل جراحی نیاز هست که به آن قلبنگاری فرامری گفته میشود و در نوع خودش بسیار تهاجمی محسوب میشود. این عمل بالغ بر ۲۰۰۰ دلار هزینه بهدنبال داره بهعلاوه تجهیزاتی رو میطلبد که بسیاری از بیمارستانها فاقد اون هستند. اینجا هست که نرمافزار تشخیص عفونتهای قلبی به یاری ما می آید و ظرف کمتر از ۴ ثانیه با دریافت یک سری علائم حیاتی، یک پیشبینی محاسبهای رو با دقت ۹۹/۹۹ درصد انجام میدهد که منجر به تشخیص عفونت می شود.
پشتیبانی از پزشکی دقیق با کمک هوش مصنوعی مجازی آسان تر می شود. از آنجایی که مدل های هوش مصنوعی میتوانند اولویتها را یاد بگیرند و حفظ کنند، هوش مصنوعی این پتانسیل را دارد که توصیههای بیدرنگ شخصی سازی شده را در تمام ساعات شبانهروز به بیماران ارائه دهد. به جای اینکه هر بار اطلاعات را با یک فرد جدید تکرار کنید، یک سیستم مراقبت های بهداشتی می تواند به بیماران دسترسی شبانه روزی به یک دستیار مجازی مجهز به هوش مصنوعی را ارائه دهد که می تواند به سوالات بر اساس تاریخچه پزشکی، ترجیحات و نیازهای شخصی بیمار پاسخ دهد.
زمان زیادی در طول آزمایشهای بالینی صرف اختصاص کدهای پزشکی به نتایج بیمار و بهروزرسانی مجموعه دادههای مربوطه میشود. هوش مصنوعی میتواند با ارائه جستجوی سریعتر و هوشمندانهتر برای کدهای پزشکی به سرعت بخشیدن به این فرآیند کمک کند.
رشد سریع در حوزه دارویی
کشف دارو اغلب یکی از طولانی ترین و پرهزینه ترین بخش های توسعه دارو است. هوش مصنوعی میتواند به کاهش هزینههای توسعه داروهای جدید به دو صورت کمک کند:
ایجاد طرحهای دارویی بهتر و یافتن ترکیبهای دارویی نویدبخش. با هوش مصنوعی، می توان بر بسیاری از چالش های کلان داده که صنعت علوم زیستی با آن مواجه است غلبه کرد.
دارو، عنصری تاثیرگذار در زندگی و تداوم حیات بشره. اگرچه قدمت دارو و داروسازی به هزاران سال قبل برمیگردد، با این حال علم و تکنولوژیهای مربوط به آن، همواره شاهد پیشرفتهای جدی بوده است. خوبه بدونید که از هر ۱۰ داروی جدیدی که فرایند تهیهی فرمولاسیونش انجام میشود، ۹ دارو به هنگام انجام تستها و کسب مجوز با شکست روبهرو میشود. این موضوع هزینههای زیادی به شرکتهای داروسازی تحمیل میکند. این هزینهها در حدود ۱٫۳ میلیارددلار برای هر دارو برآورد شده است.
استفاده از فناوریهای مبتنی بر تحلیل کلانداده و هوش مصنوعی، میتونه موجب بهبود چشمگیری در زمینهی داروسازی شود؛ چراکه باعث افزایش دقت در مرحلهی تهیهی فرمولاسیون و تقلیل هزینه و زمان در کل روند داروپژوهی و داروسازی می شود.
لازم به ذکره که بالغ بر ۳۰ شرکت داروسازی در جهان، روی استفاده از هوش ماشینی و کلانداده، بهمنظور ساختن داروهای جدید تمرکز کردند.
ادغام هوش مصنوعی پزشکی در گردش کار پزشکان می تواند زمینه ارزشمندی را در حالی که ارائه دهندگان در حال تصمیم گیری در مورد مراقبت هستند فراهم کند. یک الگوریتم یادگیری ماشینی آموزشدیده میتواند با ارائه نتایج جستجوی ارزشمند به پزشکان با بینشهای مبتنی بر شواهد در مورد درمانها و روشها در حالی که بیمار هنوز در اتاق با آنها است، به کاهش زمان تحقیق کمک کند.
شواهدی وجود دارد که نشان می دهد هوش مصنوعی می تواند به بهبود ایمنی بیمار کمک کند. یک بررسی سیستمیک اخیر از ۵۳ مطالعه بررسی شده که تأثیر هوش مصنوعی بر ایمنی بیمار را بررسی میکرد، نشان داد که ابزارهای پشتیبانی تصمیمگیری مبتنی بر هوش مصنوعی میتوانند به بهبود تشخیص و مدیریت دارو کمک کنند.
راه های بالقوه زیادی وجود دارد که هوش مصنوعی می تواند هزینه ها را در سراسر صنعت مراقبت های بهداشتی کاهش دهد. برخی از امیدوارکنندهترین فرصتها عبارتند از:
کاهش خطاهای دارویی، کمکهای بهداشتی مجازی و حمایت از جریان کار اداری و بالینی کارآمدتر.
