رهایی از ویروس کرونا با هوش مصنوعی

رهایی از ویروس کرونا با هوش مصنوعی یکی از چالش‌های مهم حوزه هوش مصنوعی و پزشکی بشمار می‌رود. شناساییِ تب، یکی از موارد استفاده از هوش مصنوعی است؛ اما ساخت سیستم‌های قوی و قابل اطمینان، به زمان، تلاش و هزینه زیادی نیاز دارد.
هوش مصنوعی در تلاش است تا انسان را از دست ویروس مرگبار کرونا نجات دهد. این فناوری می‌تواند موارد مبتلا به تب را تشخیص دهد و آن دسته از بیمارانی را که به مراقبت‌ پزشکی بیشتری احتیاج دارند، اولویت‌بندی کند. حتی می¬تواند مقاله‌های علمی را بخواند و اقدامات لازم برای یافتن درمان را آغاز کند.

با شیوع ویروس کرونا در جهان، عده زیادی چشم به هوش مصنوعی دوخته‌ و آن را یک سلاح پنهان قوی قلمداد می‌کنند تا رهایی از ویروس کرونا با هوش مصنوعی را هرچه زودتر شاهد باشند. اگرچه رسانه‌ها و مطبوعات از مزایای بی‌شمار هوش مصنوعی سخن می‌گویند، اما هوش مصنوعی نقش اندکی در مبارزه علیه بیماری کووید-19 خواهد داشت.

بی‌تردید در شرایط بحرانی فعلی، راهکارهایی وجود دارند که می‌شود به آن‌ها متوسل شد، اما فناوری‌هایی از قبیل گزارش داده، پزشکی از راه دور (telemedicine) و ابزارهای تشخیص، تاثیرگذاری بیشتری در این مبارزه دارند. در گزارشی که اخیراً در «Brookings Institution» منتشر شد، چند روش برای رهایی از ویروس کرونا با هوش مصنوعی معرفی می‌شود.

بیایید این موضوع را با مهم‌ترین قانون آغاز کنیم: همیشه به حرف کارشناسان و متخصصان گوش کنید. اگر از هوش مصنوعی استفاده می‌کنند، ما هم به تبعیت از آن‌ها می‌توانیم این کار را انجام دهیم؛ اما اگر استفاده از هوش مصنوعی را توصیه نمی‌کنند، باید جانب احتیاط را هنگام استفاده از نرم‌افزارهای هوش مصنوعی رعایت کنیم.

داده همیشه به بافتِ آن بستگی و درک آن به تخصص و مهارت خاص نیاز دارد. آیا داده‌های چین را می‌توان در آمریکا به کار گرفت؟ رشد تصاعدی تا چه زمان می‌تواند ادامه داشته باشد؟ اقدامات انسان‌ها تا چه حد از گسترش شیوع بیماری می‌کاهد؟ همه مدل‌ها، حتی مدل‌های هوش مصنوعی، فرضیه‌هایی درباره این قبیل پرسش‌ها مطرح می‌کنند. اگر مدل‌سازان درک خوبی از این فرضیه‌ها نداشته باشند، مدل‌هایشان بیشتر مضر خواهند بود تا اینکه مفید باشند.خوشبختانه، متخصصان بیماری‌های واگیردار در مورد بیماری کووید-19 اطلاعات خوبی از بافت داده‌ها در اختیار دارند.

اگرچه کرونا، ویروس جدیدی است و هنوز به انجام تحقیقات و گردآوری‌ اطلاعات بیشتر درباره آن نیاز داریم، اما پرسش‌های تخصصی و مناسبی مطرح شده و درک خوبی برای پاسخ به این پرسش‌ها ایجاد شده است. «همه‌گیرشناسی به کمک آمار» قدمتی برابر با یک قرن دارد و تحقیقاتِ علمی آن در یک قرن گذشته، می‌تواند در فرایندهای تحلیلی به کار برده شود.

در مقابل، فرضیه‌ای در روش‌های یادگیری ماشین رایج است که بر اساس آن می‌توان همه‌چیز را به طور مستقیم از دیتاست‌ ها یاد گرفت و نیازی به استناد به بافت وسیعِ علمی نیست. برای نمونه، این ادعا را در نظر بگیرید که هوش مصنوعی برای نخستین بار توانست ویروس کرونا را شناسایی کند. یادگیری ماشین تنها با تکیه بر داده‌های تاریخی می‌تواند بینش‌ معناداری کسب کند.

از آنجایی که هیچ پایگاه داده‌ای پیش از شیوع بیماری کووید-19 وجود نداشته، هوش مصنوعی نمی‌تواند گسترش این بیماری فراگیر جهانی را به تنهایی پیش‌بینی کند. به علاوه، این ادعا در خصوص قابلیت‌های هوش مصنوعی برای اطلاع‌رسانی رویدادهای بزرگ و نادر، مبالغه‌آمیز است. اگرچه نرم‌افزارها زنگ هشدار را به صدا در آورده‌اند، اما درک اهمیتِ شیوع این بیماری به تجزیه و تحلیل انسانی نیاز دارد.

