Ну что, вот и наступило светлое будущее. Нейросети уже повсюду. Они рисуют картины, сочиняют музыку, пишут стихи, а с чатботами уже не просто общаются как живыми собеседниками, но и строят отношения, скрепля их узами брака.
Мэт Макмаллин организовал целое производство силиконовых роботов для взрослых, интегрируя туда искусственный интеллект и заработал 80 млн за прошлый год. Про него у меня есть целый ролик на втором канале. Переходите посмотреть, если вам, конечно, есть 18.
Это всё круто. Но что насчёт задач посерьёзнее? Сегодня мы поговорим о вещах, которые реально могут перевернуть мир.
Я расскажу, как неросети лечат рак, изобретут таблетку от всех болезней и не дают врачам убивать людей. Ты узнаешь, почему технологии, которые могли изменить мир ещё в шестидесятых, просто забросили. И как нейросети могут тебя хакнуть, превратить в гуманоиды из Аватара или Халка и даже даровать вечную жизнь?
Погнали. Первые попытки имитировать работу нервных клеток начались в конце пятидесятых. Фрэнк Резенблад разработал простейшую нейросеть, названную Персептрон, и даже научил её распознавать простые образы.
После такого удивительного прорыва последующие 50 лет нейросети мало кто вспоминал, и причин тому было несколько. Для обучения нейросетей нужно много данных и вычислительной мощности. А в конце пятидесятых и с тем, и [музыка] с другим были проблемы.
К тому же в то время начали появляться экспертные системы. Это компьютерные программы, немногим умнее калькулятора, способны решать узкопрофильные задачи. Например, в Стэнфордском университете в шестьдесят четвёртом году разработали программу Дендрал.
Зная молекулярный вес и состав элементов, она могла выдать структуру химического вещества. Эти программы были примитивные. О машинном обучении речи даже не идёт, но всем хватало.
А главное, с ними справлялось железо тех лет. Они на долгие годы вытеснили нейросети. Но и тут возникли сложности.
Я упомянула про Денрал не просто так. Она стала прототипом для первой медицинской системы Myin, которая увидела свет в 1970 году. Вы замечали, что антибиотики имеют схожие название вроде стрептомицин или эретромицин?
Вот этот суфиксмицин в переводе с греческого означает грипп, поскольку многие антибиотики изначально получили из грибов или бактерий. И, как вы могли догадаться по названию программы, разработали её для назначения антибиотиков. Софт анализировал симптомы пациента, определял диагноз и подбирал подходящее лечение.
А исследование семьдесят шестого года показало корректность рекомендации у Майсин в 65%. В то время как у врачей инфекционистов всего 42 в аналогичных условиях. Вдумайтесь, уже в то время даже эти примитивные программы по точности могли превосходить врачей.
Ну, по крайней мере, иногда. Осечки всё же случались. Но, несмотря на крутые результаты, Майсин в клиническую практику так и не вошёл.
И всё из-за него. А ещё вот из-за них тоже. Это компьютеры тех лет.
Они были настолько огромными, дорогими и сложными в эксплуатации, что были далеко не в каждом университете, а в больницах их тем более не было. И пока мир ждал массовых и дешёвых персональных компьютеров, интересу исследователей к неросетям вновь пробудил вот этот парень. [музыка] Нет, не этот, а вот этот.
Знакомьтесь, компьютерный томограф. Революционное изобретение, за которое эти двое ребят даже получили Нобелевскую премию по медицине в семьдесят девятом году. Секрет кроется в принципе его работы.
Сканер делает серию тонких поперечных снимков тела человека, используя рентгеновские лучи. Толщина слоя обычно составляет от 0,5 до 5 мм. Можете себе представить, сколько снимков нужно на одного пациента?
Пусть даже это только скан головы. И врачам нужно было тщательно пересмотреть каждый, чтобы поставить верный диагноз. Это требовало кучу времени.
И вот тут вспомнили про тот самый перцептрон, которым Розенлат научился распознавать картинки. С него стряхнули пыль, немного доработали, и в восьмидесятых появляется нейросеть, названная Нейрокат. Её обучили на большом количестве снимков КТ, которые предварительно разметили врачи, указав, где какие патологии.
