Σύμφωνα με τον Τζόρτζο Μέτα, επιστημονικό διευθυντή του Ιταλικού Ινστιτούτου Τεχνολογίας (IIT) που εδρεύει στη Γένοβα, «η λιγότερο ενδιαφέρουσα πτυχή όσον αφορά την ανάπτυξη της τεχνητής νοημοσύνης είναι εκείνη της αναπαραγωγής της ανθρώπινης νοημοσύνης». Ο ιταλός ηλεκτρονικός μηχανικός, ειδήμων στη ρομποτική, είναι πεπεισμένος πως υπάρχουν πολύ πιο σημαντικά ζητήματα: «οι επιστήμες της ζωής, η ιατρική, η ανθρώπινη υγεία, το περιβάλλον και η βιομηχανία είναι πεδία στα οποία η τεχνητή νοημοσύνη μπορεί να συμβάλει στην επίλυση πολλών ενδιαφερόντων προβλημάτων», σημείωσε, μιλώντας στην Corriere della Sera.

«Αυτό σημαίνει πως κοιτάμε το δάχτυλο – την τεχνητή νοημοσύνη που θα μπορούσε να καταστήσει το homo sapiens παρωχημένο – αντί να κοιτάμε το φεγγάρι – την τεχνητή νοημοσύνη που θα μπορούσε να συμβάλει σημαντικά στη μάχη κατά των ασθενειών του homo sapiens», αναφέρει σε άρθρο του ο Μάσιμο Σιντέρι, επιστημονικός συντάκτης της ιταλικής εφημερίδας. Και σημειώνει πως η άποψη του Μέτα ενισχύεται σημαντικά από μια νέα δημοσίευση στην επιστημονική επιθεώρησh Journal of Clinical Oncology την οποία υπογράφουν μια ομάδα επιστημόνων από το περίφημο Mass General Cancer Center, ένα από τα κορυφαία ιατρικά κέντρα για την καταπολέμηση του καρκίνου στον κόσμο, σε συνεργασία με ερευνητές από το εξίσου περίφημο MIT, το Τεχνολογικό Ινστιτούτο της Μασαχουσέτης.

«Η Sybil (Σίβυλλα. ΣτΜ) είναι σε θέση να εξετάζει μια τομογραφία και να προβλέπει τον κίνδυνο που διατρέχει ένας άνθρωπος να αναπτύξει καρκίνο του πνεύμονα κατά την επόμενη εξαετία», δήλωσε η Ρετζάινα Μπάρζιλι, επικεφαλής της Σσχολής Τεχνητής Νοημοσύνης στην κλινική Jameel του MIT που συμμετείχε στη συγγραφή της μελέτης. Η «Sybil» είναι ένα λογισμικό τεχνητής νοημοσύνης, ένα μοντέλο βαθιάς μάθησης (deep learning) το οποίο αντί να μάθει να παίζει σκάκι ή ντάμα, έμαθε να εξετάζει αξονικές τομογραφίες θώρακος και να βλέπει ό,τι αδυνατεί να δει το ανθρώπινο μάτι.

«Μεμονωμένα αυτό δεν θα έπρεπε να μας εκπλήσσει: η τεχνολογία ήδη μας επιτρέπει να βλέπουμε αυτό που δεν βλέπουμε. Εδώ και αιώνες. Απλώς σκεφτείτε τις εικόνες από το Βαθύ Σύμπαν που έφθασαν από το διαστημικό τηλεσκόπιο James Webb της NASA. Ακόμη και ο Γαλιλαίος χωρίς εργαλεία θα είχε παραμείνει στη διαίσθησή του. Και τι θα ήταν η Iατρική χωρίς το μικροσκόπιο;», γράφει ο ιταλός δημοσιογράφος. Εστιάζοντας, ωστόσο, την προσοχή του στη «Σίβυλλα», συνιστά συγκρατημένη αισιοδοξία, δεδομένου ότι «και στο παρελθόν σημειώθηκαν εκτυφλωτικά λάθη και, όπως πάντα, οι υποσχέσεις της επιστήμης και της τεχνολογίας συχνά δεν πραγματοποιούνται».

