Vis dažniau girdime apie dirbtinio intelekto vaidmenį įvairiose pramonės srityse, netgi paieškos gigantas „Google“ jau porą metų save vadina „AI-first company“. Nors žiniasklaidoje dirbtinis intelektas dažniausiai vaizduojamas kaip galiausiai privesiantis prie vienokio ar kitokio distopinio scenarijaus, kur pasaulį užvaldo robotai, kasdienybė visgi yra gerokai paprastesnė. Kol kas dirbtinis intelektas yra taikomas tik tam tikrose srityse, o viena iš jų – medicinos. Apie lietuvių startuolį „Oxipit“, išbandantį jėgas būtent joje, pasakoja vienas iš jo įkūrėjų Gediminas Pekšys.

Vaizdo atpažinimo technologija

„Oxipit“ – dirbtinio intelekto taikymo medicinoje startuolis. Nuo kitų dirbtinio intelekto įmonių jis skiriasi tuo, kad dirba su tyrimais bei pačiu medicinos mokslu. „Ne vien taikome jau išrastas technologijas, bandome patys kurti inovatyvius metodus. Nevengiame ir padaryti tokio darbo, iš kurio būtų nauda moksliniuose straipsniuose ar publikacijose. Padedame ir kitoms įmonėms su dirbtinio intelekto taikymu, konsultuojame“, – aiškina G. Pekšys. Startuolis dirba su vaizdo atpažinimu medicininėse nuotraukose: iš jos gali atpažinti ir suklasifikuoti sutrikimus, navikus ar tai, ko ieškoma, ir taip nustatyti tikimybę bei kuriose vietose vizualiai matomi požymiai. Technologijos veikimo principas – gilusis mokymasis (angl. Deep Learning). G. Pekšys juokais tai palygina su nuotraukų katalogavimu pagal turinį mobiliuosiuose telefonuose ar socialinio tinklo „Snapchat“ nuotraukų filtrais. Vos pradėję veiklą, kolegos užėmė pirmąją vietą iš 800 komandų apie tris mėnesius trukusiame gimdos kaklelio vėžio klasifikavimo turnyre, organizuotame „Intel“, „Kaggle“ ir „MobileODT“, taip pat laimėjo pirmąją vietą didžiausiame pagal dalyvių skaičių (apie 2,3 tūkst.) vaizdų analizės konkurse.

Esmė – padėti žmogui

 

„Visiškai pakeisti žmogų bus galima nebent po labai daug metų. Pirma reikia išmokti pasitikėti dirbtinio intelekto sprendimais, įsitikinti, kad jis veikia visomis sąlygomis.“

G. Pekšys.

 

„Oxipit“ įkūrėjas sako, kad aiškinant startuolio paskirtį neišvengiami nesusipratimai: „Dirbtinis intelektas nėra savaime suprantamas, greitai ir efektyviai paaiškinti tai sunku, tad nemažai žmonių dar su tuo nesusidūrė ir nežino, kodėl tai svarbu.“ Tikrąjį vaizdą taip pat kiek iškreipia ir kriminaliniuose serialuose vaizduojamos technologijos bei filmai apie robotiką. Vienas iš „Oxipit“ uždavinių – padėti radiologams susitvarkyti su didžiuliu krūviu. Tai yra ir nuobodžios, paprastesnės užduotys, kuriose dirbtinis intelektas veikia panašiu efektyvumu kaip ir žmogus, tad radiologas gali pasirinkti tokių užduočių nedaryti, o daryti kažką prasmingesnio, mažiau mechaniško. G. Pekšys sako, kad dirbtinis intelektas veikia kaip pagalbininkas gydytojams: „Pavyzdžiui, plaučių uždegimo iš vaizdų diagnozuoti negalima, gali prireikti papildomų tyrimų. Kompiuterinis atpažinimas paprastai dirba tik su vaizdine informacija, o interpretuoti ją paciento istorijos ir tyrimų kontekste sudėtingiau, reikia pamatyti ne tik vizualiai. Esmė yra ne nugalėti žmogų, bet padėti gydytojams dirbti efektyviau. Visiškai pakeisti žmogų bus galima nebent po labai daug metų. Pirma reikia išmokti pasitikėti dirbtinio intelekto sprendimais, įsitikinti, kad jis veikia visomis sąlygomis.“

2012-ųjų revoliucija

Nors dirbtinio intelekto panaudojimas skirtingose pramonės srityse prasidėjo dar visai neseniai, nuo 2012 m. vyksta labai stipri pažanga. Tais metais pasirodė konvoliucinis neuronų tinklas „AlexNet“, pasiekęs netikėtai aukštą vaizdų atpažinimo tikslumo procentą. Įsivaizduokite, kad kompiuteris turi iš milijono nuotraukų išmokti atpažinti tūkstantį objektų, algoritmas – išmokti juos klasifikuoti ir iš matomų paveikslėlių pasakyti, kokie yra matomi objektai. Taip patikrinamas jo tikslumas. Iki tol manyta, kad tokiai pažangai reikia milžiniškų resursų, buvo neaišku, kaip būtent tokia technologija veiktų. Kompiuterinė rega laikyta sritimi, kurioje kompiuteris dar ilgai atsiliks nuo žmogaus. Po „AlexNet“ publikacijos tapo aišku, kad vaizduose galima sulaukti smarkaus proveržio, o praėjus trejiems metams kompiuteris vis dėlto aplenkė žmogaus tikslumą klasifikuojant objektus nuotraukose. Objektų klasifikavimas iš nuotraukų buvo tik pirmoji problema, kurią palietė giliųjų neuronų tinklų (angl. Deep Neural Networks) revoliucija. Toliau ją plėtojant susidurta ir su sunkumais, pradedant klasifikacija trimatėje erdvėje (pavyzdžiui, magnetinis rezonansas nustato, kokio pobūdžio pakitimas, kuris primena auglį, ar čia yra cista, ar auglys; jeigu auglys, koks jo tikėtinas piktybiškumas ir t. t.). Pritaikymas skyrėsi tuo, kad ne tik norėta pasakyti, kas nuotraukoje matoma, bet ir kur tiksliai.

Susibūrė hakatono metu

„Oxipit“ komandos branduolį sudaro specialistai iš bendrovės „Neurotechnology“. 2017 m. balandį Lietuvoje įvyko renginys – mikrokonferencija ir hakatonas, kuriame keletas būsimų „Oxipit“ kolegų dalyvavo kaip lektoriai. „Per hakatoną padėjome komandoms atlikti užduotis. Jo metu triumfavo medicinos komanda, kuriai padėjome. Po renginio tos komandos narys paklausė, ar užsiimame medicina, ar norėtume“, – dabar jau šypsodamasis paprastą susitikimo istoriją prisimena G. Pekšys.

Pašnekovo teigimu, medicina yra viena tų sričių, kur yra daug įvairių problemų: nuo duomenų apsaugos, nuasmeninimo būtinybės iki sertifikavimo problemų. Ši sritis įkūrėjams atrodė prasminga, tokia, kur rega, vaizdinė informacija atlieka vis svarbesnį vaidmenį. „Mūsų komanda kaip tik sprendė kompiuterinės regos problemas. Norėjosi prisidėti prie spartesnės pažangos, kad Lietuvoje būtų daugiau galimybių darbui ar moksliniams tyrimams dirbtinio intelekto srityje, nes jis tampa vis svarbesne įvairių procesų dalimi“, – aiškina „Oxipit“ įkūrėjas.