Хоть тут и применяли машины обучения, эта нейронка была далека от тех, что есть сейчас у нас. Точность нейрокат варьировалась от 70 до 90%, но всё же она уступала по точности врачам и массово до больниц так и не дошла. Кто знает, сколько было бы ещё таких нереализованных проектов?
И когда бы мы получили наши любимые нейронки, если бы не они, геймеры. Именно эти отважные ребята создавали спрос и толкали производителей гнаться за нанометрами и выпускать на рынок более мощное железо. В 2010 годах производительность чипов достигла необходимой точки, и начался рассвет искусственного интеллекта.
Тут сошлось всё: мощное, доступное железо, новые алгоритмы машинного обучения вроде обратного распространения ошибки и самое главное данные. Распространение интернета привело к появлению безумных объёмов текста, картинок и прочих материалов, которые так необходимы для обучения искусственного интеллекта. А современная скорость передачи данных соединения позволила перейти к облачным вычислениям.
Больше не нужно иметь мощный компьютер, чтобы воспользоваться передовыми технологиями. Все вычисления происходят на сервере, и я могу даже со смартфона воспользоваться самыми крутыми нейронками, каких бы вычислений они не требовали. Это всё привело к бурному распространению нейросетей, в том числе и в медицине.
В статье, опубликованной в Nature, есть занимательный график, который отображает количество исследований в области искусственного интеллекта по медицинским специальностям. В 2005 году было всего 200 публикаций, а в 2020 уже 12. 500.
Количество исследований выросло в 62 раза. И это привело к настоящему перевороту в медицине. Сейчас для нас с вами искусственный интеллект в первую очередь ассоциируется с чатботом.
Вы можете зайти на сайт того же чата GPT и пообщаться с ним на любую тему. Если раньше вы бежали со своими симптомами в Google и находили у себя все существующие болезни, то сейчас люди бегут советоваться в чатбот. Но насколько ему можно верить, когда дело касается вашего здоровья?
Группа добровольцев решила проверить возможности чата GPT, задав ему вопросы из экзамена для получения лицензии на медицинскую деятельность в США. И не Россия смогла набрать проходной балл. >> Результаты настолько потрясли нас, что мы поспешили опубликовать их.
>> Исследователи из Кембриджа тоже решили проверить, насколько нейросеть хороша, но уже в узком медицинском направлении по диагностике глазных заболеваний. Результаты сравнили с показателями реальных врачей. Чату удалось обойти своих коллег из плоти и крови, достигнув точности в 69%, тогда как у врачей средний показатель был 59%.
[музыка] В исследовании машину сравнивали как с младшими, так и с опытными врачами-офтальмологами в различных клинических сценариях. А пользователю из XCOM по имени Купер даже удалось спасти свою собаку. У животного диагностировали клещевое заболевание, но лечение не помогало, и ветеринар не мог понять, в чём дело.
Вместо того, чтобы ждать, Купер решил посмотреть, что может сделать GPT, и отправил чату анализ крови своей собаки. Нейросеть предположила, что у питомца имунопосредованная гемалитическая анемия. Придя ко второму ветеринару и проведя новые анализы, врач подтвердил диагноз, поставленный нейросетью.
Как пишет Купер, собаки назначили правильное лечение, и теперь она почти полностью выздоровела. Правда, совсем недавно Open i А обновили правила использования чата GPT. Теперь ему запрещено давать юридические и медицинские советы.
Вместо подсказок, что делать при бессоннице, вас просто пошлют к специалисту, естественно, что вызвало бурю негодования в соцсетях. К счастью, уже достаточно других нейронок, в том числе китайских, которые с радостью ответят на подобные вопросы. А если ты хочешь выжить из нейросетей максимум или просто начать, наконец-то, применять их в работе, то я подготовила для тебя материал по Jсоon промтингу.