Προς το παρόν, οπότε, μιλάμε για μια έρευνα βάση της οποίας αποτέλεσαν χιλιάδες Χαμηλής Δόσης Αξονικές Τομογραφίες (LDCT) καπνιστών και μη καπνιστών – 8.821 από το Massachusetts General Hospital, 12.280 από Chang Gung Memorial Hospital της Ταιβάν και περισσότερες από 6.000 τις οποίες η «Σύβιλλα» δεν είχε εξετάσει ποτέ ξανά. Οσον αφορά τα τελικά αποτελέσματα, είναι σίγουρα ενθαρρυντικά, αλλά  «προκαταρκτικά» ενώ «απαιτούνται περαιτέρω έρευνες», όπως επισημαίνεται στην ίδια τη μελέτη.

Ομως υπάρχουν και άλλα πεδία πειραματισμού της τεχνητής νοημοσύνης στον κλάδο της διαγνωστικής. O DermAssist της Google, για παράδειγμα, δύναται να συμβάλλει στην πρόληψη και έγκαιρη διάγνωση του καρκίνου του δέρματος ενώ το Ai Mind ειδικεύεται στην πρόληψη της άνοιας. Και σύντομα, ο ευρωπαϊκός υπερυπολογιστής Leonardo που πρόσφατα άρχισε να λειτουργεί στην Μπολόνια της Ιταλίας, θα συμμετέχει  στη διαδικασία επιλογής κατάλληλων μορίων για την ανάπτυξη νέων φαρμάκων.

Στο κείμενό του ο ιταλός επιστημονικός συντάκτης εξηγεί πως οι παραπάνω προσπάθειες και άλλες παρόμοιες αποτελούν ακόμη μόνον την αρχή, και αυτό οφείλεται εν μέρει στο ότι η χρήση της τεχνητής νοημοσύνης στον τομέα της υγείας έχει οδηγήσει ήδη και σε λάθη. Πριν από μερικά χρόνια, για παράδειγμα, η χρήση αλγορίθμων τεχνητής νοημοσύνης για την επιλογή βρετανών πολιτών που έπρεπε να υποβληθούν σε περαιτέρω εξετάσεις οδήγησε σε σφάλματα που είχαν αποτέλεσμα το θάνατο ορισμένων ασθενών.

«Ολες οι χώρες υιοθετούν κανονισμούς σχετικά με τη χρήση αυτών των ισχυρών εργαλείων που μπορούν να βλάψουν τα δικαιώματα των πολιτών», γράφει ο Μάσιμο Σιντέρι. Εξηγεί πως ένα από τα πιο βασικά προβλήματα είναι γνωστό ως το πρόβλημα του «black box»: «Ολα τα μοντέλα μηχανικής εκμάθησης λειτουργούν με δεδομένα (input) που παρέχονται στον αλγόριθμο, o οποίος προσφέρει τα όποια αποτελέσματα (output) ως απάντηση. Πώς, όμως, καταλήγει σε αυτά; Ούτε αυτοί που αναπτύσσουν τους κώδικες και τους αλγόριθμους δεν θα μπορούν να απαντήσουν στην ερώτηση (εξ ου και η τεχνική ονομασία “μαύρο κουτί”). Εάν ο αλγόριθμος υποπέσει σε λάθος, δεν γνωρίζουμε το γιατί. Αλλά το παράδοξο είναι ότι δεν ξέρουμε το γιατί, ούτε όταν αποφαίνεται σωστά», συνοψίζει.

Μάλιστα το «δικαίωμα στο γιατί» – γιατί καταλήγει στο όποιο συμπέρασμα το όποιο σύστημα τεχνητής νοημοσύνης – έχει προβλεφθεί στην Ευρωπαϊκή Ενωση, το οποίο καταδεικνύει πως η τεχνητή νοημοσύνη δεν πρέπει να αντιμετωπίζεται ως αντικαταστάτης του ανθρώπου αλλά ως βοηθός του.

Ακολουθήστε το Protagon στο Google News