بسیاری از بیماران خارج از ساعات کاری معمولی به سؤالاتی فکر می کنند. هوش مصنوعی میتواند به ارائه پشتیبانی شبانهروزی از طریق رباتهای چت کمک کند که میتوانند به سؤالات اساسی پاسخ دهند و در مواقعی که دفتر پزشک آنها باز نیست، منابعی را در اختیار بیماران قرار دهد. هوش مصنوعی همچنین میتواند بهطور بالقوه برای تریاژ (الویت بندی بالینی)سوالات و پرچمگذاری اطلاعات برای بررسی بیشتر مورد استفاده قرار گیرد، که میتواند به ارائهدهندگان سلامت در مورد تغییرات سلامتی که نیاز به توجه بیشتری دارند هشدار دهد.
یکی از مزیت های اصلی یادگیری عمیق این است که الگوریتم های هوش مصنوعی می توانند از زمینه قبلی بیمار برای تمایز بین انواع مختلف اطلاعات استفاده کنند. برای مثال، اگر یک یادداشت بالینی شامل فهرستی از داروهای فعلی بیمار به همراه داروی جدیدی باشد که پزشک آنها توصیه میکند، یک الگوریتم هوش مصنوعی آموزشدیده میتواند از پردازش زبان طبیعی برای شناسایی داروهایی که در تاریخچه پزشکی بیمار تعلق دارند استفاده کند.
پاسخ دکتر اریک توپول به این سوال منفی است. او نظرش را در کتاب “deep medicine” با مقایسه تکنولوژیهای به کار رفته در ماشینهای خودران با استفادههای هوش مصنوعی در پزشکی بدین شکل بیان میکند: مهندسان مشغول در حوزه خودروهای خودران ۵ سلسله مراتب از خودران کردن خودرو ها را ایجاد کردهاند:
سطح۱: کامپیوتر و انسان در کنار هم خودرو را کنترل میکنند مثال این حالت دستیار پارک و ترمز اضطراری است.
سطح۲: کامپیوتر عملا کنترل خودرو را در دست دارد اما در شرایط پیچیدهتر و بحرانی وظیفه هدایت خودرو توسط انسان انجام میشود.
سطح۳: در این حالت کامپیوتر خودرو را کنترل میکند و توانایی مدیریت شرایط پیچیده را نیز دارد و انسان تنها نقش پشتیبانی دارد.
سطح۴: در این حالت خودرو در اکثر شرایط نیازی به پشتیبانی انسان ندارد و کنترل خودرو در اختیار کامپیوتر است.
سطح۵: نقش انسان به طور کامل حذف شده و تحت هیچ شرایطی نیازی به مداخله انسان نیست و فرمان میتواند حذف شود.
از نظر دکتر توپول رسیدن به مرحله ۴ در حوزهی پزشکی بر خلاف خودروهای خودران دور از ذهن به نظر میرسد چرا که اگر چه هوش مصنوعی میتواند روندهایی مشخص مثل تشخیص یک ضایعه پوستی یا تشخیص یک بیماری از طریق الگوریتمهای مشخص را بهتر از انسان انجام دهد اما در حوزهی پزشکی به صورت کلی لزوم نظارت انسان غیر قابل حذف است. در حوزهی پزشکی پیشرفتهایی مشابه سطح ۳ و سطح ۲ در مثال بالا بسیار کمک کننده خواهند بود مثل تشخیص بیماری و ارائه راهکارهای درمان در موارد مشخص.
کنولوژیهای هوش مصنوعی از زمانیکه وارد حوزهها و صنایع دیگه شدن، جایگاه، نقش و کارکرد نیروی انسانی رو متاثر کردن. برای مثال در حوزهی بانکداری افرادی که تسهیلات و وامها رو ارزیابی، تعیین و اعطا میکردن، نقششون کاملا تغییر کرده و دیگه نقششون تحلیلگری نیست بلکه فقط اطلاعرسانی انجام میدن.
حالا این سوال مطرح میشود که با وجود تحولاتی که هوش ماشینی در صنعت پزشکی ایجاد کرده است، آیا ممکن هست که جایگزین پزشکان شود؟?
در پاسخ به این سوال باید بگویم خیر؛ چون
یک ربات هرچقد هم که عملکرد بالاتری نسبت به پزشک داشته باشد، نمیتواند اعتماد بیماران رو به اندازهی پزشک به خودش معطوف کند و بیماران ترجیح میدهندکه توسط پزشک مداوا بشوند و ربات، دستیار پزشک باشد نه جایگزینش.
یک ربات همیشه همهی کارهای انسانی رو بهتر از انسان انجام نمی دهد و با وجود پیشرفتهای وسیع AI ، هنوز هم برخی کارها رو انسان سریعتر، مطمئنتر و مقرون بهصرفهتر انجام می دهد. با این فرض که هوش مصنوعی بتواند تمامی فعالیتهای انسانی رو پوشش بدهد، فاصلهی زیادی داریم.
یک ربات نمیتونه جایگزینی برای همدردی و محبت انسانی باشد. شاید در آیندهی دور یا نزدیک، رباتهایی ساخته بشنوندکه بتوانند عواطف رو هم شبیهسازی کنند ولی باز نمیتوانند جایگزین باشند؛ چراکه از درک احساسات وعواطف عاجزاند.
نابغهساز در پاییز 97 با رویکرد تسهیل برنامهنویسی برای کودکان و نوجوانان پدید آمد. تیم نابغهساز از ابتدای سال 96 به دنبال راهی برای آموزش برنامهنویسی به زبان ساده برای کودکان و نوجوانان بودند. در این راه نرمافزارها و برنامههای متنوعی توسط این تیم مورد تحقیق و بررسی قرار گرفت.