Это язык, на котором мы, разработчики, общаемся с ней неросетями, когда интегрируем их в продукты и сервисы. Ты сможешь создавать статьи, продающие тексты и фотосессии, рекламные видео, чатботов, ассистенты и многое другое на профессиональном уровне, которого невозможно добиться, используя обычные словесные промты. Помимо подробного структурированного материала с реальными примерами и кейсами, у тебя будет закрытый чат, где можно пообщаться со мной и задать вопросы настоящей команде разработчиков.
Ссылка будет в описании. Но как вообще нейронки научились лечить людей? Ведь модели вроде GPT - это лишь программы, обученные имитировать человеческую речь.
Или нет? Для обучения нейросети нужно очень много данных. И когда разработчики скормили ей всю пустую болтовню на форумах, в ход пошла специализированная литература, в том числе медицинские публикации и статьи.
Вот так не взначая нейросеть, которую целенаправленно этому не обучали, смогла освоить разные дисциплины и обойти людей, потративших многие годы на получение своей специальности. Искусственный интеллект обладает огромным преимуществом перед людьми, когда дело касается запоминания и обработки информации. Скормить машине толстый медицинский справочник - это секунды.
Она запоминает его на 100% и за мгновения может сравнить ваши симптомы и выдать вердикт. Чтобы запомнить такой медицинский справочник, врачу может потребоваться несколько месяцев или даже лет, а воспроизводимость будет хуже. Мы ведь даже небольшой стих, выученный месяц назад с трудом вспоминаем.
>> Траску зелень, солнышко блестит, ласочка летит. синюю. >> Ну, допустим, мы обучили врача, и он суперспец в своей области.
Но как быть со скоростью развития науки? К концу учебного года то, чему учили студенты в начале этого года, может просто утратить актуальность. Знаете, сколько в год публикуется научных медицинских статей?
В среднем 150. 000. Даже если мы возьмём отдельно дисциплины, проще не становится.
По онкологии это порядка 15. 000 статей в год, а по кардиологии 12. 000.
Ни один врач и даже учёный не способен прочесть такой объём информации, а тем более запомнить. А это значит, что медицина уже отстаёт от науки. То есть вы можете умереть от болезни, которую уже научились лечить, просто потому что врач не успел ознакомиться с новой информацией.
Ну или как минимум получить некачественное устаревшее лечение. И это огромная проблема. Согласно исследованиям, в среднем 11% поставленных диагнозов ошибочны.
В США каждый год из-за неверных диагнозов умирает 370. 000 тыся человек, а 420. 000 становятся инвалидами.
Только вдумайтесь в эти цифры. 370. 000 смертей в год и почти полмиллиона инвалидов.
Это данные только по США. Но как нам может помочь искусственный интеллект, спросите вы? Всё просто.
Научная статья на 1. 000 страниц текста в среднем весит 2 Мб. 150.
000 статей умножаем на 2 Мб, получаем 300 ГБ информации в год. Для сравнения, CH GPT3 обучали на 45. 000 ГБ информации.
Даже для него все наши медицинские исследования - это капля в море, а количество информации для GPT5 и вовсе измеряется петабайтами. Добавьте сюда неимоверную память в купе со скоростью обработки запроса, и вы получите идеального аналитика по любым вопросам, в том числе медицинским. Компания Deep Mind, принадлежащая Гуглу ещё с 2016 года, сотрудничает со многими медицинскими организациями.
Их алгоритмы для анализа рентгеновских снимков и маммограмм показали точность выявления рака груди. превышающую врачей на 5-10%. А ребята из PSI используют снимки биопсии и других медицинских срезов, чтобы распознавать и классифицировать различные патологии [музыка] в тканях, в том числе онкологию.
Их платформа ускорила диагностику и продемонстрировала точность 90%, тогда как показатели врачей в районе 75-8%. Наработки компании уже применяются в лабораториях и клиниках по всему миру. А проект Zbra Medical Vision анализирует рентгеновские снимки КТ, МРТ и помогает врачам в диагностике онкологии.
Их модель обнаруживает трак лёгких на ранних стадиях с точностью более 90%. Естественно, не обошлось и без скандалов. IBM в 2016 году нашумела со своим искусственным интеллектом Ватсон.
