آیا هوش مصنوعی واقعا می تواند زندگی را نجات دهد؟

سوال "آیا باید انسان ها را بکشم؟" بر روی دیواری در پشت ربات "الفی"، یک ماشین انتخاب اخلاقی، قرار گرفته است. | آرن ددرت/ اتحاد تصویر از طریق گتی ایماژ

اگر چیزی وجود داشته باشد که آمریکایی ها بتوانند در پشت آن متحد شوند، آن نگرانی از هوش مصنوعی است.

بر اساس نظرسنجی اخیر NBC News/Decision Desk، 70 درصد از بزرگسالان می گویند که شخصا بیشتر نگران این فناوری هستند تا هیجان زده. اساسا در هر بخش از جامعه زیر آب است با یک استثنای قابل توجه: استفاده از آن در تحقیقات علمی و پزشکی.

به گفته دکتر Dhruv Khullar، پزشک در Weill Cornell Medicine و نویسنده در New Yorker، این خوش بینی کاملا مستدل است.

Khullar از ابزارهای هوش مصنوعی در کار خود به عنوان یک پزشک استفاده می کند و در مورد پیشرفت های آنها در زمینه پزشکی می نویسد. او می‌گوید که «حداقل در حال حاضر، یک دیدگاه کلی خوش بینانه وجود دارد که چگونه هوش مصنوعی مراقبت‌های بهداشتی را در آینده تغییر می‌دهد».

هوش مصنوعی در پزشکی چیز جدیدی نیست. در سال 2024، جایزه نوبل شیمی به محققانی اعطا شد که یک مدل هوش مصنوعی ایجاد کردند که پیشرفت‌هایی را در پیش‌بینی ساختارهای پیچیده پروتئین ایجاد کرد. همانطور که همه جا فراگیرتر می شود، همچنین به عنوان منبعی برای پزشکان برای دریافت نظرات دوم و به عنوان ابزاری برای یادداشت برداری در مورد تعاملات بیمار و پزشک ظاهر می شود.

Khullar می‌گوید علاوه بر این، ممکن است به باز کردن داروهای جدید برای درمان بیماری‌ها کمک کند.

Khullar به Today, Explined، یکی از مجریان Sean Rameswaram پیوست تا درباره راه‌هایی که هوش مصنوعی کشف و تحقیقات دارو را تغییر می‌دهد، و همچنین آنچه که هنوز نمی‌تواند انجام دهد، بحث کند. آنها همچنین در مورد چگونگی تفکر در مورد پتانسیل هوش مصنوعی در مراقبت های بهداشتی بحث می کنند، همزمان که محققان برتر هوش مصنوعی به طور فزاینده ای در مورد خطرات این فناوری هشدار می دهند.

در زیر گزیده ای از گفتگو را مشاهده می کنید که برای طولانی بودن و وضوح ویرایش شده است. موارد بسیار بیشتری در پادکست کامل وجود دارد، بنابراین هر جا که پادکست دریافت می‌کنید، به Today, Explained گوش دهید، از جمله پادکست‌های اپل، پاندورا و اسپاتیفای.

شما در مورد نوآوری هوش مصنوعی نجات دهنده فکر کرده اید. آیا هوش مصنوعی از قبل نجات جان انسان ها را آغاز کرده است؟

فکر کنم داره. این سریعترین کاری است که من تا به حال دیده ام که مراقبت های بهداشتی از یک فناوری جدید استفاده می کند. بخشی از آن ممکن است این باشد که سیستم مراقبت های بهداشتی آنقدر به هم ریخته است که میل به نوعی تغییر وجود دارد. مقرون به صرفه نیست، غیرقابل دسترس است، ناخوشایند است، کیفیت ناهموار است.

حداقل این امید وجود دارد که هوش مصنوعی به همه این موارد کمک کند، و من فکر می کنم که در حال حاضر راه خود را به سیستم مراقبت های بهداشتی باز کرده است. اکنون این وظیفه ماست که بفهمیم چگونه می‌توان از آن بهترین استفاده را کرد، بدون اینکه برخی از جنبه‌های منفی را نیز اعلام کنیم.

برای کسانی که اطلاع ندارند، به ما بگویید که چگونه در سیستم کار می کند.

دسته بندی آن در چند سطل، حداقل برای مراقبت های بهداشتی، مفید است.

سریعترین جذب، و من فکر می کنم جایی که در حال حاضر شروع به ایجاد تفاوت کرده است، در بخش اداری است. بسیاری از افرادی که اخیرا به پزشک مراجعه کرده اند ممکن است متوجه شده باشند که یک کاتب هوش مصنوعی وجود دارد که اکنون یادداشت برداری می کند. و به نظر می رسد که مردم واقعا آن را دوست دارند، حداقل تا کنون. پزشکان می‌توانند به گونه‌ای به چشم‌های بیماران نگاه کنند که وقتی روی رایانه‌هایشان نگاه می‌کردند و فقط آنچه را که بیمار به آنها می‌گفت تایپ می‌کردند، نمی‌توانستند ببینند.