ارزش واقعیِ هوش مصنوعی را باید در قابلیتش برای انجام پیش‌بینی‌های خیلی دقیق جستجو کرد. برای مثال، شرکت همه‌گیرشناسی هوش مصنوعیِ «BlueDot» در اقدامی موفقیت‌آمیز، به ایالت کالیفرنیا کمک کرد تا گسترش ویروس کرونا را زیر نظر بگیرد. این شرکت توانست مدل‌های همه‌گیرشناسی سنتی را با یادگیری ماشین تقویت و برای پیش‌بینی گسترش بیماری از الگوهای پرواز استفاده کند. بله، این موضوع ارزش هوش مصنوعی را نشان می‌دهد.

این برآوردها به تخصیص دقیقِ کمک‌های مالی، تجهیزات و کارکنان پزشکی کمک می‌کند. با توجه به نکاتی که تا اینجا اشاره شد، نباید به تک‌تکِ برآوردهای هوش مصنوعی اطمینان کرد. شرکت‌ها به طور مکرر دقت هوش مصنوعی خود را گزارش داده و بر تاثیرگذاریِ بالای مدل هوش مصنوعی تاکید می‌کنند و متاسفانه این آمار تصویر ناقصی به دست می‌دهد. برای نمونه، شرکت علی‌‌بابا مدعی شده که می‌تواند بیماری کووید-19 را با 96 درصد دقت از روی تصاویر سی‌تی اسکن تشخیص دهد. بر اساس اعلام «دانشکده رادیولوژی آمریکا»، نباید از تصاویر سی‌تی اسکن به عنوان آزمایش‌های اول برای تشخیص بیماری کووید-19 استفاده کرد. برخی دیگر از کارشناسان نیز تاکید کردند که این روش هنوز مراحل تایید و اثبات را نگذرانده و باید جانب احتیاط را در استفاده از آن رعایت کرد.

علی‌رغم این دقت بالا، باید به یکی از اسرار ناخوشایند دنیای یادگیری ماشین نیز اشاره کرد. همواره ابزارهای اندازه‌گیری دیگری برای درک تاثیرگذاریِ یک مدل مورد نیاز است؛ مثل درصد بیمارانی که به درستی تشخیص داده می‌شوند. اگرچه سیستم‌های پزشکی قدیمی برای تریاژ کردن بیماران بر اساس شدت بیماری ریوی‌شان به تحلیل پرتوی ایکس توسط هوش مصنوعی تکیه می‌کنند، اما رهایی از ویروس کرونا با هوش مصنوعی به تنهایی میسر نیست و تشخیص به تنهایی از طریق هوش مصنوعی امکان‌پذیر نیست. حتی استفاده از آن دسته مدل‌های هوش مصنوعی که به طور جامع مورد آزمایش قرار گرفته و معتبر تلقی می‌شوند، تردیدهای زیادی دارد. محققان در مقاله‌ اخیری که در ارتباط با تشخیص خال‌های بدخیم منتشر کردند، به این نکته پی بردند که مدل‌های هوش مصنوعی‌ اشتباها خط کش پزشکی که معمولا در عکسهای این حوزه وجود دارد را به عنوان خال بدخیم یادگرفته است.

بنابراین، می‌توان نتیجه گرفت که باید به قابلیت‌های سیستم هوش مصنوعی در تشخیص تب از طریق دوربین‌های گرمایی، با دیدۀ تردید نگاه کرد. شرکت توسعه فناوری‌های نظارتیِ «Athena Security» مدعی شده که توانسته‌اند این کار را با استفاده از نرم‌افزارهای موجود انجام دهند. حتی پیش از اینکه معلوم شود این شرکت نمایش نرم‌افزاری جعلی به کار برده، ادعای آن‌ها با تردید روبه‌رو بود. شاید فناوری تشخیص تب عملکرد خوبی در شرایط آزمایشگاهی داشته باشد، اما نرم‌افزارها به تصویر واضح‌تری از چهره افراد نیاز دارند و دوربین‌ها در تهیه چنین عکس‌هایی به مشکل برمی‌خورند.

برای مثال، تهیه عکس از کسی که با سرعت وارد مغازه خواروبارفروشی می‎شود، چندان آسان نیست. باید به این مسئله نیز اشاره کرد که فرایند تحلیل، به دمای محیط، رطوبت و حتی جنسیت افراد بستگی دارد و این عوامل زمینه را برای افزایش خطای تخمین مهیا می‌کنند. شناساییِ تب یکی از موارد استفادۀ مفید از هوش مصنوعی است؛ اما ساخت سیستم‌های قوی و قابل اطمینان، به زمان، تلاش و هزینه زیادی نیاز دارد. با مواردی که در این مقاله به آن‌ها اشاره شد، نباید این ادعا را که هوش مصنوعی در نقش ناجی ظاهر خواهد شد، به راحتی پذیرفت. اگرچه همیشه اندکی تردید مفید است، اما نمی‌توان از اثرات مفید هوش مصنوعی در زمینه‌های مختلف، چشم‌پوشی کرد. فناوری هوش مصنوعی از ظرفیت شگفت‌انگیزی برخوردار است، اما باید مزایای آن را در مقایسه با محدودیت‎هایش سنجید.