В ряде исследований ему удалось продемонстрировать точность определения рака молочной железы в 93%. Это значительно превосходит результаты традиционных методов диагностики, где точность была 73%. И под шумок IBM запустил в коммерческую эксплуатацию платформу Watson for Oncology.
Но уже через несколько лет стало ясно, что система представляет собой ненадёжный дорогостоящий чёрный ящик, который часто даёт неверные рекомендации. В итоге, спустя несколько лет, клиники стали отказываться от использования платформы, а в 2021 году IBM официально объявила о продаже этого бизнес-направления. Несмотря на такие инциденты, Неросети уже трудятся в клиниках и лабораториях по всему миру.
Сейчас любой из вас может скачать на свой смартфон приложение, которое по фото распознаёт патологии на коже и даже выявить рак. По исследованиям 2022 года точность таких приложений немного уступает опытным врачам и зависит от качества снимка. Зато, имея всего лишь смартфон под рукой, каждый может получить неплохую диагностику в любой точке мира.
Но медицина - это не только про разбор рентгена или снимка кожи. На Редите есть форум Askдог, где лицензированные медицинские специалисты отвечают на вопросы пользователей. Исследователи из Калифорнийского университета выяснили, что ответы чата GPT в 79% случаев были предпочтительные ответов врачей.
Оказалось, что ответы от бездушной машины содержат более полные точные данные, а ещё более эмпатичные по сравнению с ответами врачей. Вот так вот нейросети проявляют больше эмпатии, чем люди. Сейчас даже существуют полноценные боты для эмоциональной поддержки и психического здоровья.
Такие сервисы, как Ю или Вайза, проведут с вами сеанс психотерапии, предложат упражнения по борьбе с тревогой, депрессией и дадут персональные советы по контролю эмоций. Многие пользователи отмечают, что с чат-ботом им приятнее общаться, чем с психологом. Они находят его более сочувствующим и сопереживающим робота.
Это в купе с умением анализировать большой объём информации, открывает новую сферу. персонализированная медицина. У каждого из нас свои особенности организма, перенесённое заболевание, генетика и эпигенетика.
Всё это миллионы различных параметров. И то, что помогло мне, совсем не факт, что поможет вам. Учесть все параметры врачи просто не в состоянии.
И подход к назначению терапии у нас сейчас довольно топорный. А теперь представьте, если неросеть сможет обработать всю информацию о вас, от истории болезни до каждого нуклеотида в геноме, такая система сможет подобрать идеальное лечение, и это выводит медицину на совершенно иной уровень. Стартптемпус использует машинное обучение для анализа больших данных о пациенте, чтобы помочь врачам в принятии клинических решений.
Их системы уже можно встретить в ряде клиник. Правда, пока основная их деятельность связана с онкобольными пациентами. Компания NHalth тоже представляет платформу для анализа данных пациента, чтобы помочь в разработке персонализированных планов лечения.
Они тоже по большей части работают сэнкобольными, но по мере развития и удешевления технологий такой подход будет использоваться повсеместно, даже для лечения банального кашля. О'кей, мы научились анализировать пациента до винтика и знаем, куда надо бить. Но представьте, что у вас есть цель вот такого размера, и вы знаете её расположение с точностью до миллиметра.
Но вместо того, чтобы поразить её точечно со снайперской винтовки, сбрасываете в это место ядерную бомбу. Странно звучит, но именно так и будет происходить, если мы, имея персональную медицину, будем пить обычные таблетки. [музыка] Привычные нам всем лекарства не умеют бить прицельно.
Хоть сейчас и появляются селективные препараты, всё, что они могут, это работать не по всем рецепторам, а по одному из типов. Но разброс всё равно очень велик. Поэтому, принимая даже самые современные аналоги виагры, у многих закладывают нос.
Препарат расширяет сосуды не только в области половых органов, но и в других частях тела, включая слизистые оболочки носа. Они распухают и дыхание затрудняется. Стартап Инситра, основанный бывшей исследовательнице Google и соосновательнице Крсера Дафный Колер, предлагает создавать индивидуальные лекарства, ориентируясь на геномные данные пациентов.