دومین حوزه بزرگ ناوبری بیمار است. اسکن بعدی شما چه زمانی است؟ قرار بعدی شما کی است؟ آیا لازم است این دارو را با معده خالی مصرف کنم یا خیر؟ مثلا افرادی که به بیماری‌های جدی مانند سرطان یا نارسایی قلبی مبتلا هستند، فرصت بزرگی وجود دارد تا بتوانند سیستم را به‌طور یکپارچه‌تر هدایت کنند.

سومین حوزه بزرگی که من واقعا در مورد آن هیجان زده هستم، کشف مواد مخدر است. هوش مصنوعی در بخش‌های اولیه کشف دارو ضربه بزرگی ایجاد می‌کند.

آخرین چیزی که در مورد آن هیجان زده هستم و هر روز وقتی در بیمارستان هستم از آن استفاده می کنم، [AI] به عنوان نظر دوم است. اکنون به جای نیاز به مشاوره یا مراجعه به کتاب درسی، هوش مصنوعی می تواند یک پشتیبانی بسیار بسیار مفید برای تصمیم گیری بالینی باشد. البته به این معنا نیست که من هرگز با کسی مشورت نمی‌کنم، اما اولین پاس - مطمئن نیستم که چه اتفاقی می‌افتد. چند آزمایش اخیر که ممکن است بر تصمیم من در اینجا تأثیر بگذارد چیست؟ آیا چیزی هست که من از دست بدهم؟ آیا آزمایشی وجود دارد که باید آن را سفارش دهم که سفارش نمی دهم؟ - همه آن نوع چیزها، آنها شروع به کمک می کنند.

بزرگترین بخش این دیدگاه مثبت از هوش مصنوعی و پزشکی، کشف دارو است. در مورد اینکه تا اینجا چگونه پیش می رود و چگونه ممکن است در یک سال، پنج یا 10 سال پیش برود، به من بگویید.

من نمی‌خواهم این گفتگو را رها کنم و بگویم که ما درمان سرطان را به دلیل هوش مصنوعی حل کرده‌ایم، اما می‌خواهم مردم بدانند که حداقل برای مراحل اولیه کشف دارو - پی بردن به مراحل بسیار اولیه آیا این مولکول جالبی است؟ آیا کاربردهای بیولوژیکی بالقوه ای دارد؟ - هوش مصنوعی در حال حاضر برای آن بسیار مفید است.

آنها اساسا سعی می کنند تعداد بی نهایتی از مولکول های دارو مانند را مصرف کنند که از نظر تئوری ممکن است دارو باشند و سعی می کنند آن را با بیماری هایی که در درون انسان وجود دارد مطابقت دهند. و زیست شناسی انسان نیز فوق العاده پیچیده است. ده ها هزار ژن، صدها هزار پروتئین، تریلیون ها سلول وجود دارد، و شما باید یک مولکول بالقوه را با یک هدف بالقوه در یک انسان مطابقت دهید.

در گذشته، یک محقق ممکن بود سال ها طول بکشد تا یک بیماری یا یک مسیر بیولوژیکی را مطالعه کند و بفهمد، خوب، به نظر می رسد که این پروتئین دخیل است. و در واقع، ممکن است درگیر نباشد، ممکن است درگیر باشد، ممکن است مختل شود، اما عامل ایجاد کننده آن نباشد. ابهامات زیادی در آنجا وجود دارد، بنابراین اکنون هوش مصنوعی می‌تواند مقادیر عظیمی از داده‌ها را دریافت کند، و می‌تواند اهداف بالقوه مختلفی را که به نظر می‌رسد بیشترین احتمال ایجاد یک بیماری خاص را دارند رتبه‌بندی کند و فهرست کوتاه کوتاهی از اهداف بالقوه را که ممکن است در گذشته ماه‌ها یا سال‌ها طول کشیده است به شما ارائه دهد.

بنابراین اکنون می دانید به چه چیزی حمله کنید، اما باید بفهمید که با چه چیزی به آن حمله کنید. بنابراین شما به یک مولکول نیاز دارید، باید مولکولی تولید کنید که در آن هدف قرار بگیرد یا به نوعی آن هدف را مختل کند.

اکنون دوباره، هوش مصنوعی می‌تواند فضاهای شیمیایی وسیع را جست‌وجو کند و فهرستی از چیزهایی را به شما ارائه دهد که به نظر می‌رسد به احتمال زیاد می‌توانند آن هدف را مختل کنند. و سپس در برخی موارد می تواند به شما در تولید آن مولکول کمک کند.

بنابراین اکنون ما هدف را داریم. حالا ما چیزی داریم که با آن به هدف حمله می کنیم. و سپس باید کاری به نام بهینه سازی سرنخ انجام دهید و این سومین چیز است. بهینه سازی سرنخ یعنی شما این سرنخ را دارید و باید آن را بهینه کنید.

من این استدلال متضاد را مطرح می‌کنم که مراقبت‌های بهداشتی آماده اختلال است و شما حتی به مدل‌های مرزی نیاز ندارید تا آن را با هوش مصنوعی بسیار بهتر کنید.»

