پیش‌بینی پدرخوانده هوش مصنوعی اشتباه از آب درآمد
نگار علی- ۶ آبان ۱۴۰۳
«جفری هینتون»، پدرخوانده ۷۶ ساله هوش مصنوعی که اخیراً جایزه نوبل را دریافت کرده است؛ بیشتر با هشدارهایی که صادر می‌کند می‌شناسیم.
او پس از سپری‌کردن بیش از یک دهه در شرکت گوگل، سال گذشته استعفا داد تا به جای آن نگرانی‌هایی که از توسعه سریع این تکنولوژی دارد را ابراز کند و به مردم در مورد هشدار دهد.
هشت سال پیش هینتون اعلام کرد که بلافاصله آموزش رادیولوژیست را متوقف کنید؛ اواخر دهه ۲۰۱۰ مملو از مقالاتی بود که پایان رادیولوژی را بیان می‌کردند، اما امروز با گذشت هشت سال، پیشگویی هینتون به وضوح محقق نشد.
یادگیری عمیق نمی‌تواند کاری را انجام دهد که یک رادیولوژیست انجام می‌دهد و ما اکنون با بزرگ‌ترین کمبود رادیولوژیست در تاریخ مواجه هستیم، به شکلی که تصویربرداری در برخی از مراکز برای ماه‌ها عقب افتاده است.
این اتفاق به این معنا نیست که هینتون کاملاً در خصوص هوش مصنوعی اشتباه می‌کرده است، بلکه نشان می‌دهد که واقعیت بسیار ظریف‌تر است.
برای رادیولوژیست شدن باید زمان زیادی را سپری کرد؛ بعد از کالج، چهار سال دانشکده پزشکی، یک سال مقدماتی پزشکی عمومی، چهار سال دیگر رزیدنتی رادیولوژی و سپس یک تا دو سال آموزش فلوشیپ فوق تخصصی در مسیر است. چنین آموزش گسترده‌ای به خاطر پیچیدگی کار است که متخصص باید در آخر بدون هیچ اشتباهی کار خود را به اتمام برساند و چشم‌انداز جایگزین شدن با الگوریتم بسیار ناراحت کننده است؛ رادیولوژیست‌ها بیش از یک دهه را صرف مطالعه کرده‌اند تا شغل خود را به خاطر کامپیوتر از دست بدهند؟
با توجه به علاقه گسترده به استفاده از یادگیری ماشینی در رادیولوژی، نگرانی قابل درک است؛ از حدود هزار دستگاه پزشکی تأیید شده توسط سازمان غذا و دارو آمریکا که دارای هوش مصنوعی هستند، حداقل ۷۶ درصد برای استفاده در رادیولوژی طراحی شده‌اند.
در این میان، برخی آینده‌ای را پیش‌بینی می‌کنند که در آن هوش مصنوعی کارهای ما را سبک می‌کند، کارایی را به حداکثر می‌رساند، خطاها را کاهش می‌دهد و ضرورت رادیولوژیست‌های تشخیصی را تقویت می‌کند. دیگرانی هستند که نظر هینتون را تأیید می‌کنند که رادیولوژیست‌ها در لبه صخره هستند؛ اما هنوز به پایین نگاه نکرده‌اند.
با این حال همانقدر که شکست مطلق هوش مصنوعی احمقانه است، جایگزین شدن آن‌ها با انسان‌ها نیز دور از ذهن است؛ به نظر می‌رسد که ما در نهایت یک مسیر میانه را ترسیم خواهیم کرد و اینطور نیست که هوش مصنوعی جایگزین رادیولوژیست‌ها شود، بلکه رادیولوژیست‌هایی که از هوش مصنوعی استفاده می‌کنند جایگزین کسانی می‌شوند که از این ابزار استفاده نمی‌کنند.