>> Каждый пациент уникален, и каждый случай заболевания отличается. Мы стремимся к тому, чтобы медицина учитывала эти различия, разрабатывая решения, которые [музыка] будут нацелены на конкретные биологические особенности каждого человека. Представьте, что специально для вас можно создать необходимую комбинацию молекул, которая решит все ваши проблемы максимально эффективно, надёжно и без побочек.
>> Персонализированная медицина - это не просто лучшее будущее для здравоохранения. Это единственный путь вперёд. >> И это не преувеличение.
Некоторые болезни мы просто не сможем победить без искусственного интеллекта. Например, рак. Это чрезвычайно сложное индивидуализированное заболевание.
Оно не только отличается в зависимости от органа или ткани, где возникает, но также проявляется по-разному у каждого пациента. На онкологию приходится 20% всех смертей. И по прогнозам эта цифра будет только увеличиваться.
Ну если мы ничего не предпримем, конечно же. Обработав генетические данные раковых клеток пациента, мы можем найти уникальные генетические мутации или специфические белки, которые играют ключевую роль в росте и развитии рака. Используя все те же нейросети, можно создать лекарства, направленные на уничтожение только этих раковых клеток, минимизируя ущерб здоровым тканям.
И это не фантастика. Мы уже создаём лекарство, используя искусственный интеллект. Правда, пока такие подходы применяются не для конкретного пациента, а для разработки лекарств в фармацевтических компаниях, таких как Наватис, Fizеer или АстроЗенека.
Но с удешевлением технологии станет возможность создавать уникальные препараты для каждого человека. Знаете, сколько времени занимает создание вот такой простой таблетки? В среднем от 10 до 15 лет.
Человек за это время успевает родиться и почти окончить школу. Это очень долгий процесс поиска мишеней, перебора тысячи молекул и проведения многочисленных экспериментов. А ещё это огромные деньги и риски.
Так как многие препараты не доходили до рынка из-за неудачно поздних этапов разработки. Мы по факту просто идём методом перебора. Неросить может избавить нас от этих этапов.
Достаточно проанализировать огромные данные и просто произвести расчёт химических взаимодействий, определив необходимую комбинацию для новой молекулы. Без искусственного интеллекта произвести такие сложные вычисления просто невозможно. По прогнозам, это сократит срок разработки лекарств примерно до 5 лет.
Но зачем нам вообще лекарство? Обладать такими вычислительными способностями, мы можем расшифровать наш ДНК и воздействовать на него напрямую. Если удастся построить модель работы всех наших генов, то мы сможем взломать себя и переписать так, как программист сейчас может переписать устаревшую версию софта, выпустить ремастер, так сказать.
У нас уже есть такие инструменты, как криспр, благодаря которым учёные могут вносить целенаправленные изменения в геномы существующих организмов. А зная код и умея его редактировать, нам больше не нужны будут лекарства. Зачем пить таблетку от головной боли, когда можно просто в генах пофиксить баги и устранить сам механизм головной боли?
Это позволит не только лечить банальные заболевания, но даже запускать регенерацию потерянных конечностей. Да и вообще изменить своё тело, как вздумается. Можно заставить мышцы расти сами по себе, а жир не накапливаться, вернуть выпавшие волосы или вместо того, чтобы красить их, например, в розовый, просто заставить их расти сразу нужного цвета.
Станет возможным вообще всё: изменить цвет кожи, рост, размер носа и даже сделать нас бессмертными. [музыка] Ведь смерть - это просто заложенная эволюции функции, необходимая для изменчивости видов. А раз мы с вами сможем себя изменять, то смерть с её естественным отбором больше не нужна.
Похоже, мы наконец-то нашли святой граль, дарующий вечную жизнь. Им оказался простой кусочек кремня. И, видимо, на этот раз это не сказка.
Тем, кто хочет выжить из Нерона к максимум, о свой jonн промтинг, вот сюда. >> [музыка] >> Тут видео про роботов для взрослых, но а поддержать меня можно лайком и подпиской. Чао.