اکنون باید بفهمیم که از بین تمام مولکول‌هایی که به نظر می‌رسد در تأثیر بالقوه این هدف خوب هستند، کدام یک می‌توانند در بدن جذب شوند، کدام یک به بافت مناسب می‌رسند. مدل‌های هوش مصنوعی می‌توانند محتمل‌ترین مولکولی را پیش‌بینی کنند که مجموعه‌ای از ویژگی‌های Goldilocks را برای یک داروی ایمن و مؤثر به شما می‌دهد.

همانطور که همه ما از هر کسی که از هوش مصنوعی خواسته است برای آنها ایمیل بنویسد یا سؤالی را در گوگل جستجو کرده است، می دانیم، این ابزارها درجه خاصی از اطمینان دارند، حتی اگر این ابزارها در مورد چیزها کاملا اشتباه باشند. آیا شما بچه ها در مورد آن در این زمینه نگران هستید؟

کاملا. و به همین دلیل است که من فکر می‌کنم روایت در مورد هوش مصنوعی که فقط جای دانشمندان یا پزشکان یا سایر کارگران را گرفته است نادرست است. چون هنوز نیاز به قضاوت زیادی دارید.

شما باید بتوانید خروجی این مدل ها را قضاوت کنید تا بفهمید چه چیزی امیدوارکننده ترین و چه چیزی بالقوه خطرناک است. این به آزمایشگاه ها و دانشمندان مرطوب و استدلال بر اساس تجربه قبلی و درک زمینه نیاز دارد. انواع و اقسام مشکلات در اطراف وجود دارد، آیا می توانید برخی از داروهایی را که توسط این مدل ها پیشنهاد می شود تولید کنید؟ بنابراین فقط به این دلیل که تنظیم شده است، به این معنی نیست که شما واقعا می توانید آن چیز را در دنیای واقعی بسازید.

برخی از داروهایی که پیشنهاد می‌کند ممکن است به روش‌های خاصی سمی باشند که پیش‌بینی نکرده بود. و البته، پس از آن باید این مورد را وارد آزمایشات بالینی کنید. شما باید افرادی را استخدام کنید که مایلند این دارو را در بدن خود قرار دهند. شما باید دریابید که چه کسانی ممکن است سود ببرند، باید آن را در فرآیند نظارتی قرار دهید.

به همین دلیل است که گفتم بخش اول کشف دارو، جایی که شما سعی می‌کنید بفهمید چگونه می‌توانیم داروی مناسب را انتخاب کنیم، چیزی که برای آزمایش بیشتر هیجان‌انگیزتر به نظر می‌رسد، واقعا تسریع خواهد شد. تمام نیمه دوم که در واقع باید بفهمیم که آیا در زیست شناسی انسان کار می کند یا خیر، هنوز هم از برخی جهات یک فرآیند آنالوگ خواهد بود.

به نظر نمی رسد که شما به شدت می ترسید که ما مانند واگذاری کنترل بیمارستان ها، امکانات تحقیقاتی خود به هوش مصنوعی هستیم. این بسیار در نوع سطل دستیار است؟

در حال حاضر آن است. و من فکر می کنم یکی از چالش ها حفظ نمایندگی ما با پیچیده تر شدن این مدل ها است. همانطور که بیشتر روی این ماشین‌ها تکیه می‌کنید، اگر پزشک هستید، ناگزیر برخی از مهارت‌ها، تفکر انتقادی، استدلالی که برای تشخیصی که در طول سال‌ها به آن‌ها پرداخته‌ایم، می‌تواند شروع به تحلیل رفتن کند.

اینها انواع چیزهایی هستند که ما هنوز باید آنها را مرتب کنیم زیرا در حال پیاده سازی بیشتر و بیشتر هوش مصنوعی در سیستم مراقبت های بهداشتی هستیم.

برای افرادی که فقط می گویند، همه چیز را تعطیل کنید، این خیلی خطرناک است، خطر بسیار زیاد است، ما در واقع به این نیاز نداریم، این هیچ کاری برای جامعه انجام نمی دهد، آیا شما یک استدلال متقابل ارائه می کنید؟

من این استدلال متضاد را مطرح می‌کنم که مراقبت‌های بهداشتی برای اختلال آماده است و شما حتی به مدل‌های مرزی نیاز ندارید تا آن را با هوش مصنوعی بسیار بهتر کنید.

حتی اگر بخواهیم "سرعت مرز را کم کنیم" خوب است. But there are models from a year or two years ago that could be very helpful in the healthcare setting. وقتی در مورد کاهش سرعت مرز و پیچیده ترین و بالقوه خطرناک ترین مدل ها صحبت می کنیم، خوب است.

اما اگر در مورد خاموش کردن هوش مصنوعی و استفاده نکردن از آن در بیوتکنولوژی یا استفاده نکردن از آن در تحقیقات علمی یا استفاده نکردن از آن در ارائه مراقبت های بالینی صحبت می کنیم، اینجاست که به شدت عقب می نشینم.